《R for Data Science (2e)》免费中文翻译 (第6章) --- scripts and projects

写在前面

本系列推文为《R for Data Science (2)》的中文翻译版本。所有内容都通过开源免费的方式上传至Github，欢迎大家参与贡献，详细信息见：
Books-zh-cn 项目介绍：
Books-zh-cn：开源免费的中文书籍社区
r4ds-zh-cn Github 地址：
https://github.com/Books-zh-cn/r4ds-zh-cn
r4ds-zh-cn 网站地址：
https://books-zh-cn.github.io/r4ds-zh-cn/

6.1 脚本

到目前为止，您已经使用控制台（console）来运行代码。这是一个很好的起点，但是当您创建更复杂的 ggplot2 图形和更长的 dplyr 管道时，您会发现它很快就会变得拥挤。为了给自己更多的工作空间，请使用脚本编辑器。单击 File 菜单，选择 New File，然后选择 R script，或使用键盘快捷键 Cmd/Ctrl + Shift + N 将其打开。现在您将看到四个窗格，如 Figure 6.1 所示。脚本编辑器是试验代码的好地方。当您想要更改某些内容时，不必重新输入整个内容，只需编辑脚本并重新运行即可。一旦您编写了可以运行并执行您想要的操作的代码，您就可以将其保存为脚本文件，以便稍后轻松返回。

Figure 6.1: 打开脚本编辑器会在 IDE 的左上角添加一个新窗格。

6.1.1 运行代码

脚本编辑器是构建复杂 ggplot2 绘图或长序列 dplyr 操作的绝佳场所。有效使用脚本编辑器的关键是记住最重要的键盘快捷键之一：Cmd/Ctrl + Enter。这将在控制台中执行当前的 R 表达式。例如，采用下面的代码。

library(dplyr)
library(nycflights13)not_cancelled <- flights |> filter(!is.na(dep_delay)█, !is.na(arr_delay))not_cancelled |> group_by(year, month, day) |> summarize(mean = mean(dep_delay))

如果光标位于 █ 处，按 Cmd/Ctrl + Enter 将运行生成 not_cancelled 的完整命令。它还会将光标移动到以下语句（以 not_cancelled |> 开头）。这样可以通过重复按 Cmd/Ctrl + Enter 轻松地逐步执行完整的脚本。

您还可以使用 Cmd/Ctrl + Shift + S 一步执行完整的脚本，而不是逐个表达式地运行代码。定期执行此操作是确保您捕获脚本中代码的所有重要部分的好方法。

我们建议您始终使用所需的包来启动脚本。这样，如果您与其他人共享代码，他们可以轻松查看需要安装哪些软件包。但请注意，您绝对不应该在共享的脚本中包含 install.packages()。如果他们不小心的话，交出一个会改变他们计算机上某些内容的脚本是不体贴的！

在学习后续章节时，我们强烈建议从脚本编辑器开始并练习键盘快捷键。随着时间的推移，以这种方式向控制台发送代码将变得如此自然，您甚至不会想到它。

6.1.2 RStudio 诊断

在脚本编辑器中，RStudio 将使用红色波浪线和侧边栏中的十字来突出显示语法错误：

将鼠标悬停在十字上即可查看问题所在：

RStudio 还会让您了解潜在的问题：

6.1.3 保存和命名

当您退出时，RStudio 会自动保存脚本编辑器的内容，并在您重新打开时自动重新加载。尽管如此，最好避免使用 Untitled1、Untitled2、Untitled3 等，而是保存脚本并为它们提供信息丰富的名称。

将文件命名为 code.R 或 myscript.R 可能很诱人，但在为文件选择名称之前应该仔细考虑一下。文件命名的三个重要原则如下：

文件名应该是机器可读的（machine readable）：避免空格、符号和特殊字符。不要依靠大小写来区分文件。
文件名应该是人类可读的（human readable）：使用文件名来描述文件中的内容。
文件名应该与默认顺序配合良好：以数字开头的文件名，以便按字母顺序排序将它们按照使用的顺序排列。

例如，假设项目文件夹中有以下文件。

alternative model.R
code for exploratory analysis.r
finalreport.qmd
FinalReport.qmd
fig 1.png
Figure_02.png
model_first_try.R
run-first.r
temp.txt

