R Academy · Lektion

Kommentarer, stil och läsbarhet

Skriv ren och dokumenterad R-kod enligt style guide för tidyverse.

Lektion 2 av 413 steg

Kommentarer, stil och läsbarhet är en gratis lektion i R Academy på CoddyKit. Detta är lektion 2 av 4. Du kan läsa vilka 3 lektioner som helst i den här lärvägen kostnadsfritt i sin helhet – därefter låser CoddyKit PRO upp alla lektioner, plus praktisk övning med en inbyggd kodredigerare och en AI-lärare dygnet runt. Den ingår i lärvägen för R Academy, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i R Academy innehåller totalt 4 lektioner.

Kommentarer på en rad med #

I R inleder tecknet # en kommentar. Allt från # till radens slut ignoreras av tolken. Kommentarer är till för människor – förklara varför, inte bara vad.

# This is a comment — R ignores it completely
x <- 42   # inline comment after code

# Bad comment (states the obvious):
y <- y + 1   # add 1 to y

# Good comment (explains intent):
y <- y + 1   # shift index to 1-based for output display

cat('x =', x)

Avsnittsrubriker med ------

En vanlig R-konvention är att skapa avsnittsrubriker genom att lägga till minst fyra bindestreck, likhetstecken eller nummertecken efter kommentarstexten. RStudio känner igen dessa och lägger till dem i dokumentöversikten för enkel navigering.

# Data Loading -------------------------------------------------------

# This section loads raw CSV files from the data/ folder

# Data Cleaning =======================================================

# Remove duplicates and fix missing values

# Modeling ############################################################

# Fit linear model and evaluate

cat('Section headers improve navigation')

Namngivningskonventionen snake_case

Stilguiden för tidyverse rekommenderar snake_case för alla objektnamn: gemener med ord separerade av understreck. Undvik punkter (som liknar metodanrop i andra språk) och camelCase för konsekvensens skull.

# Good: snake_case
user_age <- 25
monthly_revenue <- 15000
calculate_mean <- function(x) mean(x)

# Avoid: dots in names (looks like OOP method calls)
user.age <- 25       # confusing

# Avoid: camelCase (inconsistent with tidyverse)
userAge <- 25

# Avoid: ALL_CAPS (reserved for true constants by convention)
MAX_RETRIES <- 3     # acceptable for config constants only

cat('snake_case wins')

Mellanslag runt operatorer

Skriv alltid mellanslag runt tilldelnings- och jämförelseoperatorer. Det förbättrar läsbarheten avsevärt. Det enda undantaget är inuti funktionsargumentlistor, där = binder argumentnamn.

# Good: spaces around <- and operators
x <- 10
y <- x + 5
result <- x * y - 2
is_valid <- x > 0 & y < 100

# Bad: cramped
x<-10
y<-x+5

# Function arguments: = without extra spaces is fine
mean(x = c(1, 2, 3), na.rm = TRUE)

# Comparison operators also need spaces
if (x > 0) cat('positive')
if (x >= 0 & y <= 100) cat('in range')

Använd <-, inte =, för tilldelning

Även om R tillåter = för tilldelning på toppnivå är den starka konventionen i communityn att använda <- för objekttilldelning och reservera = enbart för funktionsargumentens värden. Denna åtskillnad gör koden mycket enklare att snabbt läsa.

# Correct: <- for assignment
name <- 'Alice'
score <- 95.5
results <- c(1, 2, 3)

# Correct: = inside function calls
round(3.14159, digits = 2)
read.csv('data.csv', header = TRUE, sep = ',')

# Avoid: = for top-level assignment
# name = 'Alice'   <- works but not idiomatic

cat('Assignment convention:', name, score)

Gränsen på 80 tecken per rad

Om Ni håller raderna under 80 tecken förblir koden lättläst i redigerare med delad vy, utskrivna sidor och verktyg för kodgranskning. I RStudio kan Ni visa en marginal vid kolumn 80 via Tools → Global Options → Code → Display.

# Bad: one very long line (hard to read)
result <- some_function(argument_one = 'value', argument_two = 100, argument_three = TRUE, argument_four = 'long_string')

# Good: break at commas, indent continuation
result <- some_function(
  argument_one   = 'value',
  argument_two   = 100,
  argument_three = TRUE,
  argument_four  = 'long_string'
)

cat('Readable at 80 chars')

Inga semikolon

Till skillnad från JavaScript eller C kräver R inte semikolon i slutet av satser. Semikolon kan användas för att placera flera satser på samma rad, men stilguiden säger: en sats per rad, inga semikolon.

# Bad: semicolons and multiple statements per line
x <- 1; y <- 2; z <- x + y

# Good: one statement per line
x <- 1
y <- 2
z <- x + y

# The semicolon form is only acceptable in very short
# interactive throwaway code, never in scripts
cat('z =', z)

Lättlästa variabelnamn

Välj namn som är beskrivande utan att vara överdrivet långa. En bra tumregel är: om Ni behöver tänka i mer än en sekund för att förstå ett variabelnamn sex månader senare är det för kort eller för kryptiskt.

