R Engineering

版本

查看版本、操作系统和已加载包

sessionInfo()

自动升级最新版本

installr::updateR()
# 出现一个对话框，是否将 libraries 复制到新版 R 中，选 yes

MRO

如果有大 size 的向量和矩阵运算，建议安装和使用 Microsoft R Open. 该版本对向量和矩阵的向量化运算（对所有元素分别执行）进行了大幅优化，无需引入任何包，就能自动调用多核并行计算，可提高运算速度数十倍。

这也意味着，向量化运算是 R 最基本、最主要的代码风格。

但是，Microsoft R Open 的某些包更新不够及时（如 rmarkdown）。为了 Knit 的方便，可以 Rstudio 选择 R 的最新版，在 VSCode 中用 Microsoft R Open 日常加速计算。

System interaction

Environment

R 中词法作用域的机理通过环境实现。

# 从内到外，显示所有环境层级
pryr::parenvs(all = TRUE)

#>    label                               name                  
#> 1  <environment: R_GlobalEnv>          ""                    
#> 2  <environment: package:cranlogs>     "package:cranlogs"    
#> 3  <environment: package:ggthemes>     "package:ggthemes"    
#> 4  <environment: package:xfun>         "package:xfun"        
#> 5  <environment: package:rootSolve>    "package:rootSolve"   
#> 6  <environment: package:numDeriv>     "package:numDeriv"    
#> 7  <environment: package:ivreg>        "package:ivreg"       
#> 8  <environment: package:zeallot>      "package:zeallot"     
#> 9  <environment: package:downloadthis> "package:downloadthis"
#> 10 <environment: package:htmlwidgets>  "package:htmlwidgets" 
#> 11 <environment: package:plotly>       "package:plotly"      
#> 12 <environment: package:kableExtra>   "package:kableExtra"  
#> 13 <environment: package:magrittr>     "package:magrittr"    
#> 14 <environment: package:see>          "package:see"         
#> 15 <environment: package:cowplot>      "package:cowplot"     
#> 16 <environment: package:ggtext>       "package:ggtext"      
#> 17 <environment: package:lmerTest>     "package:lmerTest"    
#> 18 <environment: package:lme4>         "package:lme4"        
#> 19 <environment: package:Matrix>       "package:Matrix"      
#> 20 <environment: package:performance>  "package:performance" 
#> 21 <environment: package:effectsize>   "package:effectsize"  
#> 22 <environment: package:emmeans>      "package:emmeans"     
#> 23 <environment: package:data.table>   "package:data.table"  
#> 24 <environment: package:bruceR>       "package:bruceR"      
#> 25 <environment: package:forcats>      "package:forcats"     
#> 26 <environment: package:stringr>      "package:stringr"     
#> 27 <environment: package:dplyr>        "package:dplyr"       
#> 28 <environment: package:purrr>        "package:purrr"       
#> 29 <environment: package:readr>        "package:readr"       
#> 30 <environment: package:tidyr>        "package:tidyr"       
#> 31 <environment: package:tibble>       "package:tibble"      
#> 32 <environment: package:ggplot2>      "package:ggplot2"     
#> 33 <environment: package:tidyverse>    "package:tidyverse"   
#> 34 <environment: package:stats>        "package:stats"       
#> 35 <environment: package:graphics>     "package:graphics"    
#> 36 <environment: package:grDevices>    "package:grDevices"   
#> 37 <environment: package:utils>        "package:utils"       
#> 38 <environment: package:datasets>     "package:datasets"    
#> 39 <environment: package:methods>      "package:methods"     
#> 40 <environment: 0x00000218b98f7538>   "Autoloads"           
#> 41 <environment: base>                 ""                    
#> 42 <environment: R_EmptyEnv>           ""

最外层的 R_EmptyEnv 是唯一没有父环境的环境。

每加载一个扩展包，这个包的环境都会插入搜索路径，成为全局环境新的父级环境，并覆盖之前加载的包的同名函数。

调用函数时，首先创造一个 runtime 环境，函数优先在 runtime 环境搜索用到的变量，搜索不到时，就到上一级环境搜索，直至最外层的 R_EmptyEnv。

