R 项目/包开发的 ESS 工作流程

发布于 2024-09-05 04:43:54 字数 202 浏览 4 评论 0原文

谁能分享他在 ESS 下 R 项目开发工作流程的经验吗？我尝试了好几次学习emacs，但还是没有掌握。作为编辑我可以理解ESS，但是ESS中有项目视图吗？设置/查看 R 项目目录、编码和测试的有效方法是什么？ESS 如何具有促进整个过程的优势？

您是否仅将 ESS 用作良好的 R 编辑器，还是倾向于在 ESS 中模拟 R IDE 环境？

感谢您的任何建议。

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

梦里的微风 2024-09-12 04:43:54

听起来你在问两个不同的问题。
其中一个问题涉及工作流程，另一个问题涉及 ESS 的使用。
由于我使用 StatET 和 Eclipse，因此我将分享我关于您问题的工作流程方面的经验。

与 Vincent 一样，我也遵循 Josh Reich 在这里制定的工作流程（另请参阅 Hadley 的有用评论）：
统计分析和报告撰写的工作流程

尽管项目之间可能有所不同，我倾向于有几个主要的 R 文件

import.R：这会导入数据文件并进行任何必要的清理和操作
分析。R：这会生成我需要的任何最终报告的输出
main.R：这会调用 import.R 和analysis.R

的目的是让 import.R 和 analysis.R 代表生成任何分析的最终结果的完整且最终的工作流程。

就分析项目的目录结构而言，我通常还会有以下文件夹

data：用于存储任何原始数据文件
meta：用于存储元数据，例如作为变量标签、测试评分系统、重新编码信息等。
输出：用于存储我的分析生成的任何图形、表格或文本，我可能希望将其合并到外部程序
temp ：在探索数据和头脑风暴分析时，我喜欢将代码键入文件而不是使用控制台。我倾向于将这些标记为 temp1.R、temp2.R、temp3.R。我将它们存储在临时文件夹中。这样我就有了一个易于访问的永久记录。如果分析成为最终结果，它们将被合并到主要 R 文件之一（即 import.R 或 Analysis.R）
函数：如果我认为几个项目都需要一个函数，我经常将每个文件放置一个函数，或者将一组相关函数放置在名为“functions”的文件夹中的文件中。当包开发的正式需求超出需要时，这使得跨项目重用功能变得相对容易。
library：如果我想创建一些我认为特定于项目的通用函数，我会将它们放在此文件夹中
save：用于存储任何已保存的 R 对象的文件夹

StatET 和 Eclipse 可以轻松地与此类文件系统进行交互。
当然，考虑到所有使用 ESS 和 Emacs 的 R 专家，我确信它也能很好地处理与文件系统的交互。

It sounds like you're asking two separate questions.
One question concerns workflow and the other concerns using ESS.
As I use StatET and Eclipse, I'll just share my experience regarding the workflow aspect of your question.

As with Vincent I also follow something like the workflow set out by Josh Reich here (also see Hadley's useful comments):
Workflow for statistical analysis and report writing

Although it can vary between projects, I tend to have a couple of main R files

import.R: this imports data files and does any necessary cleaning and manipulation
analyse.R: This generates the output that I need for any final report
main.R: This calls import.R and analyse.R

The aim is for import.R and analyse.R to represent the complete and final workflow for producing the final results of any analyses.

In terms of a directory structure for an analysis project, I'll often also have the following folders

data: for storing any raw data files
meta: for storing meta data, such as variable labels, scoring systems for tests, recoding information, etc.
output: for storing any graphics, tables, or text generated by my analyses that I might want to incorporate into an external program
temp: When exploring the data and brainstorming analyses, I like to type code into files instead of using the console. I tend to label these temp1.R, temp2.R, temp3.R. I store these in a temp folder. That way I have a permanent record that's easily accessible. If the analyses become final they get incorporated into one of the main R files (i.e., import.R or analysis.R)
functions: If I think that a function will be needed across a couple of projects, I often place it one function per file or a set of related functions in a file in a folder called functions. This makes it relatively easy to reuse functions across projects, when the formal requirements of package development are more than needed.
library: If I want to create some general functions that I think will be project specific, I'll place them in this folder
save: A folder to store any saved R objects

StatET and Eclipse make it easy to interact with such a file system.
Of course, given all the R gurus that use ESS and Emacs, I'm sure it also handles interactions with the file system well.

回复收藏 0 原文