# Too cryptic:
d <- read.csv('data.csv')
tmp <- d[d$v1 > 0, ]
r <- lm(v2 ~ v1, data = tmp)

# Good names:
sales_data    <- read.csv('data.csv')
positive_rows <- sales_data[sales_data$revenue > 0, ]
revenue_model <- lm(profit ~ revenue, data = positive_rows)

# Avoid abbreviations that are not universally understood:
# n_obs is fine (number of observations)
# nrv is not (nobody knows what this is)

cat('Names tell the story')

Klammerparenteser och indrag

Stilguiden för tidyverse anger följande: inledande klammerparentes { på samma rad och avslutande klammerparentes } på en egen rad. Använd 2 mellanslag för indrag (inte tabbar). Konsekventa indrag är avgörande för att kunna läsa nästlad logik.

# Good style: brace on same line, 2-space indent
if (x > 0) {
  cat('positive\n')
} else {
  cat('non-positive\n')
}

# Good function definition:
calculate_bmi <- function(weight_kg, height_m) {
  bmi <- weight_kg / height_m^2
  round(bmi, 1)
}

cat('BMI:', calculate_bmi(70, 1.75))

Mellanslag inuti hakparenteser och efter kommatecken

Skriv ett mellanslag efter varje komma (som i engelsk text), men inget mellanslag före ett komma eller direkt innanför hakparenteser. Detta följer matematisk notation och gör indexering lättare att läsa.

# Good: space after comma, not before
x <- c(1, 2, 3, 4, 5)
m <- matrix(1:9, nrow = 3, ncol = 3)

# Subsetting: no space before [ or inside []
first_row <- m[1, ]      # good
value     <- m[2, 3]    # good

# Bad:
# c(1,2,3)     <- no space after comma
# m[ 1, ]      <- space after [
# m[1 , ]      <- space before comma

cat('Spacing is consistent')

Använda styler och lintr

Två verktyg automatiserar stilkontroller i R. styler formaterar om koden så att den följer stilguiden för tidyverse. lintr kontrollerar statiskt koden med avseende på stil och möjliga fel utan att köra den. Båda kan integreras med RStudio.

# styler: reformat a file automatically
# install.packages('styler')
# styler::style_file('my_script.R')

# styler: reformat the whole project
# styler::style_dir('R/')

# lintr: check for style and potential bugs
# install.packages('lintr')
# lintr::lint('my_script.R')

# lintr reports issues like:
#   line 10: [object_name_linter] Variable 'myVar' should use snake_case
#   line 15: [spaces_around_ops_linter] No space before '<-'

cat('Style tools: styler + lintr')

Snabbkontroll

Vilket av följande är enligt stilguiden för tidyverse det korrekta sättet att skriva en tilldelningssats i R?

Stil och läsbarhet – viktiga slutsatser

R-kod med god stil är professionell, underhållbar och lämpad för samarbete:

  • # för kommentarer – förklara varför, inte bara vad
  • Avsnittsrubriker med ------ eller ====== för navigering
  • snake_case för alla objekt- och funktionsnamn
  • Mellanslag runt <-, +, == med flera
  • Använd <- för tilldelning, = endast i funktionsargument
  • Högst 80 tecken per rad – dela upp långa anrop på flera rader
  • Inga semikolon – en sats per rad
  • Indrag med 2 mellanslag, inledande { på samma rad
  • Använd styler för automatisk formatering och lintr för att upptäcka problem
# Putting it all together:

# Calculate summary statistics ----------------------------------------
calculate_summary <- function(values, remove_na = TRUE) {
  cleaned <- values[!is.na(values)]
  list(
    mean   = mean(cleaned),
    median = median(cleaned),
    sd     = sd(cleaned)
  )
}

test_scores <- c(85, 90, NA, 78, 92, 88)
stats <- calculate_summary(test_scores)
cat('Mean:', stats$mean, '\n')
cat('SD:  ', stats$sd)
Gratis att börja

Lär dig R med en AI-lärare – gratis

Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.

Kurser
43
Lektioner
159

Vanliga frågor

Är lektionen ”Kommentarer, stil och läsbarhet” gratis?

Ja – du kan läsa vilka 3 lektioner som helst i lärvägen R Academy, inklusive ”Kommentarer, stil och läsbarhet”, kostnadsfritt i sin helhet här på webben. Därefter låser CoddyKit PRO upp alla lektioner, plus interaktiv övning med en inbyggd kodredigerare och en AI-lärare dygnet runt. Kursen i R Academy innehåller totalt 4 lektioner.

Vad lär jag mig i ”Kommentarer, stil och läsbarhet”?

Skriv ren och dokumenterad R-kod enligt style guide för tidyverse. Ni övar på R Academy med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.

Behöver jag någon erfarenhet för att börja lära mig R Academy?

Du behöver inga förkunskaper. Utbildningen i R Academy på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 2 av 4.

Hur lång tid tar lektionen ”Kommentarer, stil och läsbarhet”?

De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.

Kan jag skriva och köra kod i den här R Academy-lektionen?

Ja. Varje R Academy-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.

Alla lektioner i den här kursen

  1. Använda source() för att läsa in skript
  2. Kommentarer, stil och läsbarhet
  3. Arbetskataloger och filsökvägar
  4. R-projekt och hantering av arbetsytan
← Tillbaka till R Academy