函数 runtime 环境的父环境，是函数第一次创建时所在的环境。如果函数是全局创建的（即使是通过 .R 脚本导入），其父环境就是全局环境。

函数储存变量，也储存在 runtime 环境中，只有返回值能传入调用它的环境。

这里有两个例外：

1. x <<- 5 能将数据 5 储存到父环境的变量 x 中，如果父环境中不存在变量 x，会一直向上直至全局环境进行变量查找。若在查找过程中寻找到该名称的变量，就会进行赋值操作。否则，将在全局环境中创建变量并赋值。
2. assign("var_name", value, envio = as.environment(pos)) 可以直接指定将 value 储存到哪个环境中。该函数的第一个参数是字符串，也可以是字符串向量，一次性赋值多个变量。

环境交互函数
pryr::parenvs(all = TRUE)	显示当前环境的层级，返回一个列表，从当前环境到 R_EmptyEnv
as.environment()	接受一个字符串环境名，返回对应的环境
environment()	返回当前 active 环境
globalenv()/.GlobalEnv	返回全局环境 R_GlobalEnv，这是最活跃、默认储存对象的环境
baseenv()	返回基环境 base
emptyenv()	返回空环境 R_EmptyEnv
parent.env()	返回参数环境的父环境
ls()/objects()	返回字符串向量，列出当前环境的所有对象
ls.str(mode="list", pattern="^\\w$")	显示当前环境的结构。mode 参数过滤对象类型，pattern 参数为正则表达式，过滤对象名
remove()/rm()	删除环境中一个或更多个对象。
rm(list=ls())	删除环境中所有对象

全局选项

getOption(x)，查看全局选项

options(...)，设定全局选项。如 digits=7, 设定显示数字的位数。warn=0, 可以改为1，在警告产生时立即显示。

文件系统管理

Working Directory
getwd()/setwd()	查看/设定当前工作目录
R.home()	R 软件的目录
list.dirs()	查看当前目录的所有子孙目录（递归查看）
dir([path, ][pattern, ][all.files = FALSE])	查看当前/指定目录中的文件和子目录，pattern为正则，all.files 控制是否显示隐藏文件
system("tree")	查看当前目录的树状层级结构
dir.create()dir.create(path="a1/b2/c3",recursive = TRUE)	在当前目录下创建一个子目录 递归创建深层子目录
file.create()	创建文件
file.exists(path)	路径是否存在
file.rename(from, to)	路径重命名
file.remove()	删除
file.append(file1, file2)	合并
file.copy(file1, file2)	用 file1 覆盖 file2 原本的内容
file.path(…)	根据操作系统的不同，将参数列表中的各项用/ 或 \ 串成一个路径（拼接目录字符串）
dirname(path)	返回路径的上级路径
basename(path)	返回路径的本级目录
path.expand()	转换~为用户目录
normalizePath()	返回绝对路径

使用 RStudio 创建 project 的一个优点在于，它的自动补全功能使编写文件路径变得更加高效。当你输入绝对路径或相对路径中的字符时，按下 Tab 键， RStudio 将会列出该目录中的所有文件，

Memory

tracemem()查看对象的内存地址

Time

Sys.sleep() 使程序暂停若干秒，一般用于某些循环（爬虫、动画等），故意降低运行频率

Sys.time() 返回系统时间；

system.time() 参数为大括号括起来的代码段，运行代码段并打印其运行时间

t1 <- Sys.time()
...
t2 <- Sys.time()
print(t2 - t1) # 中间代码的运行时间

system.time({
  ...
}) # 代码段运行时间

A <- matrix(1:1000000, 1000)

system.time({
  A %*% A
})

#>    user  system elapsed 
#>    0.30    0.00    0.31

Help

Help
help(functionName)或?functionName	查看一个函数的用法
example(functionName)	运行帮主文件中的例子
help.search(keyword)或??keyword	在所有包的文档中搜索关键词
RSiteSearch("xxx")	搜索 CRAN 上包含关键词的包，自动打开一个网页，显示搜索结果
help(package = "")	查看一个包的帮助
help(options)	显示可用选项的说明
options()	显示或设置当前选项

