《R for Data Science (2e)》免費中文翻譯 (第6章) --- scripts and projects

寫在前面

本系列推文為《R for Data Science (2)》的中文翻譯版本。所有內容都通過開源免費的方式上傳至Github，歡迎大家參與貢獻，詳細信息見：
Books-zh-cn 項目介紹：
Books-zh-cn：開源免費的中文書籍社區
r4ds-zh-cn Github 地址：
https://github.com/Books-zh-cn/r4ds-zh-cn
r4ds-zh-cn 網站地址：
https://books-zh-cn.github.io/r4ds-zh-cn/

6.1 腳本

到目前為止，您已經使用控制臺（console）來運行代碼。這是一個很好的起點，但是當您創建更復雜的 ggplot2 圖形和更長的 dplyr 管道時，您會發現它很快就會變得擁擠。為了給自己更多的工作空間，請使用腳本編輯器。單擊 File 菜單，選擇 New File，然后選擇 R script，或使用鍵盤快捷鍵 Cmd/Ctrl + Shift + N 將其打開。現在您將看到四個窗格，如 Figure 6.1 所示。腳本編輯器是試驗代碼的好地方。當您想要更改某些內容時，不必重新輸入整個內容，只需編輯腳本并重新運行即可。一旦您編寫了可以運行并執行您想要的操作的代碼，您就可以將其保存為腳本文件，以便稍后輕松返回。

Figure 6.1: 打開腳本編輯器會在 IDE 的左上角添加一個新窗格。

6.1.1 運行代碼

腳本編輯器是構建復雜 ggplot2 繪圖或長序列 dplyr 操作的絕佳場所。有效使用腳本編輯器的關鍵是記住最重要的鍵盤快捷鍵之一：Cmd/Ctrl + Enter。這將在控制臺中執行當前的 R 表達式。例如，采用下面的代碼。

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))

如果光標位于 █ 處，按 Cmd/Ctrl + Enter 將運行生成 not_cancelled 的完整命令。它還會將光標移動到以下語句（以 not_cancelled |> 開頭）。這樣可以通過重復按 Cmd/Ctrl + Enter 輕松地逐步執行完整的腳本。

您還可以使用 Cmd/Ctrl + Shift + S 一步執行完整的腳本，而不是逐個表達式地運行代碼。定期執行此操作是確保您捕獲腳本中代碼的所有重要部分的好方法。

我們建議您始終使用所需的包來啟動腳本。這樣，如果您與其他人共享代碼，他們可以輕松查看需要安裝哪些軟件包。但請注意，您絕對不應該在共享的腳本中包含 install.packages()。如果他們不小心的話，交出一個會改變他們計算機上某些內容的腳本是不體貼的！

在學習后續章節時，我們強烈建議從腳本編輯器開始并練習鍵盤快捷鍵。隨著時間的推移，以這種方式向控制臺發送代碼將變得如此自然，您甚至不會想到它。

6.1.2 RStudio 診斷

在腳本編輯器中，RStudio 將使用紅色波浪線和側邊欄中的十字來突出顯示語法錯誤：

將鼠標懸停在十字上即可查看問題所在：

RStudio 還會讓您了解潛在的問題：

6.1.3 保存和命名

當您退出時，RStudio 會自動保存腳本編輯器的內容，并在您重新打開時自動重新加載。盡管如此，最好避免使用 Untitled1、Untitled2、Untitled3 等，而是保存腳本并為它們提供信息豐富的名稱。

將文件命名為 code.R 或 myscript.R 可能很誘人，但在為文件選擇名稱之前應該仔細考慮一下。文件命名的三個重要原則如下：

文件名應該是機器可讀的（machine readable）：避免空格、符號和特殊字符。不要依靠大小寫來區分文件。
文件名應該是人類可讀的（human readable）：使用文件名來描述文件中的內容。
文件名應該與默認順序配合良好：以數字開頭的文件名，以便按字母順序排序將它們按照使用的順序排列。

例如，假設項目文件夾中有以下文件。

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

這里存在各種各樣的問題：很難找到先運行哪個文件、文件名包含空格、有兩個同名但大小寫不同的文件（finalreport vs. FinalReport）、有些名稱沒有描述其內容（run-first and temp）。

