R语言忍者秘笈

% R语言忍者秘笈
	2	+% 谢益辉，肖楠，坑主三，坑主四……
	3	+
	4	+学一门语言不可能通过两天时间把语法看完了事就行，必须得实战：一来巩固语法，二来增加经验值。本书根据统计之都论坛（<http:///cn/>）六年中近六千帖子和三万回帖整理并加入作者的个人经验而写成。我们找的有这样几种帖子：
	5	+
	6	+1. 版主们被问得怒火丛生，因为同样的问题被问了八百遍了，但论坛规定版主得修炼内力，所以老实版主回帖提供老链接，其它版主默默；
	7	+1. 大家讨论得热火朝天，提出各种解决方案，但某网友一行代码扔出来，让所有人都默默；
	8	+1. 一个帖子当时只有寥寥几个回复，好像没什么人搭理，默默过了两年，楼主突然冒出来说，哇，这一招真管用；
	9	+1. 一个帖子楼主默默写了很久很久，但根本人没有回复，可能当时大家的查克拉都没到那个量级；
	10	+
	11	+总之，我们追求的是高效率的R应用，就像一名忍者，了解大局形势，也善于利用细节，飞檐走壁上天入地，准确而迅速地完成任务。
	12	+
	13	+## 术语说明
	14	+
	15	+foobar
	16	+:   没有特定含义，就是泛指一个对象或名称，有时候也拆开用，比如foo包bar函数，计算机领域常用语，当年这玩意儿可是让我疑惑了好久，究竟啥是foobar哩
	17	+

257 ????? 01-setup.md

• View file @ 6a419d9

...	...	@@ -0,0 +1,257 @@
	1	+# 安装与配置
	2	+
	3	+你有志于成长为一名忍者，很好，那么首先去把火影看完了再来看这本秘笈吧。
	4	+
	5	+当然，不看火影也没关系。咦，怎么有些观众朋友真的离场了？剩下的朋友就别去叫他们了。R这货，是统计学家为统计学开发的一套数据杀器，但那只是对下忍的介绍，对一名上忍来说，必须对它有更全面的认识，否则你查克拉再强、分身再多，在执行任务时也可能会被各种与统计无关的细节给缠死。R的安装有专门的手册，名曰 _R Installation and Administration_ ，我就不说它在哪儿了，你也别问我要，如果你真的那么感兴趣，请自己去找。
	6	+
	7	+哎哎，怎么又有几位客官走了？其实不用这么听话的，忍者得有自己的判断。我不说的原因是R官方的所有手册基本上都很坑爹，R核心团队都是写代码的高手，可是手册写出来都让人昏昏欲睡，一点读的欲望都没有，这样也好，让他们专注于代码开发吧。迄今为止，我唯一看的手册是 _Writing R Extensions_ ，因为我需要写R包，不按它来就没法整；官方手册技术性太强，这也给无数作者创造了写作机会，不然你也不会看到这里来。
	8	+
	9	+## 安装R
	10	+
	11	+R的首页在<http://www.>，你打开之后一定很失望，苍天呐，世上怎么还有这么古董的网站！几乎是纯文本网站（高级码农都这德行），首页上的那幅图已经七八年没换过了，还用着古老的框架技术。算了，不吐槽了，下载链接在左侧，写着CRAN的那地方。你是忍者，所以你当然不能直接去下载就完事，你得了解CRAN（Comprehensive R Archive Network）这一套东西。所谓的C什么AN是自由软件世界常见的软件分发方式，类似的还有为TeX准备的CTAN，为Perl弄的CPAN等。Linux打一出生就是通过网络发布的，直到今天这个特性还是没有变，后面再详谈Linux的问题。Archive Network的大意是这软件有个主服务器，然后在世界各地有一些镜像服务器，上面的文件和主服务器保持同步，这样减轻主服务器的下载压力，并让其它地区的用户能有更快的下载速度（从离自己近的本地服务器下载）。R除了自己的主程序，还有三千多个用户贡献的附加包，以及各种文档，这一大箩筐东西被复制到世界各地几十台服务器上供用户下载。
	12	+
	13	+你是中国用户，可以选一个国内的镜像。这里我们要特别感谢那些志愿提供服务器的单位对自由软件的支持，如厦门大学、中科院、中科大和北京交通大学等。咱们魏太云大版主对这些事情比较关心，国内要是出了新的镜像通常都是他率先报道（例<http:///cn/topic/106549>）。
	14	+
	15	+### R主程序
	16	+
	17	+先说Windows。要是能找到下载地址就去下，找不到的话，可爱的R core给做了一个自动重定向的网页：<http://cran./bin/windows/base/release.htm>，只要点这个链接，你就会下载最新版本的R，地址可以改为相应的本地镜像，如<http://ftp./mirrors/CRAN/bin/windows/base/release.htm>。各位忍者请务必研究这个页面的源代码，搞清楚为什么这个页面会让浏览器自动下载Windows版本的R安装程序。
	18	+
	19	+Windows中安装R注意几点：
	20	+
	21	+1. 把默认安装目录中的R版本号去掉，比如要是R告诉你装在`C:/Program Files/R/R-2.15.0/`，不要接受这个结果，把它改成`C:/Program Files/R/`，原因后面解释；