History

History
history(#)	显示最近使用过的#个命令（默认值为25）
savehistory("myfile")	保存命令历史到文件myfile中（默认值为.Rhistory）
loadhistory("myfile")	载入一个命令历史文件（默认值为.Rhistory）

Modularization

R Package

Function	作用
install.packages("package")	安装包
remove.packages("xxx")	卸载包
installed.packages()	返回一个字符串矩阵，内含所有已安装的包的多项信息
packageVersion()	返回包的版本信息
library()	无参数时，显示库中已经安装了哪些包
library(package)	有参数时，载入包.
require(package)	类似于 library()，但 require() 会返回一个逻辑值来判断是否加载成功。 若已安装扩展包，则加载包；若尚未安装，则安装包： {r} if (!require(moments)){ install.packages("moments") library(moments) }
unloadNamespace(package)	解除载入一个包
search()	查看环境中已经加载了哪些包
getOption('defaultPackages')	查看默认加载的 R 包
update.packages("package")	升级包。若不填入参数，则自动升级所有可以升级的包
package::function()	调用相应包的函数（有时多个包用同一个名字命名不同的函数，会发生冲突，只能这样引用）。这种方式不会修改环境（搜索路径），所以如果一个函数只使用一两次，最好用这种方式调用。
data()	查看所有预先提供的数据
data(package="")	查看某个包所有预先提供的数据
data(dataset_name, package=)	读入包中数据

installed.packages() %>% View()

新装 R 时安装常用包

# 重装 R 前把已安装包的名称（第一列）存为一个 .rds 文件
saveRDS(installed.packages()[, 1], "./download-packages.rds")

# 重装 R 后读取该文件，并安装这些 packages
install.packages(readRDS("./download-packages.rds"))

查看包的流行程度

# 查看 R 包的下载次数
library(cranlogs)

fashion <- function(package_name) {
  d <- cran_downloads(
    package = package_name,
    from = "2022-01-01",
    to = "2022-03-31"
  )
  sum(d$count)
}

fashion("ggplot2")

#> [1] 6591799

fashion("tidyverse")

#> [1] 2414103

fashion("data.table")

#> [1] 2512297

fashion("plotly")

#> [1] 916778

函数屏蔽 (masking)

后加载包的同名函数会将先加载包的函数屏蔽掉

如果两个都要用，则只能使用 package::function 语法

由此要注意，自己写包时，最好不要与已经被广泛使用的包中的函数重名

Create a Package

《R in Action 2nd Edition》 第21章有介绍。

代码见网盘中 R/Books/Programming/R-in-Action/Code/Ch21 Creating a package/ 文件夹

更好的资源，见 Hadly 的《R packages》一书，讲授了良好的 R 软件项目实践，科学地创建 R 包：打包文件、生成文档、测试 代码

R Script

Base 语法

source('xxx.R') 不好，更推荐 modules 包

modules 包

Modules in R

install.packages("modules")

module.R

foo <- function() "foo"

main.R

m <- modules::use("module.R") # 注意路径设定
m$foo()

最佳实践

由于 R 的懒加载特性，模块中的代码不会运行，故 .R 脚本文件作为模块时，不必加载配置常量和包，纯写函数即可，所有的包和配置由主文件加载。

右键菜单新建 R Script

新建一个文本文件，写入

Windows Registry Editor Version 5.00

[HKEY_CLASSES_ROOT\.R]
@="rstudio.exe"

[HKEY_CLASSES_ROOT\.R\ShellNew]
"FileName"="C:\Users\humoo\OneDrive\ICT\Programming-Language\R\Best-Practice\template.R"

[HKEY_CLASSES_ROOT\rstudio.exe]
@="R Script"

另存为 register-R.reg，然后双击运行即可

二进制数据文件

数据处理的中间结果一般保存为 .rda 或 .rds 即可；有其他用途的数据转换结果，才有必要保存为 .csv 或 .json

二者区别：

1. saveRDS/readRDS 仅处理单个 R 对象。但是，它们比多对象存储方法更灵活，因为还原对象的对象名称不必与存储对象时的对象名称相同
2. .rda 不对数据进行压缩，读写速度较快；.rds 会先对文件进行压缩再保存，速度相对稍慢。

