Skip to main content

R for Data Science - edizione italiana

30 R Markdown workflow

In precedenza, abbiamo discusso un flusso di lavoro di base per la cattura del codice R in cui si lavora interattivamente nella console, quindi si cattura ciò che funziona nell’editor di script. R Markdown riunisce la console e l’editor di script, attenuando i confini tra l’esplorazione interattiva e la cattura del codice a lungo termine. È possibile iterare rapidamente all’interno di un pezzo, modificando e rieseguendo con Cmd/Ctrl + Maiusc + Invio. Quando si è soddisfatti, si passa a un nuovo pezzo.

R Markdown è importante anche perché integra strettamente prosa e codice. Questo lo rende un ottimo quaderno di analisi perché consente di sviluppare codice e registrare i propri pensieri. Un quaderno di analisi condivide molti degli stessi obiettivi di un classico quaderno di laboratorio nelle scienze fisiche. Esso:

  • Registra ciò che avete fatto e perché lo avete fatto. Indipendentemente da quanto sia grande la vostra memoria, se non si registra quello che si fa, arriverà un momento in cui dimenticarsi di dettagli importanti. Scriveteli per non dimenticarli!

  • Supporta il pensiero rigoroso. È più probabile che si arrivi a un’analisi forte analisi forte se si registrano i propri pensieri e si continua a riflettere su di essi. su di essi. In questo modo si risparmia tempo quando si scrive l’analisi per condividerla con gli altri. analisi da condividere con gli altri.

  • Aiuta gli altri a capire il vostro lavoro. È raro che l’analisi dei dati venga svolta da da soli e spesso si lavora in gruppo. Un quaderno di laboratorio aiuta a condividere con i colleghi o i compagni di laboratorio non solo ciò che si è fatto, ma anche il motivo per cui lo si è fatto. colleghi o compagni di laboratorio.

Molti dei buoni consigli sull’uso efficace dei quaderni di laboratorio possono essere applicati anche ai quaderni di analisi. Ho attinto alle mie esperienze personali e ai consigli di Colin Purrington sui taccuini di laboratorio (http://colinpurrington.com/tips/lab-notebooks) per trovare i seguenti suggerimenti:

  • Assicurarsi che ogni quaderno abbia un titolo descrittivo, un nome di file evocativo e un un primo paragrafo che descriva brevemente gli obiettivi dell’analisi.

  • Usare il campo data dell’intestazione YAML per registrare la data in cui si è cominciato a lavorare sul taccuino:

    data: 2016-08-23

    Usare il formato ISO8601 YYYY-MM-DD per evitare ambiguità. Usarlo anche se normalmente non si scrivono le date in questo modo!

  • Se si dedica molto tempo a un’idea di analisi e questa si rivela un vicolo cieco, non cancellarla. un vicolo cieco, non cancellatela! Scrivete una breve nota sul motivo del fallimento e lasciatela nel quaderno. e lasciatela nel quaderno. Questo vi aiuterà a evitare di imboccare lo stesso vicolo cieco quando si tornerà all’analisi in futuro.

  • In generale, è meglio fare l’inserimento dei dati al di fuori di R. Ma se si ha la necessità di registrare un piccolo frammento di dati. di registrare un piccolo frammento di dati, è consigliabile definirlo in modo chiaro usando tibble::tribble().

  • Se si scopre un errore in un file di dati, non modificarlo mai direttamente, ma scrivere codice per correggere il valore. invece scrivere del codice per correggere il valore. Spiegate perché avete fatto la correzione.

  • Prima di terminare la giornata, assicurarsi di poter collegare il blocco note (se si utilizza la cache, assicurarsi di cancellare la cache). In questo modo Questo vi permetterà di risolvere eventuali problemi mentre il codice è ancora fresco nella vostra mente.

  • Se volete che il vostro codice sia riproducibile a lungo termine (cioè in modo da poter tornare a eseguirlo il mese prossimo o il giorno dopo). tornare a eseguirlo il mese prossimo o l’anno prossimo), è necessario tenere traccia delle versioni dei pacchetti delle versioni dei pacchetti che il codice utilizza. Un approccio rigoroso è quello di usare packrat, http://rstudio.github.io/packrat/, che memorizza i pacchetti nella cartella del progetto, oppure checkpoint, https://github.com/RevolutionAnalytics/checkpoint, che reinstallerà i pacchetti disponibili in una data specifica. Un trucco veloce e sporco è quello di includere un pezzo che esegue sessionInfo() — che non permette di ricreare facilmente i pacchetti come sono oggi, ma almeno si saprà quali erano.

  • Nel corso della vostra carriera creerete molti, molti, molti quaderni di analisi. della vostra carriera. Come li organizzerete per poterli ritrovare in futuro? in futuro? Vi consiglio di archiviarli in progetti individuali, e di trovare un buon schema di denominazione.