0 基础的我如何快速理解和部署一个 R 语言项目
本文记录一下自己是如何在0基础的情况下，接手到一个只有代码，缺乏文档的 R 语言项目，并且将其调试并部署成功的。
前言
首先，我对 R 语言是不了解的，从来没学习过。我拿到这个项目的时候也不清楚这个实际上是做什么的，但是好在我知道这个项目的输出呈现是什么东西，至少可以有一个反馈。
我是如何做的
第一步，既然不了解 R 语言，那就先看一个快速入门，目的在于了解简单的 R 语言的语法，让自己大致看得懂代码。这里推荐看R 数据分析指南与速查手册。
第二步，我们应该要了解如何安装和配置一个 R 语言的环境。这里，我使用的最简单的方法就是利用 conda 来管理 R 语言的环境，这个可以参考我的另外一篇文章。简单来说，你可以直接去 https://anaconda.org/ 上搜索相应的 R 包的名字，找到之后按照提示安装即可。大部分的 R 包都是从 conda-forge 和 bioconda 安装的，其他的 channel 可能存在打包质量不高的情况，不建议安装。conda 没有提供的 R 包，那么依然就用传统的编译安装了，这里不再赘述，教程很容易可以搜索到的。
注意，这里的安装配置环境应该是穿插在整个过程中的，毕竟一开始我们也不知道要安装什么包啊。
第三步，快速阅读代码，并尝试运行。具体的步骤：
- 阅读其中的 R 源码，即每一个
.R文件。 - 关注这些 R 源码之间的关系，看看是哪一个 R 文件 source 了哪个文件，了解整个脉络。
- 理清关系之后，可以发现项目包含数据的预处理和主程序部分。
- 进一步看一下每一个 R 文件中的数据输入和输出，即这些源码需要读取哪些数据文件，输出哪些数据文件。
- 尝试运行，通过提示安装需要的 R 包。其实这里也可以通过看代码里的
library()方法的调用看到需要安装哪一个包。 - 经过反复尝试，我发现这边缺少了一些输入数据，因而尝试屏蔽了数据的输入部分，最后总算将代码运行起来，并看到了网页的输出。
第四步，我们就不得不更加详细的了解其中代码细节，特别是数据的输入部分。经过分析和理解，我们从相应的网站获取到了数据并作为输入。但是实际运行的时候，我发现数据预处理部分太慢了。经过仔细分析，发现其在算法涉及上存在大量重复的IO读写操作，经过简单的优化，速度就可以得到明显的提升。
第五步，我个人比较熟悉 Python。因而我搜索了 Python 是否有相关的库来实现其中的一部分功能。我发现预处理部分可以用 Python 来改写，逻辑上更加清晰，代码也更好理解。
小结
以上就是一点简单的总结，从一开始完全不清楚接手的是啥，到最后不仅能将代码跑起来，还要简单的改造一部分，提升速度。