Skip to contents

Exportar e Executar Pipelines Reprodutiveis

Serializar, ler, inspecionar e reexecutar analises com sus_rap_export(), sus_rap_read(), sus_rap_run() e sus_rap_update()

Dr. Max Anjos

17 October, 2026

Source: vignettes/rap-01-exportar-executar.Rmd
rap-01-exportar-executar.Rmd

Introducao — O que e um RAP?

O problema da reproducibilidade na epidemiologia ambiental

A pesquisa em saude publica e epidemiologia ambiental no Brasil enfrenta um desafio crescente: como garantir que uma analise realizada hoje — sobre mortalidade por doencas respiratorias em Sao Paulo no inverno de 2022 — possa ser reproduzida, atualizada e auditada por outro pesquisador daqui a tres anos? Com diferentes versoes de pacotes, bases de dados atualizadas, novos municipios a incluir?

Os Pipelines Analiticos Reprodutiveis (Reproducible Analytical Pipelines — RAPs) sao a resposta da ciencia de dados governamental e academica a esse problema. O conceito foi formalizado pela UK Government Data Science (2022) para garantir que analises publicadas por agencias publicas sejam auditaveis, atualizaveis e executaveis por qualquer colaborador com acesso ao ambiente correto.

No climasus4r, o modulo RAP serializa todo o pipeline de analise — desde a importacao dos dados do DATASUS ate a agregacao temporal — em um arquivo de texto portatil (.R, .Rmd ou .qmd), com metadados de rastreabilidade embarcados. Isso significa que voce pode:

  • Arquivar a analise junto ao artigo como material suplementar
  • Reexecutar o mesmo pipeline para novas unidades federativas ou periodos com um unico comando
  • Comparar duas versoes do pipeline para identificar divergencias
  • Atualizar parametros sem reabrir e editar o arquivo manualmente
📦

Portabilidade

O pipeline exportado e um arquivo-texto padrao R. Qualquer colaborador com o climasus4r instalado pode reexecuta-lo.

🔍

Rastreabilidade

Metadados automaticos registram versao do R, pacotes, data/hora e plataforma no momento da exportacao.

🔄

Atualizabilidade

Parametros como UF, periodo e sistema DATASUS podem ser sobrescritos sem editar o arquivo exportado.

📊

Comparabilidade

Duas versoes do pipeline podem ser comparadas lado a lado para identificar o que mudou entre revisoes.

A classe rap_object

O sus_rap_export() retorna um objeto da classe S3 rap_object, que e uma lista nomeada com sete campos:

Campo Tipo Descricao
metadata lista Versao do R, pacotes, timestamp, plataforma, semente aleatoria
params lista Parametros detectados no pipeline (uf, years, system, etc.)
steps lista Cada etapa do pipeline com sua funcao e argumentos
structure lista Formato, tipo de output, numero total de etapas
source character Caminho do arquivo exportado em disco
format character Formato da exportacao ("script", "rmarkdown", etc.)
raw character Linhas do arquivo exportado (para inspecao direta)
**Nota:** O `rap_object` herda de `list`, o que significa que voce pode acessar qualquer campo com `$` ou `[[`. Por exemplo, `rap$params$uf` retorna a unidade federativa registrada no momento da exportacao.

Pre-requisitos

Pacotes necessarios 

# Instalacao do climasus4r (se ainda nao instalado)
# install.packages("remotes")
# remotes::install_github("ByMaxAnjos/climasus4r")

library(climasus4r)
library(dplyr)     # para manipulacao de dados
library(magrittr)  # para o operador %>%

Construindo o pipeline de exemplo

Neste tutorial usaremos como caso condutor uma analise de mortalidade por doencas respiratorias no estado de Sao Paulo, 2020-2022, importada do SIM-DO (Sistema de Informacoes sobre Mortalidade). O pipeline e definido com quote(), que captura a expressao sem avalia-la:

pipeline <- quote(
  sus_data_import(uf = "SP", years = 2020:2022, system = "SIM-DO") |>
    sus_data_clean_encoding() |>
    sus_data_standardize() |>
    sus_data_filter_cid(cid_group = "respiratory") |>
    sus_data_aggregate(by = "month", lang = "pt")
)
**Dica:** O uso de `quote()` e essencial. Ele cria um objeto de linguagem (`call`) que o `sus_rap_export()` consegue inspecionar, parametrizar e serializar. Se voce passar o resultado de um pipeline ja executado, o modulo RAP nao conseguira reconstruir os passos de forma auditavel.

