Quelles sont les différentes manières pour le nettoyage d'une de la R de l'environnement à partir d'objets?

Vous voudrez peut-être vérifier la RGtk2 paquet.
Vous pouvez très facilement créer une interface avec la Clairière de l'Interface de configuration, puis fixez quel que soit R commandes que vous souhaitez.

Si vous voulez un bon point de départ où à "voler" des idées sur la façon d'utiliser RGtk2, installez le rattle et d'exécuter rattle();. Ensuite, regardez le code source et commencer à faire votre propre interface 🙂

Je peut avoir un aller à elle et voir si je peux sortir avec quelque chose de simple.

EDIT: c'est un moyen rapide et sale morceau de code que vous pouvez jouer avec. Le gros problème c'est que, pour quelque raison que ce soit le rm instruction n'a pas été exécuté, mais je ne sais pas pourquoi... je sais que c'est le centre d'instruction, mais au moins, l'interface fonctionne! 😀

TODO:

• Faire rm travail
• J'ai mis toutes les variables dans le remObjEnv de l'environnement. Il ne devrait pas être répertorié dans la variable courante et il doit être retiré lorsque la fenêtre est fermée
• La liste affiche uniquement les objets dans l'environnement mondial, rien à l'intérieur de d'autres de l'environnement ne sera pas montré, mais cela est assez facile à mettre en œuvre
• probablement il ya quelques autres bug je n'ai pas pensé 😀

Profiter de

# Our environment
remObjEnv <<- new.env()
# Various required libraries
require("RGtk2")
remObjEnv$createModel <- function()
{
# create the array of data and fill it in
remObjEnv$objList <- NULL
objs <- objects(globalenv())
for (o in objs)
remObjEnv$objList[[length(remObjEnv$objList)+1]] <- list(object = o, 
type = typeof(get(o)),
size = object.size(get(o)))
# create list store
model <- gtkListStoreNew("gchararray", "gchararray", "gint")
# add items 
for (i in 1:length(remObjEnv$objList))
{
iter <- model$append()$iter
model$set(iter,
0, remObjEnv$objList[[i]]$object,
1, remObjEnv$objList[[i]]$type,
2, remObjEnv$objList[[i]]$size)
}
return(model)
}
remObjEnv$addColumns <- function(treeview)
{
colNames <- c("Name", "Type", "Size (bytes)")
model <- treeview$getModel()
for (n in 1:length(colNames))
{
renderer <- gtkCellRendererTextNew()
renderer$setData("column", n-1)
treeview$insertColumnWithAttributes(-1, colNames[n], renderer, text=n-1)
}
}
# Builds the list. 
# I seem to have some problems in correctly build treeviews from glade files
# so we'll just do it by hand :)
remObjEnv$buildTreeView <- function()
{   
# create model
model <- remObjEnv$createModel()
# create tree view
remObjEnv$treeview <- gtkTreeViewNewWithModel(model)
remObjEnv$treeview$setRulesHint(TRUE)
remObjEnv$treeview$getSelection()$setMode("single")
remObjEnv$addColumns(remObjEnv$treeview)
remObjEnv$vbox$packStart(remObjEnv$treeview, TRUE, TRUE, 0)
}
remObjEnv$delObj <- function(widget, treeview)
{
model <- treeview$getModel()
selection <- treeview$getSelection()
selected <- selection$getSelected()
if (selected[[1]])
{
iter <- selected$iter
path <- model$getPath(iter)
i <- path$getIndices()[[1]]
model$remove(iter)
}
obj <- as.character(remObjEnv$objList[[i+1]]$object)
rm(obj)
}
# The list of the current objects
remObjEnv$objList <- NULL
# Create the GUI.
remObjEnv$window <- gtkWindowNew("toplevel", show = FALSE)
gtkWindowSetTitle(remObjEnv$window, "R Object Remover")
gtkWindowSetDefaultSize(remObjEnv$window, 500, 300)
remObjEnv$vbox <- gtkVBoxNew(FALSE, 5)
remObjEnv$window$add(remObjEnv$vbox)
# Build the treeview
remObjEnv$buildTreeView()
remObjEnv$button <- gtkButtonNewWithLabel("Delete selected object")
gSignalConnect(remObjEnv$button, "clicked", remObjEnv$delObj, remObjEnv$treeview)
remObjEnv$vbox$packStart(remObjEnv$button, TRUE, TRUE, 0)
remObjEnv$window$showAll()

OriginalL'auteur nico

Solution de base est de charger vos données, de supprimer ce que vous ne voulez pas et de les enregistrer en tant que nouveau, la qualité des données.

---

Une autre façon de gérer cette situation est de contrôler chargé RData en le chargeant d'environnement

sandbox <- new.env()
load("some_old.RData", sandbox)

Maintenant, vous pouvez voir ce qui est à l'intérieur de

ls(sandbox)
sapply(ls(sandbox), function(x) object.size(get(x,sandbox)))

Alors vous avez plusieurs posibilités:

• écrire ce que vous voulez de nouvelles RData: save(A, B, file="clean.RData", envir=sandbox)
• supprimer ce que vous ne voulez pas de l'environnement rm(x, z, u, envir=sandbox)
• de faire une copie de variables que vous voulez mondiale de l'espace de travail et de supprimer les sandbox

J'ai l'habitude de faire la même chose pour la troisième option. Charger mes données, faire quelques vérifications, de transformation, de copier les données finales mondiales de l'espace de travail et de supprimer les environnements.

---

Vous avez toujours la possibilité de mettre en œuvre ce que vous voulez. Donc

1. Charger les données
   
   vars <- load("some_old.RData")
2. Obtenir les tailles
   
   vars_size <- sapply(vars, function(x) object.size(get(x)))
3. Commander
   
   vars <- vars[order(vars_size, decreasing=TRUE)]

vars_size <- vars_size [order(vars_size, decreasing=TRUE)]
4. Faire de boîte de dialogue (dépend de l'OS, ici, c'est Windows)
   
   vars_with_size <- paste(vars,vars_size)

vars_to_save <- select.list(vars_with_size, multiple=TRUE)
5. Supprimer ce que vous ne voulez pas
   
   rm(vars[!vars_with_size%in%vars_to_save])

À la belle forme de la taille de l'objet-je utiliser une solution basée sur getAnywhere(print.object_size)

pretty_size <- function(x) {
ifelse(x >= 1024^3, paste(round(x/1024^3, 1L), "Gb"),
ifelse(x >= 1024^2, paste(round(x/1024^2, 1L), "Mb"),
ifelse(x >= 1024  , paste(round(x/1024, 1L), "Kb"),
paste(x, "bytes")
)))
}

Puis en 4. on peut utiliser paste(vars, pretty_size(vars_size))

OriginalL'auteur Marek

L'OS X gui n'ont une telle chose, il est appelé l'explorateur d'espace de travail. Ce qui est très pratique.

J'ai également souhaité une interface qui montre la session de dépendance entre les objets, c'est à dire si je commence à partir d'un plot() et travailler à rebours pour trouver tous les objets qui ont été utilisés pour créer. Cela nécessiterait l'analyse de l'histoire.

OriginalL'auteur Ken Williams

Les pauvres gars de réponse pourrait être :

ls()
# spot the rank of the variables you want to remove, for example 10 to 25 
rm(list= ls()[[10:25]])
# repeat until satisfied

OriginalL'auteur Hugues