RStudio

一切从 Project 开始，而不是从脚本开始

新手最常见的错误是在默认工作目录里写脚本，然后把数据丢在桌面。结果换台电脑就找不到文件。RStudio 的解法是 Project：一个 .Rproj 文件加一个文件夹，把工作目录自动切到该文件夹。

my-analysis/
  my-analysis.Rproj
  data/        # 原始数据，只读
  scripts/     # 脚本
  output/      # 生成的结果
  renv/        # 依赖锁文件

关键是原始数据与产出分离：data/ 只放原封不动的原始文件，清洗结果写到别处。这样数据被污染时能立刻回退。「Session > Set Working Directory > To Source File Location」能临时解决路径问题，但依赖打开方式，不适合长期方案。项目内一律用相对路径，配合 here 包更稳：

rlibrary(here)
dat <- read.csv(here("data", "survey.csv"))

renv：让依赖跟着项目走

R 的包生态繁荣，但版本冲突是日常痛点 —— 同事跑得通的脚本在你机器上报错，八成是包版本不同。renv 为每个项目建立独立的包库：

rinstall.packages("renv")
renv::init()             # 首次初始化，扫描现有依赖
renv::install("dplyr")   # 装包并记录到项目库
renv::snapshot()         # 依赖变更后重新拍快照
renv::restore()          # 在新机器上还原

协作时把 renv.lock 提交进 Git，队友 clone 后执行 renv::restore() 即可。不要提交 renv/library，那个目录体积巨大且平台相关。

项目涉及 Python 包时，reticulate 可以在同一个 Project 里管双语言依赖，但它依赖本机已装好的 Python 发行版，遇到 libpython 报错多半是这一步没配对。

Quarto 取代 R Markdown

新版 RStudio 内置了 Quarto（File > New File > Quarto Document）。相比 R Markdown 有两点优势：输出格式更多（HTML、PDF、DOCX、Reveal.js），且执行引擎独立于 RStudio，能在命令行用 quarto render 跑，适合放进 CI。

图表在 R 里生成后存文件，再由报告以相对路径引用：

rlibrary(ggplot2)
p <- ggplot(dat, aes(group, score)) + geom_boxplot()
ggsave("output/boxplot.png", p, width = 6, height = 4, dpi = 300)

dpi: 300 这一步别省，低分辨率图在印刷或投影时会明显发虚。

排查问题的顺序

遇到行为异常，按这个顺序排除，比直接搜 Stack Overflow 有效：

1. Session > Restart R and Clear Output：清掉残留变量，x 这类名字被反复赋值是常见污染源
2. Environment 面板：看变量究竟存成了什么，因子 c("a","b") 与字符 "a" 后续行为差异很大
3. 用 ?lm 查函数：直接打开帮助页，比搜索引擎准
4. 看 Warnings 栏：R 遇问题会降级处理并给出 warning，不看 warning 常常是错误结果的根源