Verificando a estrutura do pipeline 

# O objeto 'pipeline' e um objeto de linguagem do tipo 'call'
class(pipeline)
#> [1] "call"

# Visualizando a arvore de chamadas
lobstr::ast(!!pipeline)
#> o-`|>`
#> +-o-`|>`
#> | +-o-`|>`
#> | | +-o-`|>`
#> | | | +-sus_data_import(uf = "SP", years = 2020:2022, system = "SIM-DO")
#> | | | \-sus_data_clean_encoding()
#> | | \-sus_data_standardize()
#> | \-sus_data_filter_cid(cid_group = "respiratory")
#> \-sus_data_aggregate(by = "month", lang = "pt")

sus_rap_export() — Serializar o Pipeline

Assinatura completa 

sus_rap_export(
  pipeline             = NULL,
  file_path            = NULL,
  format               = c("script", "rmarkdown", "quarto", "function"),
  include_metadata     = TRUE,
  include_validation   = TRUE,
  include_documentation = c("standard", "minimal", "comprehensive"),
  output_type          = c("analysis", "dashboard", "report"),
  lang                 = "pt",
  overwrite            = FALSE
)

Exportar como script R (formato padrao)

O formato "script" gera um arquivo .R auto-contido, com cabecalho de metadados, bloco de parametros, bloco de validacao e o pipeline em si. E o formato recomendado para arquivamento e reexecucao via linha de comando.

rap <- sus_rap_export(
  pipeline              = pipeline,
  file_path             = "analise_respiratoria_sp.R",
  format                = "script",
  include_metadata      = TRUE,
  include_validation    = TRUE,
  include_documentation = "standard",
  lang                  = "pt"
)
#> v Pipeline exportado para 'analise_respiratoria_sp.R'
#> i Formato      : script
#> i Etapas       : 5
#> i Parametros   : uf, years, system, cid_group, by, lang
#> i Metadados    : R 4.4.1 | climasus4r 0.1.0 | 2026-06-18 09:32:14

Estrutura do arquivo gerado

O arquivo analise_respiratoria_sp.R exportado tem a seguinte estrutura:

# ============================================================
# RAP gerado por climasus4r::sus_rap_export()
# Timestamp : 2026-06-18 09:32:14 BRT
# R version : 4.4.1 (2024-06-14)
# climasus4r: 0.1.0
# Plataforma: aarch64-apple-darwin20
# ============================================================

# -- PARAMETROS (edite aqui para reutilizar o pipeline) ------
params <- list(
  uf        = "SP",
  years     = 2020:2022,
  system    = "SIM-DO",
  cid_group = "respiratory",
  by        = "month",
  lang      = "pt"
)

# -- VALIDACAO -----------------------------------------------
stopifnot(
  is.character(params$uf),
  all(params$years >= 1979),
  params$system %in% c("SIM-DO", "SIH", "SINAN", "SIA", "CNES", "SINASC")
)

# -- PIPELINE ------------------------------------------------
resultado <- sus_data_import(
    uf = params$uf, years = params$years, system = params$system
  ) |>
  sus_data_clean_encoding() |>
  sus_data_standardize() |>
  sus_data_filter_cid(cid_group = params$cid_group) |>
  sus_data_aggregate(by = params$by, lang = params$lang)

Estrutura do rap_object retornado 

str(rap)
#> List of 7
#>  $ metadata : list [r_version, packages, timestamp, platform, seed]
#>  $ params   : list [uf, years, system, cid_group, by, lang]
#>  $ steps    : list [5 pipeline steps]
#>  $ structure: list [type, input_params, output_params, total_steps]
#>  $ source   : chr "analise_respiratoria_sp.R"
#>  $ format   : chr "script"
#>  $ raw      : chr [linhas do arquivo exportado]
#>  - attr(*, "class")= chr [1:2] "rap_object" "list"

# Acessando campos individuais
rap$params$uf
#> [1] "SP"

rap$metadata$r_version
#> [1] "R version 4.4.1 (2024-06-14)"

rap$structure$total_steps
#> [1] 5

Exportar como R Markdown

Para publicacao de relatorios reproduced com narrativa, use format = "rmarkdown". O arquivo .Rmd gerado inclui cabecalho YAML, blocos de configuracao e o pipeline dentro de chunks executaveis.