这里存在各种各样的问题：很难找到先运行哪个文件、文件名包含空格、有两个同名但大小写不同的文件（finalreport vs. FinalReport）、有些名称没有描述其内容（run-first and temp）。

这是命名和组织同一组文件的更好方法：

01-load-data.R
02-exploratory-analysis.R
03-model-approach-1.R
04-model-approach-2.R
fig-01.png
fig-02.png
report-2022-03-20.qmd
report-2022-04-02.qmd
report-draft-notes.txt

对关键脚本进行编号可以清楚地显示运行它们的顺序，并且一致的命名方案可以更容易地看到差异。此外，数字的标签类似，报告通过文件名中包含的日期进行区分，并且 temp 被重命名为 report-draft-notes 以更好地描述其内容。如果一个目录中有很多文件，建议进一步组织，将不同类型的文件（scripts, figures, etc.）放在不同的目录中。

6.2 项目

有一天，您需要退出 R，去做其他事情，然后再返回分析。有一天，您将同时进行多项分析，并且希望将它们分开。有一天，您需要将外部世界的数据引入 R，并将 R 中的数值结果和数字发送回外部世界。

为了处理这些现实生活中的情况，您需要做出两个决定：

真实来源是什么？您将保存什么作为所发生事件的永久记录？
您的分析在哪里？

6.2.1 真实的来源是什么?

作为初学者，可以依赖当前的环境来包含您在分析过程中创建的所有对象。但是，为了更轻松地处理大型项目或与其他人协作，您的真实来源应该是 R scripts。使用 R scripts（和数据文件），您可以重新创建环境。仅在您的环境中，重新创建 R scripts 要困难得多：您要么必须从内存中重新输入大量代码（一路上不可避免地会犯错误），要么必须仔细挖掘您的 R history。

为了帮助将 R scripts 保留为分析的真实来源，我们强烈建议您指示 RStudio 不要在会话之间保留工作区。您可以通过运行 usethis::use_blank_slate() 或 Figure 6.2 中所示的选项来完成此操作。这会给您带来一些短期的痛苦，因为现在当您重新启动 RStudio 时，它将不再记住您上次运行的代码，也不会再使用您创建的对象或读取的数据集。但这种短期的痛苦可以避免长期的痛苦，因为它迫使您捕获代码中的所有重要过程。没有什么比三个月后发现您只将重要计算的结果存储在环境中，而不是计算本身存储在代码中更糟糕的了。

Figure 6.2: 将这些选项复制到你的 RStudio 选项中，以便始终从头开始启动 RStudio 会话。

有一对很棒的键盘快捷键可以协同工作，以确保您在编辑器中捕获了代码的重要部分：

按 Cmd/Ctrl + Shift + 0/F10 重新启动 R。
按 Cmd/Ctrl + Shift + S 重新运行当前脚本。

我们每周都会使用这种模式数百次。

或者，如果您不使用键盘快捷键，则可以转到 Session > Restart R，然后突出显示并重新运行当前脚本。

RStudio server

如果您使用 RStudio server，默认情况下您的 R 会话永远不会重新启动。当您关闭 RStudio server 选项卡时，可能感觉您正在关闭 R，但服务器实际上让它在后台运行。下次您返回时，您将位于与离开时完全相同的位置。这使得定期重新启动 R 变得更加重要，这样您才能从头开始。

6.2.2 您的分析位置在哪里?

R 有一个强大的工作目录（working directory）概念。这是 R 查找您要求其加载的文件的位置，也是放置您要求其保存的任何文件的位置。RStudio 在控制台顶部显示您当前的工作目录：

您可以通过运行 getwd() 在 R 代码中打印出来：

getwd()
#> [1] "/Users/hadley/Documents/r4ds"

在此 R 会话中，当前工作目录（将其视为"home"）位于 hadley 的 Documents 文件夹中名为 r4ds 的子文件夹中。当您运行此代码时，它会返回不同的结果，因为您的计算机的目录结构与 Hadley 的不同！

作为 R 初学者，可以将工作目录设置为主目录、文档目录或计算机上任何其他奇怪的目录。但你已经读了这本书的七章，并且你不再是初学者了。很快您就应该将项目组织到目录中，并且在处理项目时将 R 的工作目录设置为关联的目录。

您可以在 R 中设置工作目录，但我们不推荐这样做：

setwd("/path/to/my/CoolProject")

