Nesta série de posts, estamos apresentamos a todos a nossa primeira tentativa de escrever um livro: O Zen do R! Durante as próximas semanas, todas as quartas, traremos para o nosso blog os capítulos que já escrevemos do livro e responderemos qualquer pergunta sobre o conteúdo.
Hoje o assunto é “.RData e .Rhistory”, como eles funcionam e porque você não deveria usá-los.
.RData e .Rhistory
O fluxo ideal de análise de dados começa na escolha da ferramenta. Por ser uma linguagem especializada em estatística, o R é a primeira escolha de muitos usuários. Normalmente optar por programar em R também implica na escolha de uma IDE (Integrated Development Environment) que, em 90%1 dos casos, será o RStudio.
O R, em combinação com o RStudio, possui um conjunto de funcionalidades cuja intenção é ajudar no processo de desenvolvimento. Entretanto, isso acaba deixando os programadores de R mal acostumados.
Como um pai coruja, o RStudio faz questão de lembrar tudo o que você fez anteriormente. Em sua configuração padrão, a IDE manterá na “memória” todos os últimos comandos executados, todos os dados utilizados e todos os objetos criados. Ao fechar e abrir o RStudio, essas informações serão recarregadas na memória como se o usuário nunca tivesse saído do programa.
Esse recurso é tornado possível pela criação de dois arquivos ocultos: .RData
e .Rhistory. O primeiro abriga absolutamente todos os objetos criados por uma
sessão R, enquanto o segundo contém uma lista com os últimos comandos
executados. Ao reabrir o RStudio, o conteúdo armazenados nestes arquivos será
carregado no ambiente de trabalho atual como se nada tivesse acontecido.
Porque desistir desse recurso
Apesar de ser uma ótima conveniência, assim como o pai coruja, esse tipo de funcionalidade pode deixar o programador mal acostumado. Se todos os resultados parciais de uma análise estiverem disponíveis a qualquer momento, diminui o incentivo para a escrita de código reprodutível e, se todo o histórico de comandos for acessível, acaba a necessidade de experimentos controlados.
Um usuário que dependa ativamente do .RData para recuperar seus dados estará
aos poucos contando cada vez mais com a sorte. Caso ele acidentalmente
sobrescreva o objeto relevante e o código para recriá-lo já tenha sido apagado,
não haverá nenhuma forma confiável de recuperar esses dados. Idealmente, todo
o código necessário para uma análise de dados deve estar salvo em um arquivo
.R perfeitamente reprodutível; assim, caso o programador cometa um engado,
é possível executar aquele arquivo do início e obter novamente os objetos que
estavam sendo utilizados.
Arquivos reprodutíveis também tem uma outra vantagem: facilidade de
compartilhamento. A menos que o programador pretenda sentar com seu colega para
explicar como utilizar os objetos do .RData e do .Rhistory, não pode-se
esperar que outra pessoa seja capaz de reproduzir uma análise a partir de
arquivos incompletos. Deste modo, abandonar essa funcionalidade permite utilizar
ferramentas de compartilhamento e controle de versão da maneira como elas foram
idealizadas.
Por fim, é importante notar uma desvantagem sutil mas muito relevante do uso
do .RData. O R trata todos os objetos guardados na memória igualmente, sem
levar em conta sua utilidade ou tamanho. Isso significa que ele também irá
armazenar nos arquivos ocultos todas as bases de dados da sessão (não
importando quão grande sejam). Isso faz com que o .RData normalmente seja um
arquivo de múltiplos gigabytes.
Ao reabrir o RStudio, todos esses dados serão recarregados e
provavelmente farão com que o programador espere vários minutos até que ele
possa voltar ao seu trabalho. Com o .RData é impossível ter controle sobre
quais dados devem ser utilizados em cada sessão de programação.
Como desativar essa funcionalidade
O processo de desabilitar o .RData e o .Rhistory é bastante simples e afeta
todos os projetos do computador, então só é necessário passar por ele uma vez.
Basta selecionar Tools > Global Options… na aba de ferramentas do RStudio
e então ajustar três configurações. No final a página de opções gerais deve
ficar similar à da imagem abaixo:
Se acostumar com sessões efêmeras não é uma tarefa fácil e um desconforto inicial é esperado. Pode ser que o programador ache entediante executar o mesmo código toda vez que abrir seu RStudio, mas é importante ter em mente que esse programa só está lá e pode ser executado inúmeras vezes porque o R não estará mais fazendo o trabalho do analista.
Não tenho nenhuma estatística confiável sobre esse número, mas sei que ele não é 100% porque conheço pelo menos uma pessoa que programa R no neovim.↩︎