	22	+1. 避免安装在中文目录下，因为Windows世界的各种鸟语方言编码问题，跟中文有关的东西往往会扯上麻烦；
	23	+1. 用自定义方式安装（装任何软件都用这种方式，你得了解你的软件里有什么组件、装哪儿去了以及有什么选项配置），默认情况下会装上翻译文件，但R的中文翻译实在不咋地，几年前我实在忍不下去了（那View菜单竟然翻译为单字“看”，这上哪儿说理去啊），动手把界面上的词句重新翻译了一下，好歹像人话了，不过R内部还有大量的条目没有翻译或翻译得很差，要是报个错你都不知道它到底在说什么；所以，还不如直接用原生的英文，不要安装翻译文件；
	24	+
	25	+
	26	+
	27	+
	28	+
	29	+关于第1点，2011年4月我跟R core结结实实打了一仗，最终没有人同意我（战场：<http:///GFluEX>）。为什么我认为默认带上版本号是个很糟糕的选择呢？主要是R一直在不断升级中，而在可怜的Windows底下没有直接升级的方式（快投奔Linux吧），必须先卸载老版本，下载新版本再重新安装。默认情况下，新版本装在新目录下，这样就导致你过去的设置或改动可能会出问题，在我的经历中，至少有两点麻烦：
	30	+
	31	+1. PATH环境变量需要手动更新（下一节再说忍者必读的PATH）；
	32	+1. 过去安装的附加包要么全部重新安装，要么手工挪动到新目录下；
	33	+
	34	+总之问题就是两个不同版本的R安装在不同目录下，你得废半天劲去更新各种配置。除非你真的需要多个版本，否则建议永远安装在同一个固定目录下。Windows Vista之后的用户还得关心权限问题，这又是Windows坑爹的发明，过去系统目录下（一般是C盘下）可以随便读写，现在要读写必须要弹个对话框让你确认或输密码。R等不了这事儿，所以要是没有写文件的权限，有些事情就得歇菜，例如安装附加包。这种情况下，建议干脆不要装在那个什么`C:/Program Files/`下，而是自己新建一个目录，比如`C:/Software/`，把你自己的软件装在这个目录下，Windows管不着。
	35	+
	36	+再说Linux。前面说了，Linux是嘴里含着互联网出生的，尽管它后面衍生了很多个发行版，多数情况下，软件都可以从发行版的软件仓库中直接安装，不必自行下载，R也不例外，它提供了四种发行版的仓库：Debian、RedHat、OpenSUSE和Ubuntu。我用的Linux发行版是Ubuntu（普通青年的选择），下面简单说说Ubuntu下的安装，这些步骤都在CRAN页面里，看得懂英文就能按照指示做（<http://cran./bin/linux/ubuntu/>）。
	37	+
	38	+首先添加R的软件库，可以从Synaptic软件包管理器中`Settings --> Repositories --> Other Software`然后添加（Add），把那一行`deb`命令贴在文本框中即可，但注意把镜像地址更改为合适的网址。
	39	+
	40	+
	41	+
	42	+
	43	+
	44	+由于Linux下的软件库通常需要负责人签名验证安全性，在添加完R的仓库地址之后，还需要把仓库负责人的钥匙信息导入你的系统，这样你的Ubuntu才能放心从那里安装R，导入只是两行命令的事儿（打开终端Terminal敲命令）：
	45	+
	46	+```bash
	47	+gpg --keyserver keyserver.ubuntu.com --recv-key E084DAB9
	48	+gpg -a --export E084DAB9 | sudo apt-key add -
	49	+```
	50	+
	51	+这样在Synaptic里刷新一下软件包的信息（Reload），然后搜索`r-base-dev`，钩上，安装即可，或者等价地，用命令行安装：
	52	+
	53	+```bash
	54	+sudo apt-get update
	55	+sudo apt-get install r-base-dev
	56	+```
	57	+
	58	+装完之后基本上就没什么维护的事儿了，因为Ubuntu会定期提醒你软件仓库中什么软件出了新版本，如果你需要更新，只是点一下OK的事情，不像Windows下得手工卸载、下载、安装。唯一可能需要改动的是，如果将来Ubuntu自身的版本升级了，比如从oneiric升级到precise版本，那么上面的软件库地址里的相应版本也需要手工更新。
	59	+
	60	+对传统或高级Linux用户来说，装任何软件都还有一套古老的办法，那就是用伟大的`make`命令从源代码自行编译，很有黑客范儿。大致步骤很简单：从网上下载软件的源代码，通常是一个`*.tar.gz`压缩文件，解压缩，然后在终端中切换目录到解压缩文件夹下，运行：
	61	+
	62	+```bash
	63	+./configure
	64	+make
	65	+sudo make install
	66	+```
	67	+
