R的项目组织[重复]

Posted 2023-03-12

【中文标题】R的项目组织[重复]

【英文标题】：project organization with R [duplicate]

【发布时间】：2012-10-13 17:46:55

【问题描述】：

可能重复：Workflow for statistical analysis and report writing

我使用 R 编程的时间不长，但遇到了一个项目组织问题，我希望有人能给我一些建议。我发现我所做的很多分析都是临时性的：也就是说，我运行一些东西，考虑结果，然后再运行一些。这在概念上与像 C++ 这样的语言不同，在这种语言中，您在编码之前考虑要运行的全部内容。这是解释语言的巨大优势。但是，出现的问题是我最终保存了很多 .RData 文件，因此我不必每次都 source 我的脚本。有没有人对如何组织我的项目有任何好的想法，以便我可以在一个月后返回它并很好地了解每个文件与什么相关联？

我猜这是一个文档问题。我是否应该在每个阶段都记录我的整个项目，并积极清理不再需要但作为研究副产品的文件？这是我目前的系统，但有点麻烦。还有其他人有什么建议吗？

根据下面的评论：我要避免的关键事情之一是 .R 分析文件和随之而来的 .RData 集的扩散。

【问题讨论】：

你读过这个吗？ ***.com/questions/1429907/…

不，没有遇到过。让我读！谢谢

2 美分：无论如何，您编写的每个函数都应该包含文档。以后你会感谢自己的。您清理过的数据也应该被序列化（saveRDS），以便将来使用。其他一切都应该是一个函数，或逐行分析。这里没有对、错或“最佳”之分——只有偏好。话虽如此，如果您要克服编写文档的麻烦-您不妨实施变更管理（git，其他）和分析打包。

我阅读了 saveRDS 的文档，但我不明白这与 save 有何不同。唯一的区别是在saveRDS的情况下恢复对象的时候对象的名字可以不一样吗？

一个与对象（RDS）一起工作，另一个与环境（保存/加载）一起工作

【参考方案1】：

这里对研究项目组织的一些想法：

http://software-carpentry.org/4_0/data/mgmt/

带回家的信息是：

为您的程序使用版本控制 使用合理的目录名称 对元数据使用版本控制 真的，版本控制是个好东西。

【参考方案2】：

我的分析是一个knitr 文档，其中包含一些从中调用的外部 .R 文件。

所有数据都在数据库中，但在我的分析过程中，处理过的数据保存为 .RData 文件。只有当我删除 RData 时，当我再次运行分析时，它们才会从数据库中重新创建。有点像缓存，当我重新运行（部分）分析时，可以节省数据库访问和数据处理时间。

使用knitr（Sweave 等）文档进行分析，您可以轻松编写包含结果的文档化工作流程。并且 knitr 缓存分析的结果，因此小的更改通常不会导致所有 R 代码的完全重新运行，而只会导致一小部分。为更大规模的分析节省了相当多的运行时间。

（啊，如前所述：使用版本控制。另一个提示：使用 knitr 和版本控制在 RStudio 中非常容易。）