這是命名和組織同一組文件的更好方法：

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

對關鍵腳本進行編號可以清楚地顯示運行它們的順序，并且一致的命名方案可以更容易地看到差異。此外，數字的標簽類似，報告通過文件名中包含的日期進行區分，并且 temp 被重命名為 report-draft-notes 以更好地描述其內容。如果一個目錄中有很多文件，建議進一步組織，將不同類型的文件（scripts, figures, etc.）放在不同的目錄中。

6.2 項目

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，您將同時進行多項分析，并且希望將它們分開。有一天，您需要將外部世界的數據引入 R，并將 R 中的數值結果和數字發送回外部世界。

為了處理這些現實生活中的情況，您需要做出兩個決定：

真實來源是什么？您將保存什么作為所發生事件的永久記錄？
您的分析在哪里？

6.2.1 真實的來源是什么?

作為初學者，可以依賴當前的環境來包含您在分析過程中創建的所有對象。但是，為了更輕松地處理大型項目或與其他人協作，您的真實來源應該是 R scripts。使用 R scripts（和數據文件），您可以重新創建環境。僅在您的環境中，重新創建 R scripts 要困難得多：您要么必須從內存中重新輸入大量代碼（一路上不可避免地會犯錯誤），要么必須仔細挖掘您的 R history。

為了幫助將 R scripts 保留為分析的真實來源，我們強烈建議您指示 RStudio 不要在會話之間保留工作區。您可以通過運行 usethis::use_blank_slate() 或 Figure 6.2 中所示的選項來完成此操作。這會給您帶來一些短期的痛苦，因為現在當您重新啟動 RStudio 時，它將不再記住您上次運行的代碼，也不會再使用您創建的對象或讀取的數據集。但這種短期的痛苦可以避免長期的痛苦，因為它迫使您捕獲代碼中的所有重要過程。沒有什么比三個月后發現您只將重要計算的結果存儲在環境中，而不是計算本身存儲在代碼中更糟糕的了。

Figure 6.2: 將這些選項復制到你的 RStudio 選項中，以便始終從頭開始啟動 RStudio 會話。

有一對很棒的鍵盤快捷鍵可以協同工作，以確保您在編輯器中捕獲了代碼的重要部分：

按 Cmd/Ctrl + Shift + 0/F10 重新啟動 R。
按 Cmd/Ctrl + Shift + S 重新運行當前腳本。

我們每周都會使用這種模式數百次。

或者，如果您不使用鍵盤快捷鍵，則可以轉到 Session > Restart R，然后突出顯示并重新運行當前腳本。

RStudio server

如果您使用 RStudio server，默認情況下您的 R 會話永遠不會重新啟動。當您關閉 RStudio server 選項卡時，可能感覺您正在關閉 R，但服務器實際上讓它在后臺運行。下次您返回時，您將位于與離開時完全相同的位置。這使得定期重新啟動 R 變得更加重要，這樣您才能從頭開始。

6.2.2 您的分析位置在哪里?

R 有一個強大的工作目錄（working directory）概念。這是 R 查找您要求其加載的文件的位置，也是放置您要求其保存的任何文件的位置。RStudio 在控制臺頂部顯示您當前的工作目錄：

您可以通過運行 getwd() 在 R 代碼中打印出來：

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

在此 R 會話中，當前工作目錄（將其視為"home"）位于 hadley 的 Documents 文件夾中名為 r4ds 的子文件夾中。當您運行此代碼時，它會返回不同的結果，因為您的計算機的目錄結構與 Hadley 的不同！

作為 R 初學者，可以將工作目錄設置為主目錄、文檔目錄或計算機上任何其他奇怪的目錄。但你已經讀了這本書的七章，并且你不再是初學者了。很快您就應該將項目組織到目錄中，并且在處理項目時將 R 的工作目錄設置為關聯的目錄。