rap_rmd <- sus_rap_export(
  pipeline              = pipeline,
  file_path             = "relatorio_respiratorio_sp.Rmd",
  format                = "rmarkdown",
  include_metadata      = TRUE,
  include_validation    = TRUE,
  include_documentation = "comprehensive",
  output_type           = "report",
  lang                  = "pt"
)
#> v Pipeline exportado para 'relatorio_respiratorio_sp.Rmd'
#> i Formato      : rmarkdown
#> i Etapas       : 5
#> i output_type  : report
#> i Documentacao : comprehensive

Exportar como Quarto

O formato "quarto" gera um arquivo .qmd compativel com o sistema Quarto, ideal para documentos tecnicos modernos com suporte a Python, Julia e execucao multipla de engines.

rap_qmd <- sus_rap_export(
  pipeline   = pipeline,
  file_path  = "analise_respiratoria_sp.qmd",
  format     = "quarto",
  output_type = "dashboard",
  lang       = "pt"
)
#> v Pipeline exportado para 'analise_respiratoria_sp.qmd'
#> i Formato: quarto | output_type: dashboard

Exportar como funcao encapsulada

O formato "function" e o mais adequado para integracao em pacotes ou scripts de automacao. O pipeline e encapsulado em uma funcao R com todos os parametros como argumentos formais, pronta para ser importada ou reutilizada programaticamente.

rap_fn <- sus_rap_export(
  pipeline   = pipeline,
  file_path  = "run_analise_respiratoria.R",
  format     = "function",
  lang       = "pt"
)
#> v Pipeline exportado para 'run_analise_respiratoria.R'
#> i Formato: function
#> i Funcao gerada: run_pipeline(uf, years, system, cid_group, by, lang)

O arquivo gerado contem uma funcao como esta:

run_pipeline <- function(
    uf        = "SP",
    years     = 2020:2022,
    system    = "SIM-DO",
    cid_group = "respiratory",
    by        = "month",
    lang      = "pt"
) {
  sus_data_import(uf = uf, years = years, system = system) |>
    sus_data_clean_encoding() |>
    sus_data_standardize() |>
    sus_data_filter_cid(cid_group = cid_group) |>
    sus_data_aggregate(by = by, lang = lang)
}

Niveis de documentacao (include_documentation)

O parametro include_documentation controla a quantidade de comentarios gerados no arquivo exportado:

Nivel Descricao
"minimal" Apenas o cabecalho essencial e o bloco de parametros
"standard" Cabecalho, parametros, validacao e comentarios de etapa
"comprehensive" Tudo acima + descricao de cada funcao, tipos esperados e links para a documentacao 
# Exportacao minima -- apenas o essencial
rap_min <- sus_rap_export(
  pipeline              = pipeline,
  file_path             = "analise_minima.R",
  include_documentation = "minimal",
  lang                  = "pt"
)
# Exportacao abrangente -- maxima rastreabilidade
rap_full <- sus_rap_export(
  pipeline              = pipeline,
  file_path             = "analise_completa.R",
  include_documentation = "comprehensive",
  lang                  = "pt"
)
**Atencao:** O parametro `overwrite = FALSE` e o padrao. Se o arquivo ja existir em disco, `sus_rap_export()` aborta com um erro explicativo. Use `overwrite = TRUE` para sobrescrever explicitamente, ou especifique um novo caminho.

sus_rap_read() — Ler de Volta

Depois de exportado, o arquivo .R (ou .Rmd/.qmd) pode ser lido de volta para um rap_object em qualquer sessao R, mesmo que o pipeline original nao exista mais na memoria.

Assinatura 

sus_rap_read(file_path, lang = "pt", validate = TRUE)

Lendo o arquivo exportado 

rap2 <- sus_rap_read("analise_respiratoria_sp.R", lang = "pt")
#> v Arquivo lido: 'analise_respiratoria_sp.R'
#> v Metadados validados
#> i R version  : 4.4.1 (exportado em 2026-06-18 09:32:14)
#> i climasus4r : 0.1.0
#> i Etapas     : 5
#> i Parametros : uf = "SP" | years = 2020:2022 | system = "SIM-DO"