	68	+这的确是个办法，几乎对任何软件适用。如果你（比如为了用满屏幕的命令行赢取PPMM的盲目崇拜）鼓起勇气尝试这一条路，你可能两个小时装不好。此时你才触碰到Linux的一个核心特征：软件依赖。在Linux世界里，经常存在A软件依赖于B软件，B依赖于C这样的现象，可能是因为开源的缘故，作者经常把自己的软件构建在别人的软件基础之上，这就导致一片依赖的海洋（当然不是所有的软件都有一大串依赖）。R也依赖大量的其它软件包，如果现在那PPMM还在眼巴巴看着你，那么就用这条无敌命令一次性解决依赖问题：
	69	+
	70	+```bash
	71	+sudo apt-get build-dep r-base-dev
	72	+```
	73	+
	74	+这样就一步把所有依赖包都装上了，然后可以按照上面说的`make`的方式编译。否则，就看`./configure`的输出，报告缺啥装啥，看不懂消息就上Google搜，自然会有人告诉你那个缺少的`*.h`头文件对应的是哪个包，就这样熟练的人可能三个小时可以装完，不熟的人大概三天可以装好，这里面尤其是Cairo那套东西，安装起来折磨死人。所以只要不是闲着没事干，不要轻易自行从源文件编译，不管它看起来多酷，当然，把它当作了解Linux的练习是可以的，初级Linux用户看到这一堆东西可能确实有某种自豪感。
	75	+
	76	+那些Linux软件仓库里放的软件实际上也是通过`make`的方式从源文件一步步编译出来的，只不过是服务器上预先编译好了，省去了用户自行编译和解决依赖的麻烦，直接就可以装编好的二进制包。
	77	+
	78	+最后是Mac OS，我没什么经验，不多说，好像就是一个文件下载下来打开就可以用，我不太理解Mac系统管理程序文件的方式。
	79	+
	80	+### R附加包
	81	+
	82	+整个R系统主要是由一系列程序包（Package）组成，第一次装完R可以运行`.packages(TRUE)`查看R自带的包名。除开这些主程序包之外，CRAN上还有数千附加包，由R核心开发团队之外的用户自行提交，这数量级基本上保证用R干啥的都有，所以上天入地飞檐走壁不成问题。
	83	+
	84	+R包数量之大，有两个原因：一是R语言本身的确很强大，而且易开发，我通常非常佩服那些做了很牛的基础工作而且支持插件开发的软件，这需要程序在早期就有很好的设计；二是向CRAN提交包没有门槛，只要服从开源的许可证，什么人都可以写包，无论质量优劣。毫无疑问，CRAN上必然有很差劲的附加包，俗话说，CRAN大了，什么包都有。在安装附加包之前，我们得对包的质量有所判断，所以我们需要某种导航。导航有两种方式，官方的和民间的，后者就是口口相传，前者在CRAN上有一个链接，叫Task Views。
	85	+
	86	+关于这坑爹的程序包导航，没有看过它的用户第一次恐怕还真找不到，因为R主站上没有它的链接。R core的答复让人很伤心无奈，不在主页放链接的原因是怕用户直接访问CRAN主服务器给服务器增加负担，所以这个导航不放主页，而在CRAN镜像上躲猫猫。即，你访问<http://www.>看不到导航，必须去<http://cran.>或其它CRAN镜像才能看到。我当时看到这个解释有点石化的感觉。谁有钱了给R core们捐几台服务器吧！免得以后再看见这么寒碜的回答。
	87	+
	88	+开源软件通常都一定提供源代码包给你，但不一定提供编译好的二进制包，我们知道对计算机来说，它不认识源代码，只能运行编译过的代码。用过C语言的对此应该会有深刻印象，你先写一个`.c`文件，再用编译器把它编译为`.exe`（Windows）或`.so`（Linux）等二进制文件才能运行。R也一样，不仅它自己的主程序有源代码可以下载，附加包也一样有源代码。源代码包的形式通常是一个`*.tar.gz`压缩包，到CRAN主页一看就能找到R自己的源代码，形如`R-x.x.x.tar.gz`，其中`x.x.x`是R的版本号，如`2.14.2`；而关于附加包，可以从CRAN左侧的`Packages`链接进去找到所有附加包的列表页面，然后进入具体的包的页面，如果你已经知道包的名字，则可以用
	89	+
	90	+> http://cran./package=foobar
	91	+
	92	+直接访问`foobar`包的页面。其实忍者根本不来这一套，记那么多没用的步骤干嘛，直接打开Google搜CRAN加包名肯定就找到了。每个包的页面里有包的描述和卸载链接，通常有三个链接，分别对应着源代码（`foobar_x.x.tar.gz`）、Mac二进制包（`foobar_x.x.tgz`）和Windows二进制包（`foobar_x.x.zip`），视你的操作系统你可以选择一个下载。注意二进制包都是编译过的，所以那里面是看不到源代码的；要看源代码，必须下载源代码包解压缩之后才能看到，具体的某个函数定义在哪儿，就靠你的文本编辑器的搜索功能了，或者你的直觉。这一大套什么源代码什么二进制文件对普通青年都没用，只是对想深挖包里函数源代码的忍者提供一个下手的方向。
	93	+
	94	+普通青年在R里面安装附加包只需要用`install.packages()`函数，比如：
	95	+
	96	+```r
	97	+install.packages('animation')
	98	+```
	99	+
