tidyverse有两层基本含义：（1）基于Google 社区的R 代码风格（Google’s R style guide）衍生的一种使代码清晰可读的编程风格；（2）一系列基于前述风格而编写的数据处理R 包。tidyverse一词中的tidy意为整洁，verse意为诗篇、诗行，合起来意指代码或数据如诗行般整洁易读，即成为“整洁代码”（tidy code）或“整洁数据”（tidy data）。熟悉这一风格和相关R 包，可使数据处理和代码编写过程更为便捷高效，且易于与其他数据分析者交流沟通。
建立较为统一的代码书写风格，可方便不同用户之间的沟通与协作。这里基于tidyverse模式择要介绍目前R 编程中的主流风格，并根据中文用户的习惯做部分调整和说明。某些内容可能初学者并不一定很快遇到，但仍宜先行阅读，以建立良好的书写规范。详细的tidyverse风格说明参见如下链接：
三、命名规范
1.文件名
文件名应能体现文件的实质内容，只使用数字、英文字母、中划线-和下划线_。尽量避免文件名中的英文字母大小写混用，宜只使用小写，并建议使用_或-连接文件名中的不同英文，如nankai_psy_2017。
若多个文件存在特定顺序，应以数字作为前缀。如果有超过10个文件，对于个位数的前缀要在前面添补一个0。例如：
其中，.后的xx表示适当的文件后缀名，可能是csv、xlsx、pdf、png等。
超过100个文件则在最开始补充00，依此类推。
2.变量与函数名
变量和函数名应只使用小写字母、数字和下划线_。下划线（_）用于分隔较长命名中的不同单词，避免用.分隔。例如，变量名写成bmi_women，而不是bmi.women；函数名写成trim_gini，而不是trim.gini。变量名应是名词，而函数名应是动词，且应尽量简洁。
这里和base R可能有些区别
在标识符中不要使用下划线 (
_) 或连字符 (-). 标识符应根据如下惯例命名. 变量名应使用点 (.) 分隔所有的小写字母或单词; 函数名首字母大写, 不用点分隔 (所含单词首字母大写); 常数命名规则同函数, 但需使用一个k开头.variable.name正例:avg.clicks反例:avg_Clicks,avgClicksFunctionName正例:CalculateAvgClicks反例:calculate_avg_clicks,calculateAvgClicks函数命名应为动词或动词性短语. 例外: 当创建一个含类 (class) 属性的对象时, 函数名 (也是constructor) 和类名 (class) 应当匹配 (例如, lm).kConstantName
我自己日常更多是类似于tidy风格。
3.赋值
尽量使用<-而不是=进行对象赋值。
=号宜只用于参数传递。
四、写作语法
1.空格
汉语写作中基本无须注意空格，但在英文书写和编程中正好相反。在适当的地方插入空格，可使文本和代码整洁美观，务必引起重视。
=、+、-、<-这四个符号两侧需要有一个空格。与正常英文书写一样，逗号后面（而不是前面）应有空格。
但是，:、::和:::两侧不需要空格。
小括号(的前面需要加空格，调用函数时除外。
若为对齐=号或赋值符号<-，可使用多个空格。
2.缩进
通常不用制表符（Tab 键）进行缩进，用两个空格进行缩进。
花括号{}用于定义R 代码中的层级。{}内的每行代码前应缩进两个空格。大括号的左半边{不能独占一行，其后应另起一行。右半边}应独占一行，除非后面有else或)。
若if语句非常简单，仅占一行，可不使用花括号。例如：
3.行宽
每行代码宜不超过80个字符。若代码超出这一长度，应尽量将一些功能打包成独立的函数。
若代码太长，不能写成一行代码，可以一行写函数名，一行写参数，一行写右括号)。这样代码可读性更强，也便于修改。例如：
若参数之间关系密切，可以将几个参数放在同一行中，例如用paste()或stop()调用字符串。如有可能，生成字符串时要将一行代码和它的输出放到同一行中。
不要把分号;放在行尾，也不要用它分隔同一行的多条命令。
4.管道操作
当将三个或更多的函数嵌套调用，或者创建无须关心的中间对象时，要使用管道操作符：%>%，其含义是将上一个函数的结果传递作为下一个函数的第一个参数。%>%的前面应有一个空格，后面的代码应另起一行。若一个函数的所有参数不能同时在一行中，则在每行放置一个参数并且缩进。完成第一步后，每一行都应缩进两个空格。即使某一步的管道操作可以省略对象，也应在函数名后加上()。参见如下示例：
如果需要操纵不止一个对象，或者中间对象具有实际意义且后面需要加以调用时，应避免使用管道操作。虽然在管道操作的最后可用->赋值，但应尽量避免这一做法，以增加代码的可读性。
5.注释
每行注释都以#号开始，#号后需要加一个空格。
可使用由-和=构成的注释行将文件分割成容易理解的段落。
五、tidyverse 包简介
作为R 包的tidyverse 集合了当下最为流行的数据处理包，是简化数据操纵、便利统计操作、美化结果呈现的高效工具。
1.基本理念
整洁数据是Hadley 等人极力提倡的一个数据处理理念。若要执行统计计算，统计软件对数据格式有一定要求。但通常外部导入的数据并不一定能达到软件处理的要求，而需要进行一定的预处理，此过程通常也称为数据清洗（data cleaning）。实际上，这种前期处理的工作往往占据比狭义的统计分析更多的时间。为此，需要将无序数据（messy data）整理成可供计算机程序识别与处理的、具备特定格式的数据，即整洁数据，其基本特征有三：
1.每列为一个变量（Each variable is in a column）；
2.每行为一个观测（Each observation is in a row）；
3.每个单元格为一个取值（Each value is a cell）。
这些特征在后面的例子中会逐一呈现，这里暂不展开。分析者获得的数据有些本身就适宜软件分析，但很多时候并非如此。使用tidyverse 包，可高效地将无序数据转为整洁数据，以便软件分析。
2.安装与加载
安装tidyverse 包，即可一次性安装多个系列包。具体如下：
此命令将安装如下包：
最常用数据分析包：
ggplot2，用于数据可视化
dplyr，用于数据操纵
tidyr，用于数据整洁
readr，用于读入R 格式数据
purrr，用于编程
tibble，用于形成便于数据处理的数据框
数据操纵类：
stringr，用于处理字符串数据
lubridate, 用于处理日期和时间数据
forcats，用于处理因子数据
数据导入类：
DBI，用于联接数据库
haven，用于读入SPSS、SAS、Stata 数据
httr，用于联接网页API
jsonlite，用于读入JSON 数据
readxl，用于读入Excel 文档
rvest，用于网络爬虫
xml2，用于读入xml 数据
数据建模类：
modelr，用于使用管道函数建模
broom，用于统计模型结果的整洁
安装成功后，可通过常规方式加载tidyverse 包，结果如下：
library(tidyverse)
此时加载的是最常用的数据分析包，如ggplot2、dplyr、tidyr 等。若需其他tidyverse 包，可再单独导入。
若要查看此中的相关包是否为最新版本，可通过如下命令：
此时若出现相关更新提示，可遵照执行。
在Selection后键入1即可更新相关包。
开始数据分析时，不论是否用到，可先加载tidyverse 系列包，以便后续工作。此后将对此系列包中的重点R 包展开详细介绍。
最后一次修改于 2020-02-13