Imprimindo o rap_object

O metodo print.rap_object() exibe um resumo formatado do pipeline:

print(rap2)
#> -- RAP: analise_respiratoria_sp.R -----------------------
#> Formato   : script
#> Exportado : 2026-06-18 09:32:14 BRT
#> R version : 4.4.1 | climasus4r 0.1.0
#> Plataforma: aarch64-apple-darwin20
#>
#> -- Parametros ------------------------------------------
#> uf        : "SP"
#> years     : 2020 2021 2022
#> system    : "SIM-DO"
#> cid_group : "respiratory"
#> by        : "month"
#> lang      : "pt"
#>
#> -- Pipeline (5 etapas) ----------------------------------
#> [1] sus_data_import()
#> [2] sus_data_clean_encoding()
#> [3] sus_data_standardize()
#> [4] sus_data_filter_cid()
#> [5] sus_data_aggregate()
#> ---------------------------------------------------------
**Nota:** O argumento `validate = TRUE` (padrao) verifica se o arquivo lido contem os campos obrigatorios de metadados (`timestamp`, `r_version`, `climasus4r`) e emite um aviso caso o arquivo tenha sido editado manualmente e esteja com metadados incompletos. Use `validate = FALSE` para suprimir essa verificacao.

sus_rap_inspect() — Inspecionar e Comparar

Assinatura 

sus_rap_inspect(rap, rap2 = NULL, verbose = TRUE, lang = "pt")

5.1 Inspecao de um unico RAP

Com apenas um rap_object, sus_rap_inspect() exibe um resumo detalhado do pipeline: etapas, parametros, metadados e, com verbose = TRUE, o codigo raw do arquivo exportado.

sus_rap_inspect(rap2, verbose = TRUE)
#> == Inspecao: analise_respiratoria_sp.R ==================
#>
#> METADADOS
#>   Timestamp : 2026-06-18 09:32:14 BRT
#>   R version : 4.4.1
#>   climasus4r: 0.1.0
#>   Plataforma: aarch64-apple-darwin20
#>   Semente   : nao definida
#>
#> ESTRUTURA
#>   Formato      : script
#>   Total etapas : 5
#>   Output type  : analysis
#>   Documentacao : standard
#>
#> PARAMETROS
#>   uf        = "SP"
#>   years     = 2020:2022
#>   system    = "SIM-DO"
#>   cid_group = "respiratory"
#>   by        = "month"
#>   lang      = "pt"
#>
#> PIPELINE
#>   [1] sus_data_import(uf, years, system)
#>   [2] sus_data_clean_encoding()
#>   [3] sus_data_standardize()
#>   [4] sus_data_filter_cid(cid_group)
#>   [5] sus_data_aggregate(by, lang)
#>
#> CODIGO (raw)
#>   [ver arquivo: analise_respiratoria_sp.R]
#> =========================================================

5.2 Comparacao entre dois RAPs (diff)

Ao passar dois rap_objects, sus_rap_inspect() realiza um diff estruturado, identificando:

  • Parametros que mudaram de valor
  • Etapas adicionadas ou removidas
  • Divergencias nos metadados (versao de pacote, plataforma)

O cenario abaixo compara o pipeline de Sao Paulo com uma versao equivalente exportada para o Rio de Janeiro:

# Primeiro, exportamos o pipeline para o RJ
pipeline_rj <- quote(
  sus_data_import(uf = "RJ", years = 2020:2022, system = "SIM-DO") |>
    sus_data_clean_encoding() |>
    sus_data_standardize() |>
    sus_data_filter_cid(cid_group = "respiratory") |>
    sus_data_aggregate(by = "month", lang = "pt")
)

sus_rap_export(
  pipeline  = pipeline_rj,
  file_path = "analise_respiratoria_rj.R",
  lang      = "pt"
)

rap_rj <- sus_rap_read("analise_respiratoria_rj.R")
sus_rap_inspect(rap2, rap_rj)
#> == Diff: [1] analise_respiratoria_sp.R vs [2] analise_respiratoria_rj.R ==
#>
#> PARAMETROS ALTERADOS
#>   uf        : "SP"  -->  "RJ"
#>
#> PARAMETROS IDENTICOS
#>   years, system, cid_group, by, lang
#>
#> ETAPAS
#>   Identicas : 5/5  (nenhuma etapa adicionada ou removida)
#>
#> METADADOS
#>   Timestamps : diferentes (2026-06-18 09:32:14  vs  2026-06-18 09:45:07)
#>   R version  : identicas (4.4.1)
#>   climasus4r : identicas (0.1.0)
#>
#> CONCLUSAO: pipelines equivalentes com parametro 'uf' distinto.
#> =========================================================
**Dica:** O diff e especialmente util em revisoes de pares. Se um colaborador modificar o pipeline e re-exportar, voce pode comparar o RAP original com o novo para entender exatamente o que foi alterado, sem precisar ler o codigo linha a linha.

sus_rap_run() — Reexecutar com Novos Parametros

Assinatura 

sus_rap_run(rap, ..., envir = parent.frame(), dry_run = FALSE, lang = "pt")

Os argumentos passados via ... sobrescrevem os parametros do RAP apenas na execucao atual — o arquivo em disco nao e modificado. Para modificar permanentemente o arquivo, use sus_rap_update() (secao 7).

