9 بهترین ترفند کاربردی RStudio (مبتدی-متوسط)

نکاتی که در ادامه بیان می کنیم دستورات و میانبرهای ساده و مفیدی هستند که واقعاً به بهره وری کاربران کمک می کنند. در واقع محیط RStudio امکانات پنهان و جذابی دارد که سرعت کدنویسی و تحلیل داده‌ها را به شدت افزایش می‌دهد. فرقی نمی‌کند در حال بررسی لاگ‌های یک سیستم پیچیده باشید یا بخواهید خروجی کارتان را برای انتشار آماده کنید؛ این ترفندها کار شما را بسیار راحت‌تر می‌کنند.

ابتدا 6 نکته طبق تجربه نگارنده

در ادامه چند مورد از کاربردی‌ترین ترفندهای RStudio را به زبان ساده بررسی می‌کنیم:

۱. میانبرهای طلایی کیبورد

در زبان R دو علامت وجود دارد که هزاران بار آن‌ها را تایپ خواهید کرد. RStudio برای این دو، میانبرهای اختصاصی در نظر گرفته است:

• علامت تخصیص (<-): به جای تایپ کردن علامت کوچک‌تر و سپس خط تیره، فقط کافیست کلیدهای Alt + - را هم‌زمان فشار دهید. (در مک: Option + -)

• عملگر پایپ (%>% یا |>): این عملگر برای زنجیر کردن دستورات (مثلاً فیلتر کردن داده‌های مشتریان و سپس محاسبه میانگین حساب‌ها) استفاده می‌شود. برای تایپ سریع آن کلیدهای Ctrl + Shift + M را بزنید. (در مک: Cmd + Shift + M)

۲. خداحافظی با آدرس‌دهی دستی (استفاده از Projects)

بسیاری از افراد برای وارد کردن یک فایل داده (مثل یک فایل اکسل حاوی اطلاعات تراکنش‌های بانکی) مسیر طولانی آن را در کامپیوتر کپی می‌کنند (دستور setwd). این کار باعث می‌شود اگر کد را به سیستم دیگری منتقل کنید، کاملاً از کار بیفتد. ترفند: همیشه از گوشه بالا سمت راست RStudio، یک New Project بسازید. با این کار، یک پوشه اختصاصی ایجاد می‌شود که نرم‌افزار آن را به عنوان «خانه» می‌شناسد. حالا کافیست فایل‌های داده خود را در همان پوشه قرار دهید و فقط با نوشتن نام فایل، آن را فراخوانی کنید.

۳. جادوی R Markdown برای تولید محتوای آنلاین

اگر نتایج تحلیل‌های خود را در قالب مقالات آموزشی و تخصصی در وب‌سایت منتشر می‌کنید، نیازی نیست نمودارها را کپی کرده و در نرم‌افزار دیگری جای‌گذاری کنید. با باز کردن یک فایل R Markdown (یا Quarto در نسخه‌های جدیدتر)، می‌توانید کدهای برنامه‌نویسی، خروجی آن‌ها (مثل جداول و نمودارها) و توضیحات متنی خود را در یک فایل واحد بنویسید. در نهایت با زدن دکمه Knit، یک خروجی تمیز و استاندارد به صورت HTML دریافت می‌کنید که مستقیماً آماده بارگذاری و انتشار در پلتفرم‌های محتوایی است.

۴. استفاده از قطعه‌کدهای آماده (Code Snippets)

برای کارهای تکراری، نیازی نیست چرخ را از ابتدا اختراع کنید. RStudio قابلیت تکمیل خودکار کدهای پرکاربرد را دارد. مثال: در محیط کدنویسی کلمه fun را تایپ کنید و کلید Tab کیبورد را بزنید. RStudio بلافاصله ساختار کامل و استاندارد یک «تابع» را برای شما می‌سازد و فقط کافیست نام متغیرها را پر کنید. (شما می‌توانید در تنظیمات، Snippetهای اختصاصی خودتان را هم بسازید).

۵. جستجوی سریع در دستورات قبلی (Command History)

گاهی اوقات یک فرمول یا دستور طولانی را در بخش Console نوشته‌اید و حالا دوباره به آن نیاز دارید. به جای اسکرول کردن یا تایپ مجدد، کافیست در خط فرمان Console کلیک کنید و کلید Ctrl + فلش رو به بالا (Up Arrow) را بزنید. یک پنجره کوچک باز می‌شود که تمام دستورات قبلی شما در آن لیست شده و به راحتی می‌توانید در بین آن‌ها جستجو کنید.

