2.3 找到R脚本中的错误
R语言初学指南
复杂项目中的R脚本会非常长。即使是R专家，也很少能一次性将其编写正确。脚本中的所有错误都是通过调试来修改的。
在脚本中称追踪错误或“bug”为“调试”。调试包括一些适用性检测工作。
下面在脚本中故意制造一个bug，由此来练习如何调试。首先来做一些清理工作。使控制台成为活动窗口，并输入下列命令：
>objects()
按照惯例，这里在展示控制台中的命令时，依然在其前面显示R提示符（“>”），但要记住，在控制台中不需要输入该提示符。不要忘记命令末尾的括号。在运行该命令后，就可在工作区内看到一串已用R命令建立好的“对象”：
[1] "a" "b" "k" "kill.rate"
[5] "m" "moose.density"
这些对象已存储在R中，可供日后调用。现在输入下列命令：
>rm(a,b,k,kill.rate,m,moose.density)
>a
哎？找不到对象a了，其他几个对象也找不到。命令rm()表示“移除”，它会删除括号中的所有对象。由于用户可能会忘记之前在R会话中建立的对象，而导致后面的计算出现错误，这时命令objects()和rm()就会非常有用。
现在开始通过制造bug来搞破坏！回到R编辑器中，将脚本的第一个命令moose.density的首字母改为大写字母M，然后重新运行脚本。这时会弹出图形窗口，但其中没有图形显示——出现错误了。看一下控制台，找到与下列语句相似的内容（在不同版本的R中，出现的错误信息可能会稍有不同）：
> Moose.density=c(.17,.23,.23,.26,.37,.42,.66,.80,1.11,1.30,1.37,
+ 1.41,1.73,2.49)
> kill.rate=c(.37,.47,1.90,2.04,1.12,1.74,2.78,1.85,1.88,1.96,
+ 1.80,2.44,2.81,3.75)
> plot(moose.density,kill.rate,type="p")
Error in plot(moose.density, kill.rate, type = "p") :
object 'moose.density' not found
> m=2.5*(0:100)/100
> a=3.37
> b=0.47
> k=a*m/(b+m)
> points(m,k,type="l")
Error in plot.xy(xy.coords(x, y), type = type, ...) :
plot.new has not been called yet
控制台中重现了脚本，其中还包含两条错误信息。这里有两点非常重要，需要注意。
首先，尽管没有修改plot()语句和points()语句，但它们下面出现了错误信息，而实际上有错误（大写字母M）的语句却没有任何提示。在脚本中，错误可以影响下面一系列命令出错。这里，定义向量Moose.density的命令是一个在R中完全正确的语句，它在R的内存中建立了对象Moose.density以便日后调用，在控制台中使用object()命令即可看到这一对象。问题出在绘图语句上。plot()语句使用的向量moose.density并不存在，故plot()语句无法进行绘图。接着由于没有元素可以添加到图形中，points()语句也就无法执行。
其次，在通常情况下，若可以定位并修正某个错误，则后面的一些错误也会被修正。因此，建议用户在策略上，要从上到下一个一个地修改错误。此外，在每修改完一个语句或一小部分R脚本后，就对它们进行测试，以防修改本身包含错误并对后续的语句产生影响。不过，即使再小心谨慎，也几乎没有很长的R脚本可在第一次就能完美地运行出来。
若要在脚本中检测并定位不明显的错误，需要对脚本从头开始进行一系列搜索及实验。在空白的工作区中，可选中代码并运行这部分脚本，从而很方便地完成这一任务。读者可以试一下：首先像刚才一样，在控制台中删除工作区内的所有对象，然后在R编辑器中选中第一个命令，使其高亮。在“Edit”的下拉菜单中（在微软的Windows中，若对高亮区点击右键，会弹出菜单），找到并点击“Run line selection”选项，即可运行脚本中的第一行命令。在控制台中检查一下，这条命令建立了哪些对象。
若该命令的运行情况与预期一致，则继续运行下一条语句。单独选中并运行下一条语句，然后再连同脚本中前面的语句一起运行一遍。
当检查到绘图语句时，错误信息就会出现。绘图命令在寻找一个不存在的对象。若在之前的检查中没有发现Moose.density与moose.density是两个不同的对象，这时也许能清晰地发现这一点。R的用户应当时刻注意变量名的大小写以及拼写错误问题，这是错误的一个主要来源。
找到并改正大写的M，然后运行脚本，即可成功绘图。但是等一下：过早地认为这是一个完美的脚本可能会导致失败。有时即使脚本可以很好地运行，其运行结果也可能错得离谱。当计算本身有概念性的错误时，这种情况就会发生。R会精确完成用户的指令，且当用户的指令有错误时，R也会按错误指令忠实地运行完成。
数据输入是否正确？作者在输入本章数据时，是否与第1章保持一致了呢？要想有效地使用R，仔细一点儿总不会错。