version-control - 你如何将 "Revision Control"与 R 的 "Workflow"结合起来？

Question

我记得遇到过 R 用户写他们使用“修订控制”(e.g: "Source control")，我很想知道:您如何将“修订控制”与您的统计分析工作流程结合起来？

两个(非常)有趣的讨论讨论了如何处理工作流程。但它们都没有提到修订控制元素:

How to organize large R programs?

Workflow for statistical analysis and report writing

问题的长期更新 :根据一些人的回答，以及评论中德克的问题，我想更直接地提出我的问题。

在阅读了关于“ revision control”的 Wiki 文章(我以前不熟悉)之后，我很清楚在使用修订控制时，要做的就是构建一个 。发展结构他的代码。这种结构要么导致“最终产品”，要么导致多个分支。

在构建类似的东西时，比如说，一个网站。您通常会为(网站)开发一种最终产品，并在此过程中提供一些原型(prototype)。

但是在进行统计分析时，工作(在我看来)是不同的。有时你知道你想去哪里。但更多时候，你会探索。探索清理数据集。探索不同的统计分析方法，并就您的数据提出各种问题(我正在写这篇文章，知道 Frank Harrell 和其他经验丰富的统计学家对 Data dredging 的感受)。

这就是为什么统计编程的工作流问题(在我看来)是一个严肃而深刻的问题，引发了许多问题，更简单的问题是技术性的:

您使用哪种版本控制软件(以及为什么)？

您使用哪个 IDE(以及为什么)？
比较有趣的问题是关于工作流程的:

你如何组织你的文件？

您将什么作为单独的文件保存，什么作为修订？或以不同的方式询问-代码中的“分支”应该是什么，“子项目”应该是什么？例如:当开始探索您的数据时，是否应该创建一个绘图然后将其删除，因为它没有引导到任何地方(但作为修订保留)，还是应该有该路径的备份文件？

如何 你 解决这种紧张是我最初的好奇心。第二个问题是“我可能会错过什么？”。应该遵循哪些(经验法则)规则以避免使用版本控制进行统计编程的常见陷阱？

在我的 直觉 ，我觉得统计编程与软件开发本质上是不同的(我写这篇文章并不是真正的统计编程专家，更不用说软件开发了)。这就是我不确定我在这里读到的关于版本控制的哪些类(class)适用。

非常感谢，
塔尔

Answer 1

我的工作流程与 Bernd 的工作流程没有什么不同。我通常有一个主目录，我在其中放置所有 *.R 代码文件。一旦文本文件中有超过 5 行，我就会启动版本控制，在我的例子中是 git。我的大部分工作都不是在团队环境中，这意味着我是唯一一个更改我的代码的人。一旦我做出实质性改变(是的，这是主观的)，我就会进行检查。我同意 Dirk 的观点，即这个过程与工作流程是正交的。

我使用 Eclipse + StatET，虽然 Eclipse 中有一个 git 插件(EGit 可能还有其他插件)，但我不使用它。我在 Windows 中，只在 Windows 上使用 git-gui。这里是 some more options .

版本控制中有很多个人特质的空间，但我建议将这一技巧作为最佳实践:如果您将结果报告给其他人(即期刊文章、您的团队、您公司的管理层)总是 在运行输出给其他人的结果之前进行版本控制检查。总是，3 个月后，有人会查看您的结果并询问一些关于您无法回答的代码问题，除非您在生成这些结果时知道代码的确切状态。所以让它成为一种实践，并在评论中添加“这是我用于第四季度财务的代码版本”或任何你的用例。

另请记住，版本控制不能替代良好的备份计划。我的座右铭是:“3份。2个地域。1个心安。”

编辑(2010 年 2 月 24 日): Stack Overflow 的创始人之一 Joel Spolsky 刚刚发布了 highly visual and very cool intro to Mercurial .如果您尚未选择修订控制系统，那么仅本教程可能就是采用 Mercurial 的理由。我认为当谈到 Git 与 Mercurial 时，最重要的建议是选择一个并使用它。也许使用您的 friend /同事使用的或使用最好的教程。但是已经使用了一个! ;)