Code Style

R Style

The tidyverse style guide

一般性规则

• R 中函数默认返回最后一个表达式的值，故一般不用再写 return()；只有在条件、循环等复杂逻辑中，需要提前返回的值，才用 return() 显式返回
• 变量以名词开头，函数以动词开头，_分隔单词，尽量使对象名 concise and meaningful
• 一行之内的简短函数用匿名函数写，超过一行的函数最好给它起个名字（便于调试）
• Error 应该使用Stop()来抛出
• 不要使用attach(), detach()

注释

• 注释以#开头，后加一个空格
• 对变量和函数的说明写在它们的上方（紧邻），VSCode 的 R 插件能够自动识别
• Internal structure: 用形如 # string ---------------- 的注释分节行，帮助理清逻辑
  • 在 Rstudio 中编写 R Script 时（Rmarkdown 无效），快捷键 Ctrl+Shift+R 可以生成这样一个分节行
• documents，即解释说明自定义函数的内容，每行用#'开头，辅以若干标记：@title, @param, @inheritParams, @return, @description, @details, @examples, @seealso, @export
  • 这些在注释中是结构化信息，Rstudio 和 VSCode 的 R 插件都可以识别

#' @title 老虎机的返还规则
#' @param symbols 长度为3的字符串向量，表示老虎机的一次运行结果
#' @return 中奖金额
#' @export
score <- function(symbols) {
  diamonds <- sum(symbols == "DD") # 有几个钻石
  cherries <- sum(symbols == "C") # 有几个樱桃

  ## 识别模式
  slots <- symbols[symbols != "DD"] # 考虑钻石以外的其他符号
  same <- length(unique(slots)) == 1 # 是否其他符号相同，包含有且仅有2钻情形
  all_bars <- all(slots %in% c("B", "BB", "BBB")) # 是否其他符号都是条

  ## 计算中奖金额
  if (diamonds == 3) {
    prize <- 100
  } else if (same) {
    # 哈希表
    payouts <- c("7" = 80, "BBB" = 40, "BB" = 25, "B" = 10, "C" = 10, "0" = 0)
    prize <- unname(payouts[slots[1]]) # 只要金额不要符号
  } else if (all_bars) { # 0或1钻，其他全是条（一条、二条或三条）的金额
    prize <- 5
  } else if (cherries > 0) {
    # 0或1钻，1-2个樱桃，且不能是1钻两樱桃
    prize <- c(0, 2, 5)[cherries + diamonds + 1] # 如果只有一个樱桃，则将钻石当作樱桃
  } else {
    prize <- 0
  }

  ## 根据钻石个数翻倍中奖金额
  prize * 2^diamonds
}

R Script 总体布局与顺序

1. 版权声明
2. 作者信息
3. 文件说明, 包括程序的目的，输入以及输出
4. library() 和 source() 说明
5. 函数定义
6. 可执行语句

单元测试应在另一个独立的的文件中进行

格式化

styler 包

styler - A non-invasive source code formatter for R (lorenzwalthert.github.io)

install.packages("styler")

• style_text() styles a string
• style_file() styles R and Rmd files
• style_dir() styles all R and/or Rmd files in a directory.
• 最常用
  • RStudio Addins 菜单，styles the active file R or Rmd file, or the highlighted code.
  • 或在 console 中输入styler:::style_active_file()

高性能 R 代码

Vectorization

向量化运算，即操作对象为向量或矩阵，对其所有元素执行同样的运算。向量化运算的速度不仅远快于显式循环（快两个数量级），也比 map() 等高阶函数要快得多。

如果运算符两边的变量 size 不相同，size 较小的变量会自动循环扩展，与 size 较大的变量保持一致。返回值的 size 将和较大的变量保持一致。

在计算矩阵的哈达马积、或对向量/矩阵的所有元素执行同样的变换时，向量化运算非常方便。

R 中的运算符和函数默认支持向量化运算，这是 R 的一大特色，Microsoft R Open 还对向量和矩阵的向量化运算进行了并行优化。因此，用好向量化运算、矩阵代数，才是符合 R 风格的代码。

