你对科学计算最佳实践的思考？

Question

Wilson等人(2014年)最近的一篇论文指出了科学规划的24种最佳做法。值得一看。我想听听有经验的程序员在科学数据分析方面对这些观点的看法。作者的建议听起来不错，但你认为这些建议有帮助和实用吗？正如他们承认的那样，介绍所有这些人可能需要花费大量的时间和精力。例如，放置断言和部署单元测试肯定需要额外的编码。然而，你认为没有受过编码训练的科学家(如生物学家)是否应该遵循这些原则呢？如果他们中的一些人太多了，我们应该根据什么去停止呢？

Wilson G、Aruliah DA、Brown CT、Chue Hong NP、Davis M、Guy RT、Had多克SHD、Huff KD、Mitchell IM、Plumbley MD、Waugh B、White EP、Wilson P (2014)科学计算最佳做法。PLoS Biol 12:E 1001745。http://www.plosbiology.org/article/info%3Adoi%2F10.1371%2Fjournal.pbio.1001745方框1.最佳做法摘要

1. 为人而不是为计算机编写程序。(a)一个程序不应要求其读者同时保存超过几个事实。(b)使名称一致、独特和有意义。(c)使代码样式和格式保持一致。
2. 让电脑来做这项工作。(a)使计算机重复执行任务。(b)将最近的命令保存在文件中以供重用。(c)使用构建工具实现工作流自动化。
3. 进行渐进式的改变。(a)采取小步骤，经常反馈和纠正课程。(b)使用版本控制系统。(c)将手工创建的所有内容放在版本控制中。
4. 不要重复自己(或他人)。(a)在系统中，每一项数据必须有单一的权威表示。(b)模块化代码，而不是复制和粘贴。(c)重复使用代码而不是重写代码。
5. 计划错误。(a)在程序中添加断言以检查其操作。(b)使用现成的单元测试库。(c)将错误转化为测试用例。(d)使用符号调试器。
6. 只有在软件正确工作之后才能优化软件。(a)使用分析器查明瓶颈。(b)以尽可能高级别的语言编写代码。
7. 文件设计和目的，而不是机械。(a)记录接口和原因，而不是实现。(b)重构代码，而不是解释其工作原理。(c)将某一软件的文件嵌入该软件。
8. 合作吧。(a)使用合并前代码评审。(b)在使新的人跟上速度和处理特别棘手的问题时，使用对编程。(c)使用问题跟踪工具。

我对科学数据分析的严肃编程还比较陌生。去年，当我试图为一些数据进行初步分析而编写代码时，我在代码和数据中都遇到了大量的bug。错误和错误一直在我身边，但这一次，它有点压倒性。我终于设法把数字算出来了，但我想我再也不能忍受这种混乱了。必须采取一些行动。

在没有上面这篇文章这样的复杂指南的情况下，我从那时起就开始采用“防御性编程风格”。一本名为“可读性代码的艺术”的书对我有很大帮助。我为每个函数部署了细致的输入验证和/或断言，重新命名了许多变量和函数以获得更好的可读性，并提取了许多位作为可重用函数。最近，我介绍了用于版本控制的Git和SourceTree。

目前，由于我的同事对这些问题更不情愿，协作实践(8a，b，c)还没有被引入。实际上，正如作者所承认的那样，因为所有这些实践都需要一定的时间和精力来引入，所以通常很难说服不情愿的合作者遵守它们。

我想我是在征求您的意见，因为尽管我在这些实践中付出了很多努力，但我仍然受到许多bug的困扰。Bug修复可能比以前更快，或者应该比以前更快，但我不能真正衡量这种改进。此外，我的大部分时间都花在了防守上，这意味着这些天我并没有做太多的数据分析(进攻)。就生产力而言，我应该说的重点是什么？

我已经部署: 1a，b，c，2a，3a，b，c，4b，c，5a，d，6a，b，7a,7b

我要试一试: 5b，c

尚未: 2b、c、4a、7c、8a、b、c

(我看不出使用GNU make (2c)来实现我的目的的好处。有人能告诉我MATLAB如何帮助我的工作吗？)

Answer 1

您提到的文章中的大多数(如果不是全部的话)都为开发人员所熟知。其中很多都是在学校里教的，当一个人去做真正的工作时，很多都会实现。当你说你的合作者不会答应的时候，我有点惊讶。

如果你太担心产生错误，那就把自己限制在几个域上。你会变得如此流利，几乎所有你需要你写的东西，你已经遇到过。更别说你用这种方式制造bug的机会了。

什么叫臭虫是压倒一切的？我可能和你一样的处境，但我甚至不知道。在过去的几年里，我一直在工作，我看到人们制造臭虫，以至于我对“每个人都有”充满了信心。关键是经常和全面地测试代码。

既然你提到了‘防御性编程’，如果我理解得对，就很难像你那样制造错误的人，成为一个好的人。防御性编程使代码没有错误，甚至可以处理规范之外的情况或与规范相邻的情况。它是无臭虫的。