R 工作目录：setwd()、getwd() 和清空工作空间

什么是工作目录

每个 R 会话都恰好“位于”一个文件夹中：工作目录。每当你使用相对路径（不从文件系统根目录开始的路径）时，R 都会基于这个文件夹来解析它。read.csv("data.csv") 的意思不是“在我电脑上的某个地方找到 data.csv”，而是“打开工作目录中名为 data.csv 的文件”。

这一个事实就能解释 R 中最常见的初学者错误：

read.csv("data.csv")
# Error in file(file, "rt") : cannot open the connection
# In addition: Warning message: cannot open file 'data.csv': No such file or directory

文件确实存在，只是不在 R 当前查找的文件夹里。你的 read.csv 调用没有任何问题；问题在于会话的工作目录和文件所在的位置不一致。下面这两个函数能把这个谜团变成十秒钟就能搞定的诊断。

getwd() 和 setwd()

getwd()（get working directory，获取工作目录）告诉你 R 此刻在哪里查找：

print(getwd())

运行后你会看到一个绝对路径，也就是这个会话所在的文件夹。setwd()（set working directory，设置工作目录）用来修改它：

setwd("C:/Users/rosa/projects/sales-analysis")   # Windows: use / not \
setwd("/Users/rosa/projects/sales-analysis")     # macOS / Linux
getwd()                                          # confirm it took

有两点操作上的注意事项。在 Windows 上，路径要用 /（或者双写的 \\）：在 R 字符串中，单个 \ 是转义字符，所以 "C:\Users" 是语法错误。另外，如果文件夹不存在，setwd() 会立即报错，这是你一整天里能遇到的最友好的失败：它不会让你在不知不觉中指向错误的位置。

因此，排查任何“cannot open file”错误的固定步骤是：先用 getwd() 看 R 在哪里查找，再和文件的实际位置对比。

list.files()：看看 R 能看到什么

工具箱里的第三个工具会列出工作目录中的内容，也就是相对路径能够访问到的全部名字：

print(list.files())

如果你要读取的文件出现在输出中，read.csv("thatfile.csv") 就能找到它。如果没有出现，再怎么重新输入 read.csv 那一行也没用，需要修正的是工作目录。list.files("data") 可以查看子文件夹，list.files(pattern = "\\.csv$") 则只筛选出 CSV 文件。当文件名看起来没问题却找不到时，list.files() 还能揭露常见的罪魁祸首：文本编辑器偷偷加上的 .txt 扩展名，或者在区分大小写的系统上 Data.csv 和 data.csv 的差别。

为什么写死的 setwd() 会出错

下面是带有明确立场的部分。你会看到一些脚本以这样一行开头：

setwd("C:/Users/me/Desktop/stuff/project3/final_FINAL")

这行代码只能在一台电脑上运行：作者自己的那台。在你的笔记本上、同事的 Mac 上、院系的服务器上，甚至在你自己整理过文件夹之后的电脑上，它都会在第 1 行就报错。写死绝对路径，等于把某一个人的文件夹结构固化进本应比它更长久的代码里。

解决办法是把责任反过来：不要让脚本去找文件夹，而是在正确的文件夹中启动 R，并在脚本中使用相对路径。具体来说：

• 使用 RStudio 项目。打开一个 .Rproj 文件会自动把工作目录设置为项目文件夹，在任何电脑上都一样。这样，脚本中的 read.csv("data/sales.csv") 对每个拿到这个项目的人都能正常运行。
• 从终端运行也能达到同样的效果：Rscript analysis.R 会把你启动它时所在的文件夹作为工作目录（参见运行 R 脚本）。
• 想更进一步的话，可以用 here 包：here::here("data", "sales.csv") 从项目根目录构建路径，不管工作目录跑到了哪里。不过，项目加相对路径已经能满足大多数需求，不用它也可以。

setwd() 本身并不邪恶，在交互式探索时用它完全没问题。真正有问题的，是在共享脚本开头提交一行绝对的、依赖特定电脑的 setwd()。

工作空间：ls() 和 rm()

除了“我在哪个文件夹”之外，会话状态的第二部分是工作空间（即全局环境）：你在本次会话中创建的所有对象。ls() 列出它们，rm() 删除它们：

x <- 10
y <- "hello"
print(ls())

rm(x)             # remove one object
print(ls())

rm(list = ls())   # remove everything: the "clear environment" idiom
print(ls())

最后一个 ls() 打印出 character(0)，即空的工作空间。rm(list = ls()) 这句“咒语”乍看有些奇怪，拆开来看就明白了：ls() 返回所有对象名组成的字符向量，rm(list = ...) 删除这个向量中的每一个名字。它相当于 RStudio 环境（Environment）面板中扫帚图标的代码版。

要清楚它不会做什么：用 library() 加载的包仍然保持加载，设置过的选项依然有效，工作目录也不会变。它只清除对象，别的什么都不做，所以当你想要一个真正干净的环境时，它不能代替重启 R。

清空控制台，以及 .RData 陷阱

清空控制台（即命令和输出的滚动记录）只是外观上的操作，和清空工作空间是两回事。在 RStudio 中按 Ctrl+L；在代码中，可以用有点古怪的 cat("\014") 发送换页符，大多数控制台会把它理解为“清屏”。两者都不会影响你的对象。

最后是那个陷阱。退出 R 时，它会询问“save workspace image?”（是否保存工作空间映像），也就是把所有对象写入一个隐藏的 .RData 文件，下次你在该文件夹中启动 R 时，它会悄悄重新加载。请选择不保存，并永久关闭这个功能（RStudio：Tools → Global Options → 取消勾选“Restore .RData”，并把“Save workspace”设为 Never）。恢复的工作空间意味着你的会话一开始就被几天前的对象污染了，而创建这些对象的代码你可能早已修改或删除。你的脚本看起来能运行，因为它依赖着一个文件中已经没有任何代码创建的过期 model_v2，直到它在一台干净的电脑上运行时轰然崩溃。

专业的习惯恰恰相反：从干净的环境开始，重新运行脚本。如果你的分析是一个能在全新会话中从头运行到尾的脚本，它天生就是可复现的；工作空间只是可以随时丢弃的产物，从来不是需要珍藏的状态。经常重启 R（RStudio：Session → Restart R），正是为了证明你的脚本依然能独立运行。

本节要点

• 相对路径基于工作目录解析；getwd() 查看它，setwd() 修改它，list.files() 显示能访问到的文件。
• “cannot open file”几乎总是意味着工作目录和文件所在的文件夹不一致，用 getwd() + list.files() 来诊断。
• 永远不要在共享脚本中提交绝对路径的 setwd()，而是使用 RStudio 项目（或在脚本所在的文件夹中运行它）和相对路径。
• ls() 列出工作空间中的对象；rm(x) 删除一个；rm(list = ls()) 全部清除，但包和选项会保留。
• Ctrl+L（或 cat("\014")）只清空控制台中的文字。
• 不要自动保存或恢复 .RData：从干净的环境开始，重新运行脚本，这才能让你的工作可复现。

下一节：读取真实数据，现在 R 已经在正确的文件夹中查找了，来看看 read.csv() 及其同类函数。