编程经验丰富后，会产生一种下意识的直觉（或许写一写 julia 和 MATLAB 有明确语法形式的向量化运算有助于这种经验的养成），敏锐地意识到哪些函数支持向量化运算，并将代码尽量都写成向量式的。

如计算 \(\begin{aligned}w=\frac{1}{n} \sum_{i=1}^n|x_i-\hat{m}|\end{aligned}\)，其中 \(\hat{m}\) 为中位数

# 为了表明这里是向量化的并行操作，将自变量写为大写的X
mean(abs(X - median(X)))

# 由于 R 的向量化特性，这个自定义函数天然接受向量输入
f3 <- function(X) ifelse(X >= 0, 1, 0)

条件选择用子集选择器 []

#' 本函数中的操作，逻辑判断、取子集、数乘、赋值，全部是向量化的
abs_set <- function(vec) {
  vec[vec < 0] <- vec[vec < 0] * -1
  vec
}

# 哈希表
vec <- c("DD", "BB", "C", "0")
tb <- c("DD" = "joker", "C" = "ace", "7" = "king", "B" = "queen", "BB" = "jack", "BBB" = "ten", "0" = "nine") # 键值对

vec

#> [1] "DD" "BB" "C"  "0"

tb[vec] # 用键选择值

#>      DD      BB       C       0 
#> "joker"  "jack"   "ace"  "nine"

unname(tb[vec])

#> [1] "joker" "jack"  "ace"   "nine"

多用内置函数

R base 的很多内置函数是用 C 实现的，效率很高，尽量使用。

• sum() 向量、矩阵所有元素的和，比用循环累加快得多
• prod() 所有元素的积
• cumsum()，返回累计和的序列
• cumprod()，返回累计积的序列

cumsum(1:10)

#>  [1]  1  3  6 10 15 21 28 36 45 55

cumprod(1:10)

#>  [1]       1       2       6      24     120     720    5040   40320  362880
#> [10] 3628800

避免制作副本

多用 data.table 数据框在数据上就地修改

为 for 循环提前准备储存空间

如果不得不用 for 循环，最好提前准备后储存空间。

system.time({
  output <- NA
  for (i in 1:1000000) {
    output[i] <- i + 1
  }
})

#>    user  system elapsed 
#>    0.16    0.03    0.21

如果没有提前确定足够大的空间储存 for 循环产生的大 size 数据 output，R 每次循环都需要在内存中找到一个新的位置以存放更大的对象。这意味着频繁地在内存中删除旧版 output，再找到新的地方存放该向量的新版本。因此，在循环结束的时候，R 已经将 output 在内存中反复重写了100万次。

system.time({
  output <- rep(NA, 1000000)
  for (i in 1:1000000) {
    output[i] <- i + 1
  }
})

#>    user  system elapsed 
#>    0.03    0.00    0.03

多核并行运算

Exception and Debugging

参考《Advanced R》

Exception

几个函数

• stop("!")/stopifnot()，终止程序并打印错误信息：“Error: !”
• warning("?!")，打印警告信息 “Warning message: ?!”
• message("?")，打印信息 “?”

# stop("!") # Error: !
try(stop("!"))

#> Error in try(stop("!")) : !

try(..., silent = FALSE)

1. 如果…中出现错误，使用该函数可以打印错误信息（silent = TRUE 时，不打印错误信息），然后跳过错误继续执行程序。try()的返回值为一个 “try-error” 类的对象。
2. 若无错误，则返回 … 表达式的值

success <- try(1 + 2)
failure <- try("a" + "b", silent = TRUE)
class(success)

#> [1] "numeric"

class(failure)

#> [1] "try-error"

对 list 列表中所有元素进行批量操作时，使用 try() 非常有用，可以有效避免个别元素不能计算引起的错误。

elements <- list(1:10, c(-1, 10), c(T, F), letters)
# results <- elements %>% map(~ log(.x)) # 报错，会阻止程序运行
result_list <- elements %>%
  map(~ try(log(.x))) %>%
  discard(function(result) {
    "try-error" %in% class(result) # 去掉运算报错的项
  })