بقیه نکات و ترفندهای مهم

۱-پکیج rstudioapi

هنگام استفاده از Rstudio، پکیج rstudioapi اطلاعات زیادی در مورد session شما در اختیارتان می دهد. مفیدترین آن مکان اسکریپت است. می توانید از آن برای تغییر خودکار پوشه کاری به محلی که فایل به صورت محلی ذخیره شده است استفاده کنید.

عملکرد rstudioapi :: getActiveDocumentContext جزئیاتی درباره فایل در حال ویرایش در RStudio به شما می دهد. به کد زیر نگاهی بیندازید:

my.d <- rstudioapi::getActiveDocumentContext()

print(my.d)

## Document Context:

## – id: ‘FA202F79’

## – path: ‘~/Dropbox/11-My Website/www.msperlin.com-blog/content/post/2018-11-03-RstudioTricks.Rmd’

## – contents: <69 rows>

## Document Selection:

## – [۲۴, ۶] — [۲۴, ۶]: ”

می بینید که محل فایل در path موجود است. بیایید آن را بگیریم:

my.file.location <- rstudioapi::getActiveDocumentContext()$path

اکنون اگر نام دایرکتوری را بخواهیم، کافیست (dirname (my.file.location را صدا بزنیم:

my.dir <- dirname(my.file.location)

print(my.dir)

## [۱] “/home/msperlin/Dropbox/11-My Website/www.msperlin.com-blog/content/post”

بنابراین اگر می خواهید دایرکتوری کار را به طور خودکار به محلی که اسکریپت در آن ذخیره شده تغییر دهید، فقط کافی است بنویسید:

my.dir <- dirname(rstudioapi::getActiveDocumentContext()$path)

setwd(my.dir)

این نکته بسیار کاربردی است و ما از آن در تمام اسکریپت های R خود استفاده می کنیم. اگر اسکریپت را در پوشه دیگری کپی کنید، بدون مشکل دایرکتوری اجرا می شود. اگر اسکریپت را در یک پوشه فشرده برای شخص دیگری ارسال کنید، می تواند آن را بدون تغییر اجرا کند زیرا دایرکتوری کار به طور خودکار تغییر می کند.

آگاه باشید که این مورد فقط در RStudio کار می کند. اگر کد را بدون IDE اجرا کنید، به عنوان مثال در یک اسکریپت bash ، بسته rstudioapi در دسترس نخواهد بود. در این حالت باید دایرکتوری را به طور صریح تنظیم کنید.

۲-تم تاریک برای Rstudio

اگر زمان زیادی را جلوی کامپیوتر بگذرانید، یک تم تاریک برای شما مناسب است. قبل از استفاده از آن، چشم ها همیشه پس از یک دوره طولانی کار خسته می شوند. در پایان روز، استفاده از تبلت یا حتی تلفن همراه ناراحت کننده خواهد بود. با رفتن به “tools” -> “global options” -> “appearance” می توانید تم را در Rstudio تغییر دهید. تم های تاریک زیادی موجود است. یکی را انتخاب کنید که بیشتر از همه دوست دارید.

با ادامه کار، همچنین توصیه می کنیم تم سیستم عامل خود را تغییر دهید. به شما اطمینان می دهیم که در طولانی مدت ارزش آن را دارد!

۳-(Autocomplete(tab دوست شماست!

یک تصور اشتباه در مورد برنامه نویسی این است که شما باید نام های زیادی را به خاطر بسپارید. این از واقعیت دور است. هنگام استفاده از Rstudio هرگز نیازی به یادآوری چیزی ندارید! از آرگومان های تابع گرفته تا نام متغیرها و نام فایل ها، با فشار دادن دکمه تب در صفحه کلید می توان همه موارد را جستجو کرد. استفاده از تب هنگام استفاده از قرارداد های نامگذاری برای توابع و اشیا، مفید تر می شود. به عنوان مثال، هر فریم داده در کد ما با “df” شروع می شود، مانند “df.prices ، “df.tickers و غیره. هنگامی که به دنبال نام یک فریم داده هستیم، فقط “df” را می نویسیم و تب را فشار می دهیم. نتیجه لیستی از نام اشیا است.

تابع autocomplete برای آرگومان های تابع، دایرکتوری و مکان ها و پکیج های فایل نیز کار می کند.

۴-نامگذاری بخش با —-

در Rstudio با استفاده از سرنخ متنی —- می توانید بخشی را در هر اسکریپت R نامگذاری کنید. این بخش در پایین سمت چپ صفحه ویرایشگر RStudio نشان داده می شود. وقتی می خواهید به آن قسمت بروید، فقط کلید را فشار دهید. بنابراین می توانید کد خود را با بخش هایی از این دست سازماندهی کنید:

# Get data —-

## code here

# clean data —-

## code here

# report results —-

## code here