6.1 Simulacao com dry_run = TRUE

Antes de executar o pipeline com novos parametros, e recomendado verificar o codigo que seria executado usando dry_run = TRUE. Nenhuma conexao ao DATASUS e aberta, nenhum dado e baixado.

sus_rap_run(rap2, uf = "RJ", years = 2021:2023, dry_run = TRUE)
#> -- [dry_run] Codigo que seria executado ------------------
#>
#> sus_data_import(uf = "RJ", years = 2021:2023, system = "SIM-DO") |>
#>   sus_data_clean_encoding() |>
#>   sus_data_standardize() |>
#>   sus_data_filter_cid(cid_group = "respiratory") |>
#>   sus_data_aggregate(by = "month", lang = "pt")
#>
#> Parametros substituidos: uf = "RJ" | years = 2021:2023
#> Parametros mantidos    : system, cid_group, by, lang
#> ----------------------------------------------------------
#> i Nenhum dado foi baixado (dry_run = TRUE)

6.2 Execucao efetiva

Confirmado o codigo, remova dry_run = TRUE para executar o pipeline:

resultado_rj <- sus_rap_run(
  rap2,
  uf    = "RJ",
  years = 2021:2023,
  lang  = "pt"
)
#> -- Executando RAP: analise_respiratoria_sp.R -------------
#> i Parametros substituidos: uf = "RJ" | years = 2021:2023
#> v [1/5] sus_data_import()     ... 148.392 registros importados
#> v [2/5] sus_data_clean_encoding() ... concluido
#> v [3/5] sus_data_standardize() ... concluido
#> v [4/5] sus_data_filter_cid()  ... 42.817 registros (cid_group = "respiratory")
#> v [5/5] sus_data_aggregate()   ... 36 linhas (mensal, 2021-2023)
#> -- Pipeline concluido em 4.2 segundos --------------------

class(resultado_rj)
#> [1] "climasus_df" "tbl_df"      "tbl"         "data.frame"

6.3 Sobrescrevendo multiplos parametros

Voce pode sobrescrever quantos parametros quiser em uma unica chamada:

resultado_mg_anual <- sus_rap_run(
  rap2,
  uf    = "MG",
  years = 2019:2023,
  by    = "year",
  lang  = "en"
)
#> -- Executando RAP: analise_respiratoria_sp.R -------------
#> i Parametros substituidos: uf = "MG" | years = 2019:2023 | by = "year"
#> v Pipeline concluido em 6.1 segundos

6.4 Controle do ambiente de execucao

O argumento envir define em qual ambiente o pipeline e avaliado. O padrao parent.frame() e adequado para uso interativo. Para execucoes automatizadas em scripts ou funcoes, passe envir = new.env() para isolar o pipeline:

env_isolado <- new.env(parent = baseenv())
resultado_iso <- sus_rap_run(
  rap2,
  uf   = "CE",
  envir = env_isolado
)
**Atencao:** `sus_rap_run()` requer conexao com a internet para baixar dados do DATASUS via `microdatasus`. Certifique-se de que o ambiente de execucao tem acesso ao servidor do Datasus antes de chamar a funcao.

sus_rap_update() — Atualizar Parametros no Arquivo

Assinatura 

sus_rap_update(rap, ..., backup = TRUE, lang = "pt")

Enquanto sus_rap_run() substitui parametros apenas para a execucao atual (sem tocar o arquivo), sus_rap_update() edita permanentemente o bloco de parametros no arquivo em disco. Isso e util quando voce quer que a versao “oficial” do pipeline reflita uma mudanca permanente de escopo.

