问题标签 [reproducible-research]

我正在做一个涉及一系列程序的研究项目，每个程序都会生成一个输出文件，该文件成为下一个程序的输入。我想让重复我用来创建所需输出的一系列命令变得容易。似乎make或任何其他构建系统都非常适合这项任务，但是我看过的所有构建系统（可能除了make本身）似乎都强烈倾向于从源代码构建可执行文件，并且我不知道如何对他们做任何其他事情。除了将源代码编译成可执行文件之外，有没有人有使用构建系统完成任务的经验？我可以轻松地使用构建系统来促进可重复的研究，还是应该寻找不同类型的工具？

当我在插入符号中运行 2 个随机森林时，如果我设置一个随机种子，我会得到完全相同的结果：

但是，如果我注册一个并行后端来加速建模，每次运行模型时都会得到不同的结果：

有没有办法解决这个问题？一个建议是使用doRNG包，但train使用当前不支持的嵌套循环：

doSNOW更新：我认为可以使用and来解决这个问题clusterSetupRNG，但我无法做到。

foreach有什么特别之处，为什么不用我在集群上发起的种子？对象a和b是相同的，那么为什么不model1和model2？

我看过一些 iPython 开发人员关于如何将 ipython 笔记本转换 为博客文章、pdf甚至整本书的演讲（大约 43 分钟）。PDF-to-X 转换器会解释用 markdown 或代码编写的iPython 单元格，并在一个步骤中输出一个新格式化的文档。

我的问题是我想生成一个大型文档，其中许多图形和部分都是以编程方式生成的 - 类似这样。为了使用上述方法在 iPython 中工作，我需要能够编写一个函数来编写其他 iPython-Code-Blocks。这种能力存在吗？

我认为这可能有用，所以我想知道是否：

1. 通过 iPython 生成 iPython 单元是可能的
2. 如果有理由认为这是一个坏主意，我应该坚持使用模板库（Jinja）等“经典”解决方案。

谢谢，扎克cp

编辑：根据 Thomas 的建议，我在ipython 邮件列表上发布了一些关于这个想法可行性的反馈。简而言之 - 有一些技术上的困难使这个想法对于最初的想法不太理想。对于想要生成 markdown 单元和相应图像/表格的重复报告，通过 ipython 内核/浏览器工作比直接使用 Jinja 等模板系统生成报告要复杂得多。

我正在使用 RStudio、R Markdown、Latex 和 Pandoc 来清理数据、构造变量、运行分析并报告结果。我对可重复研究的概念不熟悉，但我被迷住了。很有意义。

动态表格和数字没有问题。然而，动态文本难倒我。我可以插入内联代码来说明所有统计数据中有 95% 是错误的，但我不确定如何以可重现的方式改变我的语言。

例如，如果我有一个对象 x=0.66，我想写“三分之二的牙医使用 Crest”怎么办？我可以查看 x 的当前值 0.66，然后在文本中键入“2 out of 3”，但这是不可重现的。假设我得到新数据并重新运行分析，x 变为 0.52。我的文字会过时。当然，我可以动态报告 52% 的牙医更喜欢 Crest，但是当所有内容都以百分比报告时，报告就会变得陈旧。

我的想法是，当我想改变写作时，我可以创建可以在文本中调用的函数。例如，“out.of”函数可以处理 if else 语句来生成文本：

我还可以创建一个分数函数，它可以对十分之一、五分之二、三分之一做类似的事情......

我相信其他人已经解决了这个问题。有什么线索吗？想法？

我想知道是否有一种简单的方法可以在knitr. 我知道的唯一方法是：（从https://github.com/yihui/knitr-examples/blob/master/075-knit-expand.Rnw简化）。但是将输出收集到src然后在循环之后打印它是一个拖累，因为我想编写一个函数来从任意数据集产生这样的循环。

所以我希望能够做的是这样的事情：

...如果我在其上运行 brew() 会产生...

...然后我可以 knit2pdf() 的输出。所以如果模板被称为 tmpl.Rnw，我会运行 brew('tmpl.Rnw','doc.Rnw');knit2pdf('doc.Rnw)

我有一个标准的数据分析程序，需要在各种（约 50 个数据集）上运行。我已经开发了一段时间，现在我想把它变成一个函数，它接受一个数据集并为每个数据集吐出一些合理的表。但是，完成的过程跨越了四个脚本文件，到目前为止，我已经source从一个到另一个运行它，但似乎不可能使用function.

我有以下问题：

当您在数据集上运行代码时，它会崩溃。

是否有某种方式（命令）可以在编译时从其他文件中复制粘贴命令（不知道如何以不同的方式调用它，即使它不是真正的编译）函数？我知道我可以自己复制粘贴它，但我不想这样做，因为各种步骤包括神经网络和 ARFIMA 估计，为了代码的可读性，我想将它们保存在单独的文件中。无论如何，复制粘贴后的功能将类似于 200 行代码，这绝对不是用户友好的......

谢谢

我正在尝试做这样的事情：

我想要发生的是在评估块以产生导出输出时，将 <<defs>> 扩展为缠结样式。实际发生的是 <<defs>> 被逐字评估并导致语法错误。

当将这样的块与输出文件纠缠在一起时，一切正常，但是当我导出缓冲区时，我不知道如何做同样的事情。

建议？

是否有一种标准方法可以将数值转换为应用了特定类型格式的字符。

我在想类似的东西：

显然，我自己写它们并不难，但是在准备报告时对这种东西的需求是相当恒定的，而且肯定已经有一些包了？

这篇论文启发我检查了 Emac 的org-mode，目前我尝试评估什么更适合编写我的文档：knitr / Sweave（我主要使用 R 进行编程）或 org-mode。

我真正喜欢 knitr 的地方在于可以将实际源代码外部化（注意：R 脚本中标签/名称的声明似乎已从## ---- label -------变为## @knitr label; 参见?read_chunk）并将它们“链接”到实际的读写编程/可重复研究文档（而不是在该文档中实际编写代码）：

“导入”

并通过引用相应的标签来“重用”

问题

这在 org-mode 中是否也有可能，还是我必须将实际代码放入.org文档中？

我找到了这个，但我没有找到任何链接/导入外部源代码文件的具体概念，并且能够通过将链接代码放在里面来执行它们

背景

我确实看到这种方法可能会在一定程度上对比识字编程的一般范式。但我喜欢以某种“原子”风格工作，因此我感觉更自然的是首先将文件分开，然后动态地将所有内容混合在一起。

我想使用 make 作为可重复研究的工具。这项研究涉及一个很长的管道，我将为许多独立的数据集运行它，需要一个我将在“pseudo-make”中描述的工作流程，如下所示：

如果 make 只是简单地将每个数据集的名称替换为 '%'，这正是我想要的。但是，GNU make 手册对静态模式规则的语法有这样的说法：

当 target-pattern 匹配一个目标时，`%' 可以匹配目标名称的任何部分；这部分称为茎。模式的其余部分必须完全匹配。

这就解释了为什么上面的代码不起作用。在 make 中完成此任务的最佳方法是什么，或者 make 根本不是这项工作的正确工具？

在此先感谢，如果问题提出不当，我深表歉意——我是新手，几乎不知道如何表达这个问题。