	100	+当然我这是强行植入广告，因为**animation**包是我写的。如果你没有指定R的镜像地址，R会首先问你从哪个镜像安装，选一个近的或顺眼的即可。当你第一次运行这个命令时，R会这样思考：
	101	+
	102	+1. 你的R的安装目录可写吗？如果有写的权限，那么就把包装到R安装目录下，比如`C:/Software/R/library/`；
	103	+1. 如果安装不可写，比如你装在Windows关键的系统目录下，或者是Linux的`/usr/`目录下，那么R会问你要不要在你的用户目录下新建一个文件夹用来安装附加包；
	104	+
	105	+现在有一项重要的忍术要学习：用户目录。Windows用户对此可能没有感觉，因为软件都悄磨叽往这个目录下写东西，你也没注意过，比如上网的缓存文件等；Linux下的很多软件都必须使用这个目录，因为其它所有目录对当前用户来说都是没有写权限的（除非以超级用户身份输密码再执行）。用户目录的特征是它往往是当前系统用户可写的目录，而且所有写的数据只对当前用户有效；要是换个用户登录这个系统，前一个用户的数据对现在的用户毫无影响。这就比较适合存放软件的配置资料，每个用户的配置只对个人有效，免得同一个系统的不同用户之间相互干扰。预知用户目录在哪儿，请在R中执行：
	106	+
	107	+```r
	108	+normalizePath('~')
	109	+```
	110	+
	111	+波浪线`~`在操作系统中通常表示用户的根目录，`normalizePath()`函数用来“标准化”一个路径，比如把`~`扩展为真实的物理路径。对于第一次听说用户目录的同学来说，不妨看看自己的用户目录下究竟有多少文件和文件夹：
	112	+
	113	+```r
	114	+# 以.开头的都是隐藏文件
	115	+list.files('~', all.files = TRUE)
	116	+```
	117	+
	118	+前面说道，如果R的安装目录不可写，R会在用户目录下创建一个新目录安装包，默认情况下这个目录名由`R版本号` + 操作系统信息 + `library`构成，但仍然是为了将来升级方面，我不推荐使用R默认的目录名称，因为它带版本号。那么如何人工指定R包的固定安装目录呢？这涉及到更高级的忍术：环境变量。下一节分解。
	119	+
	120	+R包通常都是纯R写成的，但也有掺杂别的程序语言的，比如C/C++/Fortran，这都是需要编译才能用的代码，这种情况下，CRAN服务器一般都会把源程序包预先编译为Windows/Mac二进制包，所以用户通常不需要了解如何编译R程序包（这方面的知识我们留到更后面再详述），直接装就是了，但有一种特别的情况例外，就是R包依赖于外部系统程序，这些程序没有打入R包发布，所以用户需要额外安装单独的外部程序。比如打开**animation**在CRAN上的页面<http://cran./package=animation>可以看到有一栏`SystemRequirements`，它说明了这个包的部分函数依赖于外部程序，如GraphicsMagick。
	121	+
	122	+对Linux用户来说，R默认安装方式就是从源代码包直接编译，此时要是有外部依赖软件，可能就会稍微麻烦一点，比如**XML**包依赖于**libxml2**，装R包**XML**之前，为了这个包能成功编译，必须先装系统软件**libxml2-dev**，注意是dev版本，因为通常这种版本里才含有头文件（`*.h`），Linux下的软件编译通常需要完整源文件。在你头疼之前，应该想到这种问题别人也一定觉得烦，所以必然有另外的办法。CRAN的Debian维护者把一些常用的依赖外部软件的R包集合起来直接放到了Debian的软件仓库中，在服务器端就直接解决依赖并编译好，这样我们就不需要额外安装那些源程序包了。这些特殊的包在Debian/Ubuntu中名为**r-cran-foobar**（全小写），比如我们可以直接安装**XML**包：
	123	+
	124	+```bash
	125	+sudo apt-get install r-cran-xml
	126	+```
	127	+
	128	+类似的头疼R包还有**RGtk2**和**rggobi**等，在Synaptic中一搜就有。安装R包不到万不得已不要去使用蛮力（从源代码编译），不值得耗费那时间，忍者要集中于自己的任务，你最终是要折腾数据去的，不是去写Linux内核的。
	129	+
	130	+R包与包之间就像Linux程序包一样也可能存在依赖关系，通常`install.packages()`会自动处理依赖，如果A包依赖于B包，那么装A的时候会自动装B（这例子没举好，我应该用A和C的），就像Ubuntu下`apt-get install`也能自动解决依赖一样。
	131	+
	132	+## 配置R
	133	+
	134	+软件选项多到底是好事还是坏事？我也不知道，总之R像其它开源软件一样，有无穷的选项可配置。对新手来说，这是地狱；对熟悉的用户来说，这也许是天堂吧。我们主要介绍两个配置文件，`.Renviron`和`.Rprofile`。这两个文件名看起来有点奇怪，怪在哪儿？它们只有扩展名，没有主文件名，平时我们看见的文件名似乎都是`foobar.doc`。在操作系统中有一个默认的规则，凡是以点开头的文件都是隐藏文件，而且通常都是配置文件。前面那句`list.files()`代码你要是运行过，可能就会发现很多以点开头的文件和文件夹。
