数据分析脚本编写准则

随着数据分析流程变得更长、更复杂，杂乱无章的分析代码堆正日益成为一种负担。这令人担忧，因为已有神经科学论文因编程错误而被撤稿。本文提出若干准则，有助于保持分析代码组织良好、易于理解且便于使用：1. 每个分析步骤对应一个脚本；2. 脚本要么处理单次记录，要么跨记录聚合，绝不同时进行；3. 用一个主脚本运行整个分析；4. 保存所有中间结果；5. 可视化所有中间结果；6. 每个参数与文件名仅定义一次；7. 区分属于正式流程的文件与其他脚本。除讨论各准则背后的缘由外，本文还以一个示例分析流程作为案例研究，展示每条准则如何转化为代码。