#> Warning in log(.x): NaNs produced

#> Error in log(.x) : non-numeric argument to mathematical function

result_list

#> [[1]]
#>  [1] 0.0000000 0.6931472 1.0986123 1.3862944 1.6094379 1.7917595 1.9459101
#>  [8] 2.0794415 2.1972246 2.3025851
#> 
#> [[2]]
#> [1]      NaN 2.302585
#> 
#> [[3]]
#> [1]    0 -Inf

# 求解逆矩阵-错误处理
set.seed(1)
inverses <- vector(mode = "list", length = 5) # 预先分配空间
for (i in 1:5) {
  x <- matrix(sample(0:2, 4, replace = T), nrow = 2)
  x.inv <- try(solve(x), silent = TRUE)
  if ("try-error" %in% class(x.inv)) {
    # x.inv 是一个矩阵，class(x.inv) 返回长度为2的字符串向量
    # 若用 class(x.inv) == 'try-error'，返回长度为2的逻辑向量
    # if() 无法处理长度大于 1 的条件
    next
  } else {
    inverses[[i]] <- x.inv
  }
}
inverses

#> [[1]]
#> NULL
#> 
#> [[2]]
#>       [,1] [,2]
#> [1,] -0.25  0.5
#> [2,]  0.50  0.0
#> 
#> [[3]]
#>      [,1]  [,2]
#> [1,]  0.0  0.50
#> [2,]  0.5 -0.25
#> 
#> [[4]]
#> NULL
#> 
#> [[5]]
#>      [,1] [,2]
#> [1,]  0.0  1.0
#> [2,]  0.5 -0.5

inverses %>% discard(~ is.null(.x)) # 去掉运算报错的项

#> [[1]]
#>       [,1] [,2]
#> [1,] -0.25  0.5
#> [2,]  0.50  0.0
#> 
#> [[2]]
#>      [,1]  [,2]
#> [1,]  0.0  0.50
#> [2,]  0.5 -0.25
#> 
#> [[3]]
#>      [,1] [,2]
#> [1,]  0.0  1.0
#> [2,]  0.5 -0.5

# 避免读取文件失败
default <- NULL
try({
  default <- read.csv("possibly-bad-input.csv")
})

#> Warning in file(file, "rt"): cannot open file 'possibly-bad-input.csv': No such
#> file or directory

#> Error in file(file, "rt") : cannot open the connection

tryCatch()

指定控制条件，进行异常捕捉，然后采用对应的函数处理异常和错误。

result <- tryCatch(
  {
    # 正常的逻辑
    ...
  },
  warning = function(w) {
    # 出现warning的处理逻辑
    ...
  },
  error = function(e) {
    # 出现error的处理逻辑
    ...
  },
  finally = {
    # 不管出现异常还是正常都会执行的代码模块，
    # 一般用来处理清理操作，例如关闭连接资源等。
    ...
  }
)


# 例
get.msg <- function(path) {
  con <- file(path, open = "rt", encoding = "latin1")
  text <- readLines(con)
  msg <- tryCatch(
    {
      text[seq(which(text == "")[1] + 1, length(text), 1)]
    },
    error = function(e) {
      ""
    }
  )
  close(con)
  return(paste(msg, collapse = "\n"))
}

show_condition <- function(code) {
  tryCatch(code,
    error = function(c) "error",
    warning = function(c) "warning",
    message = function(c) "message"
  )
}
show_condition(stop("!"))

#> [1] "error"

show_condition(warning("?!"))

#> [1] "warning"

show_condition(message("?"))

#> [1] "message"

show_condition(10) # 没有警告、错误时，返回第一个参数（代码段）的运行结果

#> [1] 10

自定义发生错误时返回的信息

read.csv3 <- function(file, ...) {
  tryCatch(
    read.csv(file, ...),
    error = function(c) {
      c$message <- paste0(c$message, ' in "', file, '"')
      stop(c) # 将文件路径加到错误信息中
    }
  )
}
try(read.csv("code/dummy.csv"))

#> Warning in file(file, "rt"): cannot open file 'code/dummy.csv': No such file or
#> directory

#> Error in file(file, "rt") : cannot open the connection

try(read.csv3("code/dummy.csv"))

#> Warning in file(file, "rt"): cannot open file 'code/dummy.csv': No such file or
#> directory

