第2章：RStudio使用技巧与调试

RStudio 是我每天打交道最多的工具。说真的，很多人装上 RStudio 就直接写代码，结果遇到报错慌了，或者反复重跑整个脚本。其实花 10 分钟掌握几个核心技巧，调试速度能翻一倍。

2.1 项目工作目录

我个人习惯——每个分析任务单独建一个 RStudio Project。而不是用 setwd() 到处跳。为什么呢？因为项目文件会自动锁定工作目录，多人协作或者换电脑时，路径不会乱。

# 坏习惯：硬编码路径
setwd("C:/Users/xxx/Documents/data")

# 好习惯：使用项目相对路径
library(here)
read.csv(here("data", "raw", "sales.csv"))

2.2 代码片段与自动补全

RStudio 的代码补全其实很聪明。你敲 read. 按 Tab，它会把 read.csv、read.table 全部列出来。但很多人不知道可以自定义代码片段（Code Snippets）。

# 在 Tools → Global Options → Code → Editing → Enable code snippets
# 然后编辑 ~/.R/snippets/r.snippets

snippet hist
    hist(${1:data}, breaks=${2:30}, col="${3:steelblue}", main="${4:Histogram}")

敲 hist 再按 Tab 或 Shift+Tab，整个模板就出来了。我写课上练习时经常用这个，省掉打括号的功夫。

2.3 调试三板斧：browser / debug / traceback

遇到报错不要慌。先看错误信息，然后按顺序试这三个工具。

• browser()：在函数里插一行 browser()，运行到那自动进入调试模式，能看到所有变量。
• debug()：执行 debug(my_function)，然后调用函数，一步步执行。
• traceback()：报错后立刻执行 traceback()，列出函数调用栈。

# 示例：写一个会报错的函数
compute_mean <- function(vec) {
  browser()            # 停在这里
  result <- sum(vec) / length(vec)
  return(result)
}

compute_mean(c(1, 2, NA))  # 进入浏览器

进去后可以用 ls() 看变量，用 n 单步执行，用 Q 退出。我曾经对付一个 200 行的自定义函数，就是用 browser 一步步排查出某个变量被提前覆盖了。

2.4 快捷键：少用鼠标

我总结了一张最常用的表，贴在显示器旁边。

2.5 避坑指南：RStudio 黑掉的常见情况

• 手动点“Run”导致错位：很多人习惯用鼠标点 Run，结果光标越跑越乱。用快捷键 Ctrl+Enter 会更可控。
• 环境里留了旧变量：每次跑新分析前，我习惯执行 rm(list=ls()) 或重启会话，避免名字冲突。
• 看不见包里的函数：记得 library(package) 后再用，或者用 package::function() 显式调用。

2.6 核心逻辑：RStudio 使用与调试流程

下面这张图帮你理清整个思路。从创建项目开始，到写代码、快速定位错误、修复并验证，一气呵成。

画这张图的时候我特意把“继续”和“调试”分了两条路。正常情况直接往下走；一旦报错，就进入右边的调试循环，修复完再回到主线。很多新手会卡在调试那步瞎试，其实按这个流程走很快。

2.7 调试实战案例

最后分享一个真实场景。上周我帮学生看一段数据处理代码，报错 “Error in $<-.data.frame : replacement has 3 rows, data has 2”。

• 我先用 traceback() 看调用栈，发现是第 15 行 df$col <- temp 出的错。
• 然后在第 15 行前插 browser()，运行后用 nrow(df) 和 length(temp) 一查，果然 temp 是 3 个值，而 df 只有 2 行。
• 原来上游过滤数据时条件写错，少过滤了一行。修正过滤条件后，问题解决。