《高效R语言编程》4-高效工作流

这是《高效R语言编程》的学习笔记，前面的笔记在这里：

高效R编程

《高效R语言编程》笔记

这是《高效R语言编程》的学习笔记，前面的笔记在这里：

我们将实践、习惯、提升生产力的系统环境定义为工作流。项目管理和计划，这里使用DiagrammeR包。

高效工作流的5条高级技巧

类型

• 1、编码前头脑清晰，保证目标，可以用纸笔
• 2、制定计划
• 3、尽早选择要用的包
• 4、记录每个阶段的工作
• 5、尽可能使流程可复制，knitr可以帮助实现

项目规划类型

• 数据分析 重点是数据处理的速度。本人觉得是先实现呢
• 创建包 用户接口和用户文档，代码风格和审查，鲁棒性的测试也很重要
• 报告和发布 需要多少代码才能得到结论和会创建多少输出
• 应用 Shiny App或者嵌入到大型服务器中的的代码，健壮性和恰当地处理错误

具体步骤

• 项目规划，做好计划
• 包选择
• 发布

项目规划与管理

准备充分可以减少工作，减少技术债务（不完全正确的代码推迟决策），当然，一次性代码大可不必这样。可用的工具有从简单到复杂是，Github, Zenhub（与GitHub紧密配合，唯一的浏览器插件），类似Trello的网页工具，专用项目管理软件，企业级项目管理软件。

分而治之

模块化，项目分割。

使你的工作流更敏捷

SMART标准

• 明确（目标）
• 可衡量（结束指标）
• 可实现
• 实际情况（资源）
• 时间限制 项目计划有多种形式，比如甘特图，问题描述等等。

通过R可视化项目计划

项目进度绘图包：

• plan(进度图、甘特图)
• plotrix(甘特图)

install.packages("plotrix")
library(plotrix)
example(gantt.chart)

• DiagrammeR 较新的包，提供简单流程图的R接口，如mermaid和GraphViz。

 library(DiagrammeR)
 mermaid("gantt
         Section Inition
         Planning        :a1,2020-05-06,10d
         Data processing :after a1, 30d"
         )

包的选择

低效、缺乏技术支持或过时的包会浪费不少时间，CRAN上有大量不好的包，易出错。使用R包可以避免重复造轮子，提高效率。

查找R包

首先是百度谷歌一下，其次，是R文档网站rdocumentation.org，也可以R命令搜索：RSiteSearch('ggplot') #会自动用浏览器打开网页

如何选择R包

优先考虑性能、稳定性和易用性。几个推荐的判断标准：

• 1、是否成熟，版本号1.0以上一般更稳定
• 2、是否处于持续开发周期
• 3、完备的文档
• 4、是否广泛使用 MRAN和METACRAN两个网站可以帮助包的选择，下载量也是一个衡量指标。可以用这个网址查看https://cranlogs.r-pkg.org/badges/last-month/ggplot2

发布

文档化你的工作：动态报告与R包。

通过R Markdown生成动态文档

这个的优点是可以同时包括代码块和实时生成结果，示例如下：

1+1

echo=TRUE，是显示R代码；eval= TRUE,执行代码。Ctrl+Alt+I可以方便插入代码块。在文档第一个代码块设置如下，可以缓存第一次运行结果，减少构建时间：

knitr::opts_chunk$set(echo = TRUE)
opts_chunk$set(cache=TRUE)

R包

dummy package虚拟包，使用DESCRIPTION文件用于告知用户如何使用。创建包适合管理复杂项目，需要花费额外时间，devtools包让这个过程变得简单。当然，小型一次性项目还是不建议创建包。R包的基本元素区别于其他R项目，下面是三条高效建议：

• 1、DESCRIPTION 包含了包的依赖信息，需要安装的其他包，例如Imports:
• 2、R/ 文件夹，包的所有R代码，模块化
• 3、data/ 文件夹包含示例代码，devtools::use_data()可以自动将数据添加到你的包，只要在包加载时配合了data("data_set_name")函数。testthat包让测试更加容易，确保进程不中断。