#> Error in file(file, "rt") : 
#>   cannot open the connection in "code/dummy.csv"

Debugging

Testing

library(testthat)

IDE

Rstudio

R Studio cheatsheet 预览：

downloadthis::download_file(
  path = "../pdf/cheatsheet-rstudio-ide.pdf",
  output_name = "cheatsheet-rstudio-ide",
  button_label = "Download cheatsheet",
  button_type = "success",
  self_contained = FALSE
)

Shortcuts

Shortcuts
Ctrl + Shift + A	选中部分行后，格式化代码
Ctrl + Alt + I	Insert chunk
Alt + -	插入 <-
Ctrl + Shift + M	插入 %>% 或 |>
Alt + Shift + K	显示快捷键
Ctrl + Shift + N	新建脚本 .r文件
Ctrl + Enter Ctrl + Shift + Enter Ctrl + Alt + R	运行一行代码 运行代码块 运行全部代码
Shift + Home/End	选中光标到行首/末之间的部分
Tab / Ctrl+Space	自动补齐 输入完函数名，按tab，自动添加开括号(和闭括号)。
Ctrl + Shift + C	注释/取消注释
F1	查看帮助
Ctrl+ ↑	在 Console 中输入”xxx”，然后按 Ctrl+ ↑。就可以列出所有输入过的以”xxx”开头的命令。

代码高亮

GitHub 上可搜索、安装 rscodeio 主题

anthonynorth/rscodeio: An RStudio theme inspired by Visual Studio Code. (github.com)

VSCode

优点

• 鼠标悬停，即可显示变量的定义信息和函数的帮助文档（仅限 R 包中函数的官方文档和本文件中自定义函数的定义，无法显示引入模块中的自定义函数的定义），省去了查阅文档的大量时间
• 保存（Ctrl+S）时自动格式化
• Ctrl+Enter自动运行一行，Ctrl+Shift+Enter自动运行当前文件

配置步骤

1. 安装 R 包 languageserver

   install.packages("languageserver")

2. 在 VSCode 扩展商店中安装 R 插件。

   1. 安装完成后在 VSCode 配置文件中搜索r.rterm.option，删除--no-save,--no-restore，添加--no-site-file和 R.exe 的路径--r-binary=C:\\Program Files\\R\\R-4.1.3\\bin\\R.exe

3. 安装 Radian：一款现代的 R console，它是用 Python 编写的

   pip install radian

   1. 安装完成后在 cmd 中输入 radian 查看是否安装成功。

   2. 若出现 “cannot determine R HOME”，可能在系统 PATH 中没有 R 路径，则在 PATH 中添加即可；或存在多个 R 路径（如新安装了某个版本）而 Radian 无法识别，要在 VSCode 中修改r.rterm.option，也可以在设置界面的右上角打开 setting.json文件直接修改：

      "r.rterm.option": [
        "--no-site-file",
        "--r-binary=C:\\Program Files\\R\\R-4.2.2\\bin\\R.exe"
      ]

4. VSCode 中 Radian 相关设置

   1. 搜索 r.rterm.windows，将其设置为 radian.exe 的路径。在 cmd 中（powershell 不行）输入 where radian 可以获取其路径。
   2. 搜索R: Bracketed Paste并勾选，否则 Radian 不会启用
   3. 搜索r.sessionWatcher并勾选

5. 定义在 R 脚本中使用的快捷键

   1. 最重要的两个快捷键：输入 <- 的快捷键 Alt+-；输入 %>% 或 |> 的快捷键 Ctrl+Shift+M

   2. 方法：VSCode 中打开 keybindings.json （Ctrl+K Ctrl+S 然后右上角打开配置文件），绑定快捷键覆盖默认值

      [
        {
          "key": "alt+-",
          "command": "type",
          "when": "editorLangId == r || editorLangId == rmd && editorTextFocus",
          "args": {
            "text": " <- "
          }
        },
        {
          "key": "ctrl+shift+m",
          "command": "type",
          "when": "editorLangId == r || editorLangId == rmd && editorTextFocus",
          "args": {
            "text": " %>% "
          }
        }
      ]

如何在 VSCODE 中高效使用 R 语言 （图文详解）_Baimoc-CSDN博客