	135	+
	136	+R启动的时候会在系统的若干位置寻找配置文件，如果文件存在就会使用这些配置。这个巨复杂的启动过程在`?Startup`中有详细说明（问号是R中查看帮助的操作符），这是典型的Linux喜欢干的事情，什么点文件，什么环境变量，用得不亦乐乎。我总觉得这些东西把事情复杂化了，所以我只介绍两个配置文件，要是你愿意折腾那一堆系统环境变量，那么请便，我只介绍`PATH`这一个最重要的系统变量。
	137	+
	138	+### `.Renviron`文件
	139	+
	140	+这个文件是为R自身设置一些环境变量的，这里面的环境变量仅仅对R有效，不改变操作系统的设置。先说一下什么是环境变量：它们是在当前操作系统环境中的一些变量，同一个变量对不同的用户或不同的系统可能取值不同，这些变量对整个系统可见，所以系统内的所有程序都可以读取它们的值，就像我们写程序常常会事先赋值给一些常量供后面的代码使用一样。环境变量不需要有特定的名称，可以任意命名，但有些名称是约定俗成有特定意义的，比如`PATH`。
	141	+
	142	+`.Renviron`文件放在你的用户目录下，也就是`~/`。你可以在R里面直接打开这个文件^[注意Windows下你可能无法用鼠标右键新建文件的方式直接创建这个文件，聪明的Windows只允许用户用命令行创建以点开头的文件名，请问你知道`mkdir`这个命令吗，或者你知道命令行窗口在哪儿打开吗？]：
	143	+
	144	+```r
	145	+# 如果文件不存在，它会被自动创建
	146	+file.edit('~/.Renviron')
	147	+```
	148	+
	149	+我只推荐放一个环境变量在这里，就是`R_LIBS_USER`，它指定R的附加包安装目录，比如这个文件里面可以写：
	150	+
	151	+```bash
	152	+R_LIBS_USER="~/R"
	153	+```
	154	+
	155	+写入这一行设置之后，保存文件，重启R，现在R就知道以后安装R包就优先安装到`~/R`目录下，也就是在用户目录下创建一个名为`R`的文件夹用来存放附加包。因为这个目录是固定的，所以即使将来升级R，R也会使用这个目录装包，你再也不必更新关于包的配置。另外一个好处是，R的附加包和主程序包分开在不同的位置，如果你不想用附加包了，你完全可以一口气把`~/R`删光，而完全不影响R自身的运行；否则，要是R主程序和附加包混在一个目录下（默认情况就是这样，除非主程序目录不可写），对包的管理来说也是大麻烦事。忍者必须把指挥部和小兵分清楚。
	156	+
	157	+### `.Rprofile`文件
	158	+
	159	+前面说到R启动时，会查看一系列文件；其中`.Renviron`文件用来设置一些R要用的环境变量，而`.Rprofile`文件则是一个R代码文件，在R启动时，如果这个文件存在，它会被首先执行。因此，如果我们有一些任务要在R启动时运行，或有一些个人选项要配置，都可以写在这个文件里。Windows下这个文件还可以叫另一个名字，但忍者应该遵守统一的纪律，所以我们只用`.Rprofile`这一个文件名。在R里面同样可以用`file.edit()`函数打开这个文件：
	160	+
	161	+```r
	162	+file.edit('~/.Rprofile')
	163	+```
	164	+
	165	+R的`options()`函数可用来设置R运行时的一些选项，其中一个常用的选项就是CRAN镜像地址，它告诉R应该从哪里安装附加包。这个选项默认为空，所以每次安装包或更新包，R都要跳出来问你选择哪个CRAN镜像，跳多了你可能也觉得烦，所以不如直接事先指定这个选项好了。以下是一种我在`.Rprofile`中的配置：
	166	+
	167	+```r
	168	+options(repos = c(CRAN = "http://streaming.stat./CRAN",
	169	+                  CRANextra = "http://www.stats./pub/RWin"))
	170	+```
	171	+
	172	+因为我在爱荷华州立大学，我们系有CRAN镜像，所以当然从这里安装最快；`CRANextra`主要是为Windows准备的，因为CRAN上有极少数的包没有Windows版本，但牛津大学的Ripley大人好心提供了Windows的二进制编译版本，所以那些包可以从他那边安装。
	173	+
	174	+这个文件中可以放任意R代码，就看各位的想象力和R功力如何了，用好这个文件可以为R编程增加不少方便。因为我是R包开发者，而我常用到**devtools**包，所以我的`.Rprofile`文件中还有一句：
	175	+
	176	+```r
	177	+if (interactive()) {
