我用R编程的时间不长，但我遇到了一个项目组织问题，我希望有人可以给我一些提示。我发现我做的很多分析都是临时的：也就是说，我运行一些东西，考虑结果，调整它并运行更多。这在概念上不同于像C ++这样的语言，在这种语言中，您可以考虑在编码之前要运行的整个事物。这是解释语言的巨大好处。但是，出现的问题是我最终拥有了很多我保存的.RData文件，因此每次都不需要source我的脚本。有没有人对如何组织我的项目有任何好的想法，所以我可以在一个月后回到它并且很清楚每个文件的相关内容？
我猜这是一个文档问题。我是否应该记录每一条腿的整个项目，并积极清理不再需要但是研究副产品的文件？这是我目前的系统，但有点麻烦。还有其他人有其他建议吗？
根据下面的评论：我试图避免的一个关键事项是.R分析文件和.RData集合随之而来的扩散。
答案 0 :(得分：2)
关于研究项目组织的一些想法：
http://software-carpentry.org/4_0/data/mgmt/
带回家的消息是：
答案 1 :(得分：2)
我的分析是knitr文档，其中包含一些从中调用的外部.R文件。
所有数据都在数据库中，但在我的分析过程中，处理后的数据保存为.RData文件。只有当我删除RData时，再次运行分析时才会从数据库中重新创建它们。有点像缓存，当我重新运行（部分）我的分析时，可以节省数据库访问和数据处理时间。
使用knitr（Sweave等）文档进行分析，您可以轻松编写包含结果的文档化工作流程。 knitr缓存了分析的结果，因此小的更改通常不会导致所有R代码的完全重新运行，而只会导致一小部分。节省相当多的运行时间以进行更大的分析。
（啊，如前所述：使用版本控制。另一个提示：使用编织器和版本控制使用RStudio非常容易。）