您可以在 R 中設置工作目錄，但我們不推薦這樣做：

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

有一個更好的方法；這種方式還可以讓您像專家一樣管理您的 R 工作。就是 RStudio project。

6.2.3 RStudio projects

將與給定項目關聯的所有文件（input data, R scripts, analytical results, and figures）保存在一個目錄中是一種明智且常見的做法，RStudio 通過項目（projects）對此提供了內置支持。讓我們創建一個 project 供您在學習本書其余部分時使用。單擊 File > New Project，然后按照 Figure 6.3 中所示的步驟操作。

Figure 6.3: 要創建 new project：（top）首先單擊 New Directory，然后（middle）單擊 Create Project，然后（bottom）填寫目錄（project）名稱，選擇一個好的子目錄作為其主目錄，然后單擊 Create Project。

將您的項目命名為 r4ds，并仔細考慮將項目放在哪個子目錄中。如果您不將其存儲在合理的地方，將來將很難找到它！

此過程完成后，您將獲得一個專門用于本書的新 RStudio 項目。檢查項目的 "home" 是否是當前工作目錄：

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

現在在腳本編輯器中輸入以下命令，然后保存文件，將其命名為 "diamonds.R"。然后，創建一個名為 "data" 的新文件夾。您可以通過單擊 RStudio Files 窗格中的 "New Folder" 按鈕來完成此操作。最后，運行完整的腳本，將 PNG 和 CSV 文件保存到您的項目目錄中。不用擔心細節，你會在本書后面學到它們。

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

退出 RStudio。檢查與您的項目關聯的文件夾 --- 注意 .Rproj 文件。雙擊該文件以重新打開該項目。請注意，您回到了上次離開的位置：它是相同的工作目錄和命令歷史記錄，并且您正在處理的所有文件仍然打開。然而，由于您遵循了我們上面的說明，因此您將擁有一個全新的環境，保證您從頭開始。

以您最喜歡的特定于操作系統的方式，在計算機中搜索 diamonds.png，您會找到 PNG（毫不奇怪），而且還會找到創建它的腳本（diamonds.R）。這是一個巨大的勝利！有一天，您會想要重新制作一個人物，或者只是想了解它的來源。如果您使用 R 代碼嚴格地將圖形保存到文件中，而不是使用鼠標或剪貼板，那么您將能夠輕松地重現舊作品！

6.2.4 相對和絕對路徑

一旦進入項目，您應該只使用相對路徑而不是絕對路徑。有什么不同？相對路徑是相對于工作目錄的，即項目的主目錄。當 Hadley 在上面寫入 data/diamonds.csv 時，它是 /Users/hadley/Documents/r4ds/data/diamonds.csv 的快捷方式。但重要的是，如果 Mine 在她的計算機上運行此代碼，它將指向 /Users/Mine/Documents/r4ds/data/diamonds.csv。這就是為什么相對路徑很重要：無論 R 項目文件夾位于何處，它們都會起作用。

無論您的工作目錄如何，絕對路徑都指向同一位置。根據您的操作系統，它們看起來略有不同。在 Windows 上，它們以驅動器號（例如 C:）或兩個反斜杠（例如 \\servername）開頭，在 Mac/Linux 上，它們以斜杠"/"開頭（例如 /users/hadley）。您永遠不應該在腳本中使用絕對路徑，因為它們會妨礙共享：其他人不會擁有與您完全相同的目錄配置。

操作系統之間還有另一個重要的區別：如何分離路徑的組成部分。Mac 和 Linux 使用斜杠（例如 data/diamonds.csv），Windows 使用反斜杠（例如 data\diamonds.csv）。R 可以使用任何一種類型（無論您當前使用什么平臺），但不幸的是，反斜杠對 R 來說意味著一些特殊的東西，并且要在路徑中獲得單個反斜杠，您需要鍵入兩個反斜杠！這讓生活變得令人沮喪，因此我們建議始終使用帶有正斜杠的 Linux/Mac 風格。

6.3 練習

轉到 RStudio Tips Twitter account，https://twitter.com/rstudiotips 并找到一個看起來有趣的提示。練習使用它！
RStudio 診斷還會報告哪些其他常見錯誤？閱讀 https://support.posit.co/hc/en-us/articles/205753617-Code-Diagnostics 找出。