有一个更好的方法；这种方式还可以让您像专家一样管理您的 R 工作。就是 RStudio project。

6.2.3 RStudio projects

将与给定项目关联的所有文件（input data, R scripts, analytical results, and figures）保存在一个目录中是一种明智且常见的做法，RStudio 通过项目（projects）对此提供了内置支持。让我们创建一个 project 供您在学习本书其余部分时使用。单击 File > New Project，然后按照 Figure 6.3 中所示的步骤操作。

Figure 6.3: 要创建 new project：（top）首先单击 New Directory，然后（middle）单击 Create Project，然后（bottom）填写目录（project）名称，选择一个好的子目录作为其主目录，然后单击 Create Project。

将您的项目命名为 r4ds，并仔细考虑将项目放在哪个子目录中。如果您不将其存储在合理的地方，将来将很难找到它！

此过程完成后，您将获得一个专门用于本书的新 RStudio 项目。检查项目的 "home" 是否是当前工作目录：

getwd()
#> [1] /Users/hadley/Documents/r4ds

现在在脚本编辑器中输入以下命令，然后保存文件，将其命名为 "diamonds.R"。然后，创建一个名为 "data" 的新文件夹。您可以通过单击 RStudio Files 窗格中的 "New Folder" 按钮来完成此操作。最后，运行完整的脚本，将 PNG 和 CSV 文件保存到您的项目目录中。不用担心细节，你会在本书后面学到它们。

library(tidyverse)ggplot(diamonds, aes(x = carat, y = price)) + geom_hex()
ggsave("diamonds.png")write_csv(diamonds, "data/diamonds.csv")

退出 RStudio。检查与您的项目关联的文件夹 --- 注意 .Rproj 文件。双击该文件以重新打开该项目。请注意，您回到了上次离开的位置：它是相同的工作目录和命令历史记录，并且您正在处理的所有文件仍然打开。然而，由于您遵循了我们上面的说明，因此您将拥有一个全新的环境，保证您从头开始。

以您最喜欢的特定于操作系统的方式，在计算机中搜索 diamonds.png，您会找到 PNG（毫不奇怪），而且还会找到创建它的脚本（diamonds.R）。这是一个巨大的胜利！有一天，您会想要重新制作一个人物，或者只是想了解它的来源。如果您使用 R 代码严格地将图形保存到文件中，而不是使用鼠标或剪贴板，那么您将能够轻松地重现旧作品！

6.2.4 相对和绝对路径

一旦进入项目，您应该只使用相对路径而不是绝对路径。有什么不同？相对路径是相对于工作目录的，即项目的主目录。当 Hadley 在上面写入 data/diamonds.csv 时，它是 /Users/hadley/Documents/r4ds/data/diamonds.csv 的快捷方式。但重要的是，如果 Mine 在她的计算机上运行此代码，它将指向 /Users/Mine/Documents/r4ds/data/diamonds.csv。这就是为什么相对路径很重要：无论 R 项目文件夹位于何处，它们都会起作用。

无论您的工作目录如何，绝对路径都指向同一位置。根据您的操作系统，它们看起来略有不同。在 Windows 上，它们以驱动器号（例如 C:）或两个反斜杠（例如 \\servername）开头，在 Mac/Linux 上，它们以斜杠"/"开头（例如 /users/hadley）。您永远不应该在脚本中使用绝对路径，因为它们会妨碍共享：其他人不会拥有与您完全相同的目录配置。

操作系统之间还有另一个重要的区别：如何分离路径的组成部分。Mac 和 Linux 使用斜杠（例如 data/diamonds.csv），Windows 使用反斜杠（例如 data\diamonds.csv）。R 可以使用任何一种类型（无论您当前使用什么平台），但不幸的是，反斜杠对 R 来说意味着一些特殊的东西，并且要在路径中获得单个反斜杠，您需要键入两个反斜杠！这让生活变得令人沮丧，因此我们建议始终使用带有正斜杠的 Linux/Mac 风格。

6.3 练习

转到 RStudio Tips Twitter account，https://twitter.com/rstudiotips 并找到一个看起来有趣的提示。练习使用它！
RStudio 诊断还会报告哪些其他常见错误？阅读 https://support.posit.co/hc/en-us/articles/205753617-Code-Diagnostics 找出。