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，可以用绝笔
- 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i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
网页只有这么个简洁的信息
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。