	178	+  suppressMessages(require(devtools))
	179	+  options(warn = 1)
	180	+}
	181	+```
	182	+
	183	+这段话是什么意思，留给读者思考。
	184	+
	185	+### `PATH`环境变量
	186	+
	187	+写这一节的时候，哥的心情十分复杂，因为这个环境变量之重要、人们对它忽视之极以及某操作系统对它隐藏之深，让哥常常感到深深绝望。普通青年可以跳过本节，但忍者必须对本节了如指掌。以下是在某操作系统上找PATH变量的步骤：
	188	+
	189	+> “我的电脑”（右键）–>“属性”–>“高级”–>“环境变量”–>“系统变量”–>PATH
	190	+
	191	+这里我们可以看到一连串路径。为什么系统要有个PATH变量？原因就是为了能够脱离程序的绝对路径以命令行方式来运行程序，这样使得程序员不必担心你的程序装在什么位置。当你在命令行窗口（Linux系统下叫终端，Terminal）中敲入一个命令时，系统就会从这一系列的PATH路径中去找你敲的这个程序是否存在，如果存在就运行它。Windows系统菜单“开始”–>“运行”（或者快捷键Win + R），输入`cmd`回车运行，就会打开一个命令行窗口。如果你从来没用过这玩意儿，那你肯定是Windows深度中毒者，不妨先玩玩`dir`、`cd ..`等简单的系统命令，你每敲一个命令，系统都会从PATH中找有没有对应的可执行文件，比如敲R就会找R.exe或R.bat之类的程序文件，如果它们都不在PATH下，那么这个命令就会报错。
	192	+
	193	+R有多种调用方式，最常见的就是打开R，在里面输入代码运行，这称为交互式的运行，因为用户可以和R实时交互；我们还可以用非交互式方式运行R，这就需要我们能够在命令行窗口中直接调用R，继而需要R自身的路径在系统PATH变量中。
	194	+
	195	+这个路径在哪儿？如果你记不住自己的R装在哪儿，没关系，打开R，输入`R.home('bin')`就知道了。Windows下通常是类似于`C:/Program Files/R/R-2.xx.x/bin/`这样一个路径。说到这里，我得回音体一句：安装R的时候尽量装在一个不带版本号的目录下，否则将来更新很麻烦，而且每次装新版本的R还得再修改PATH变量，因为bin路径变了。当然，这一切都只对Windows有效（Windows简直就是为了折磨忍者而生的），Linux和Mac用户不用操心这个事情，因为它们的可执行文件通常放在某个特定PATH路径下，比如在Linux下查看R的可执行文件位置，就会发现它在`/usr/bin/`下，而这个目录本身就在PATH里面：
	196	+
	197	+```bash
	198	+$ which R
	199	+/usr/bin/R
	200	+$ echo $PATH
	201	+/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin
	202	+```
	203	+
	204	+把R的bin路径添加到PATH中之后，可以在命令行窗口中测试一下是否能调用R：
	205	+
	206	+```bash
	207	+R --version
	208	+```
	209	+
	210	+如果上面的命令打印出R的版本号，那么就配置成功了。这里敲R对命令行来说，就是看看PATH中那些路径里有没有一个路径下包含R.exe或者R.bat之类的可执行文件，这就是所谓的“脱离绝对路径运行程序”。由于Linux系统的程序管理方式和Windows不同（可执行文件通常统一放在`/bin/`或者`/usr/bin/`目录下），所以通常没有这些配置痛苦。
	211	+
	212	+为什么要以非交互式的方式运行R？其实这个问题可以扩展为，为什么要用命令行的方式调用程序？这就涉及到图形用户界面（GUI）操作和命令行界面（CLI）的话题了。计算机和人类各有所长，计算机擅长做枯燥的事情，比如玩儿命循环，跑十次和跑十万次对计算机来说只有时间上的差别，但人类肯定受不了多次重复操作；人类应该做的事情就是把自己的意愿写成代码，指示计算机去做。命令行可以做大量的图形界面无法或很难做的事情，比如批量抓取网页解析数据，要是三五个网页，你也许可以复制粘贴到Excel里，可是要是去复制五百个类似的网页，你还愿意去做吗？这样的事情可以用程序批量化处理。当R在PATH中时，操作系统中的任意其它程序都可以直接调用R，而不必知道R究竟安装在什么目录下，这就为所有程序的协作带来了可能（本来这个事情很简单，但被Windows的程序安装方式给复杂化了）。
	213	+
	214	+我们可以写一个R程序文件，比如叫`foobar.R`，里面包含抓取网页的代码，那么我们可以在命令行中直接执行它：
	215	+
	216	+```bash
	217	+R -f foobar.R
	218	+```
	219	+
	220	+R还有另一个可执行文件叫`Rscript`，如果上面的PATH修改成功，我们也可以用`Rscript`命令执行一个R代码文件：
	221	+
	222	+```bash
	223	+Rscript foobar.R