Atualizando a UF e o periodo 

sus_rap_update(
  rap2,
  uf    = c("RJ", "MG"),
  years = 2021:2023,
  lang  = "pt"
)
#> i Backup criado: analise_respiratoria_sp.R.bak (2026-06-18 10:02:31)
#> v Parametros atualizados em 'analise_respiratoria_sp.R':
#>   uf    : "SP"          -->  c("RJ", "MG")
#>   years : 2020:2022     -->  2021:2023
#> i Parametros nao alterados: system, cid_group, by, lang

O bloco de parametros antes e depois

Antes da atualizacao:

# -- PARAMETROS (edite aqui para reutilizar o pipeline) ------
params <- list(
  uf        = "SP",
  years     = 2020:2022,
  system    = "SIM-DO",
  cid_group = "respiratory",
  by        = "month",
  lang      = "pt"
)

Depois da atualizacao:

# -- PARAMETROS (edite aqui para reutilizar o pipeline) ------
# Atualizado por sus_rap_update() em 2026-06-18 10:02:31
params <- list(
  uf        = c("RJ", "MG"),
  years     = 2021:2023,
  system    = "SIM-DO",
  cid_group = "respiratory",
  by        = "month",
  lang      = "pt"
)

Backup automatico

Por padrao, backup = TRUE cria uma copia do arquivo original antes de qualquer modificacao, com o sufixo .bak e timestamp. Isso garante que voce nunca perca a versao anterior do pipeline:

# O backup e criado automaticamente:
# analise_respiratoria_sp.R.bak.2026-06-18_10-02-31

# Para restaurar manualmente:
file.copy(
  "analise_respiratoria_sp.R.bak.2026-06-18_10-02-31",
  "analise_respiratoria_sp.R",
  overwrite = TRUE
)
**Dica de versionamento:** Para projetos em Git, combine `sus_rap_update()` com commits regulares. O historico do arquivo exportado e o mecanismo de rastreabilidade mais robusto disponivel, especialmente para auditorias externas.

Recarregando o RAP atualizado

Apos a atualizacao, releia o arquivo para ter um rap_object com os parametros novos refletidos em memoria:

rap2_atualizado <- sus_rap_read("analise_respiratoria_sp.R")

# Confirme a atualizacao
rap2_atualizado$params$uf
#> [1] "RJ" "MG"

rap2_atualizado$params$years
#> [1] 2021 2022 2023

Fluxo Completo

O ciclo completo de vida de um RAP no climasus4r passa por seis etapas. O diagrama abaixo ilustra a sequencia tipica de uso:

quote(pipeline) → sus_rap_export() → sus_rap_read() → sus_rap_inspect() → sus_rap_run() → sus_rap_update()

Script completo de referencia

O codigo abaixo reune todas as etapas em um unico script de referencia:

library(climasus4r)

# 1. Definir o pipeline com quote()
pipeline <- quote(
  sus_data_import(uf = "SP", years = 2020:2022, system = "SIM-DO") |>
    sus_data_clean_encoding() |>
    sus_data_standardize() |>
    sus_data_filter_cid(cid_group = "respiratory") |>
    sus_data_aggregate(by = "month", lang = "pt")
)

# 2. Exportar para disco
rap <- sus_rap_export(
  pipeline              = pipeline,
  file_path             = "analise_respiratoria_sp.R",
  format                = "script",
  include_documentation = "standard",
  lang                  = "pt"
)

# 3. Reler de disco (simula colaborador recebendo o arquivo)
rap2 <- sus_rap_read("analise_respiratoria_sp.R")

# 4. Inspecionar
sus_rap_inspect(rap2, verbose = TRUE)

# 5. Simular execucao com novos parametros (sem baixar dados)
sus_rap_run(rap2, uf = "RJ", years = 2021:2023, dry_run = TRUE)

# 6. Executar de verdade
resultado <- sus_rap_run(rap2, uf = "RJ", years = 2021:2023)

# 7. Atualizar parametros no arquivo para escopo ampliado
sus_rap_update(rap2, uf = c("RJ", "MG"), years = 2021:2023)

Tabela de referencia rapida

Funcao Entrada Saida Modifica disco?
sus_rap_export() quote(pipeline) rap_object Sim (cria arquivo)
sus_rap_read() caminho do arquivo rap_object Nao
sus_rap_inspect() 1 ou 2 rap_object output no console Nao
sus_rap_run() rap_object climasus_df Nao
sus_rap_update() rap_object + params rap_object (invisivel) Sim (edita arquivo)

Referencias

Navegacao: Anterior: Tutoriais Tematicos | Proximo: RAP 2 - Pipelines com targets

climasus4r · Analise integrada saude-clima-ambiente no Brasil

Encontrou um problema ou tem sugestoes para este tutorial?

🐛 Reportar no GitHub