	224	+```
	225	+
	226	+注意这些都是在命令行窗口中运行，而不是打开R，在R里面输入运行。以命令行方式调用R还有一个好处，就是它会新开一个R进程来执行文件，这样保证程序运行环境的干净；相比之下，交互式运行R代码的时候，可能会存在上一段代码中的结果意外“污染”下一段代码的运行，你现在觉得你的程序运行没有问题，但发给别人之后别人无法运行。
	227	+
	228	+关于R作为命令行工具的更多用法，参见：
	229	+
	230	+```bash
	231	+R --help
	232	+```
	233	+
	234	+这是大多数Linux命令常用的查看帮助文件的方式（命令跟着`--help`参数）。
	235	+
	236	+### Windows下的Rconsole文件
	237	+
	238	+前面介绍的是所有系统通用的配置，这里我们再介绍一下Windows独有的一个配置文件：`Rconsole`，它是一个文本文件，它的路径可以直接用R代码找到：
	239	+
	240	+```r
	241	+file.path(R.home('etc'), 'Rconsole')
	242	+```
	243	+
	244	+你可以用任何文本编辑器打开它。这个文件用来配置Windows下R界面的属性，例如界面语言或字体等。Windows下默认的RGui字体是Courier New，如果我们的系统中安装了其它等宽字体，我们可以修改这个配置文件中的`font`项，例如使用DejaVu Sans Mono字体：
	245	+
	246	+```
	247	+font = TT DejaVu Sans Mono
	248	+```
	249	+
	250	+界面语言也是一个常见问题，我们可以修改`language`项为中文（`zh_CN`）或英文（`en`），如：
	251	+
	252	+```
	253	+language = en
	254	+```
	255	+
	256	+修改语言的一个重要原因是R的中文翻译尚欠缺火候，即使是很熟悉R的人，有时也未必能看懂中文错误消息。希望国内有热心志愿者能在这方面做出更多贡献，翻译小组的文件库位于：<https://github.com/r-cn/r-cntrans>。不过忍者必须熟悉英文，仅仅靠翻译的文字很难走远。
	257	+

100 ????? 11-auto-report.md

• View file @ 6a419d9

...	...	@@ -0,0 +1,100 @@
	1	+# 自动化报告
	2	+
	3	+人类和计算机有各自擅长的东西，人擅长下指令，计算机擅长执行指令，而且对计算机来说，一个任务做一遍或是做一百遍可能只有时间上的区别，但一个人要是同一个任务重复做一百遍可能就抓狂了，而且容易出错。先跑个题，我想起来有个[短片](http://v.youku.com/v_show/id_XMjQyNjU3NjA0.html)叫《What is that》（那是什么），讲的是一对父子和一只麻雀的故事，网上一[搜](http://www./gb/jtjy/qzp/56-ai.htm)就可以找到；当然，它的主题并不是关于人不能忍受重复劳动，我只是跑题而已。
	4	+
	5	+另一方面，人还有最大的一个特征就是懒惰；懒没什么错，看怎么个懒法。有人纯粹是混日子的懒，有人是为了更高效率工作而走捷径。用R做自动化报告就是为了提高效率和保证结果可重复。
	6	+
	7	+## 历史
	8	+
	9	+在R的世界里，凡是提到自动化报告，很多人就会想到Sweave，它已经诞生十几年了。它的主要设计思想来自于文学化编程（Literate Programming），这是Knuth大神提出来的一种编程范式，它与传统的结构化编程不同。结构化编程就是写那些循环（for/while）、选择分支（if else）、函数模块之类的代码，让计算机去按设定好的程序结构去执行，而文学化编程则是把代码嵌入所谓的文学作品中，之所以说所谓的，是因为这里的文学不一定真的是那种常规意义下的文学，只是指人类语言而已，相对计算机代码而言。文学化编程的思想很简单：代码和正文混和在同一个文档中，编译的时候既可以把代码抽出来运行得到结果，也可以把正文抽出来形成软件文档。最初它是为了写软件而设计的，这种设计方式的优势显而易见：代码和文档在一起，方便互相更新和照应。比如修改了代码之后可以很快也更新相应的文档段落，而不必像传统方式那样，从源代码文件跳到文档文件中去更新（人的记忆不可靠，这事儿经常忘记，造成代码和文档不一致）。
	10	+
	11	+要使用文学化编程，必须得有一些设定的规则来标记哪些是代码，哪些是正文，否则这事儿没法进行。最早的语法是这样：用`<<>>=`来标记代码的开始，用`@`标记正文的开始，凡是遇到这两类符号，也就意味着要换频道了，下文要标记为代码或正文。例如，
	12	+
	13	+```
	14	+@
	15	+hello, I will do 1 + 2 next:
	16	+
	17	+<<foo>>=
	18	+1 + 2
	19	+@
	20	+
	21	+OK, I'm done now.
	22	+```
	23	+
	24	+这一块文字中包含两段正文和一段代码。编译它的时候，计算机根据前面的规则就知道`<<>>=`下面的是可以运算的代码，而`@`下面是正文，不能当作代码运行。这就是文学化编程的基本思想，它可以很容易移植到自动化报告中来，下面我们再详细说里面的细节问题。Sweave借用了这个思想，把R代码嵌入报告中，编译报告的时候R代码被执行，源文档中的R代码在输出的时候被替换为相应的运行结果，这些结果和原来的报告正文混合起来就形成了一篇有结果的报告。这样，我们只需要维护包含源代码的源文档，让结果文档自动生成，而不要手工运行代码并复制粘贴结果到文档里，这样做既累人又容易出错。记住，只有源代码是可以信赖的。注意我并不是说它的结果一定是对的，或者源代码一定是对的，代码当然可能是错的，但源代码要是错了我们可以检查出来，而要是人工操作哪里出了岔子就很难查错，比如你本来应该点这个按钮，结果你当时点了另一个，如果没有完整的屏幕录像，恐怕追溯结果的来源时就比较困难了。源代码通常是文本文件，可以放入版本控制如GIT或SVN，记录完整的修改历史。附带说一句，版本控制（Version Control）工具是忍者必备工具，后面会讲，你要是不会这东西的话，别跟别人说你看过这本书。
	25	+
	26	+文学化编程最早和TeX结合在一起，因为文档用TeX写漂亮嘛，但这事儿跟Knuth肯定也脱不了关系，因为这位大神就是TeX系统的作者，这是计算机世界的佳话（老人家当年不满意出版社的排版质量，一举自己写了一套高质量排版系统，并写支票奖励发现缺陷的人，奖金都是16进制的1美元，而且金额随缺陷数目递增，我跑远了，各位要是没听说过这些轶事自己搜吧）。于是，计算机代码用某种语言写，比如C语言，而文档用TeX写；要源代码可以抽代码，要文档可以抽文档，皆大欢喜。
	27	+
	28	+Sweave的诞生也跟TeX绑在一起，这就为它后来的应用埋下了悲剧的种子，因为TeX不是一般人能精通的。我用了八年LaTeX，自认为对它还比较熟，但仅限于使用，要是让我去读那些LaTeX包的源代码，我几乎读不懂，太庞大太复杂了。Sweave的设计里处处是硬编码，所以它很难扩展，一直以来只能被框在TeX世界里，曲高和寡。尽管Knuth大人弄出来这样一个牛轰轰的想法，Sweave基本上也把它实现了，但这东西太难推广了。初学者编译TeX文档难免遇到一堆看不懂的错误，进而气馁，最后疏远它。我用了几年Sweave，在这方面也做了很多工作，想让它变得易用一些，比如开发了LyX模块，让用户可以在LyX里面点按钮就可以直接编译得到PDF文件。即便如此，Sweave的深层问题无法解决，很多简单的问题我等了又等（比如设置图片在TeX文档中的宽度），一直没有等到答案，屡屡想重写它，但忍者的基本素质就是忍，没事儿不要重新发明一个东西。2011年底我终于忍不住了，操起键盘重写了一个新包，叫**knitr**。
	29	+
	30	+## knitr包
	31	+
	32	+你要是没学习过Sweave，最好别去花那时间，可以直接跳入**knitr**世界，它兼容Sweave并提供了无限的扩展性，这本书就是用它基于Markdown写的。先举一个hello world例子吧：
	33	+
	34	+
	35	+
	36	+```r
	37	+1 + 2
	38	+```
	39	+
	40	+
	41	+
	42	+```
	43	+## [1] 3
	44	+```
	45	+
	46	+
	47	+
	48	+```r
	49	+dnorm(0)  # 标准正态分布在0处的密度值
	50	+```
	51	+
	52	+
	53	+
	54	+```
	55	+## [1] 0.3989
	56	+```
	57	+
	58	+
	59	+
	60	+```r
	61	+summary(lm(dist ~ speed, data = cars))  # 一个回归
	62	+```
	63	+
	64	+
	65	+
	66	+```
	67	+##
	68	+## Call:
	69	+## lm(formula = dist ~ speed, data = cars)
	70	+##
	71	+## Residuals:
	72	+##    Min     1Q Median     3Q    Max
	73	+## -29.07  -9.53  -2.27   9.21  43.20
	74	+##
	75	+## Coefficients:
	76	+##             Estimate Std. Error t value Pr(>|t|)
	77	+## (Intercept)  -17.579      6.758   -2.60    0.012 *
	78	+## speed          3.932      0.416    9.46  1.5e-12 ***
	79	+## ---
	80	+## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
	81	+##
	82	+## Residual standard error: 15.4 on 48 degrees of freedom
	83	+## Multiple R-squared: 0.651,  Adjusted R-squared: 0.644
	84	+## F-statistic: 89.6 on 1 and 48 DF,  p-value: 1.49e-12
	85	+##
	86	+```
	87	+
	88	+
	89	+
	90	+
	91	+上面你看到的是R的输出，其实它的源文件只有5行，1行标记代码开始，3行R代码，1行标记正文开始。
	92	+
	93	+## 编辑器
	94	+
	95	+### LyX
	96	+
	97	+### RStudio
	98	+
	99	+## 其它包
	100	+