Mac系统R与RStudio安装配置全攻略：从零搭建数据分析环境

1. 为什么在Mac上搞R和RStudio值得你花时间

如果你正在读这篇文章，大概率是刚接触数据分析、统计建模或者生物信息学，然后发现导师、教程或者论文里都在提R语言。你手头正好是一台Mac，于是开始搜索怎么安装。网上的信息零散，有的教程只讲R，有的只讲RStudio，还有的会把你引向复杂的Homebrew命令行，对新手不太友好。作为一个在Mac上用R处理了多年数据的老手，我想告诉你，在Mac上搭建R环境，远比你想象的要简单和优雅。R语言本身是一个强大的统计计算和图形化工具，而RStudio则是让它变得无比好用的集成开发环境（IDE）。把它们俩配好，就像给你的Mac装上了一套得心应手的数据分析工作台，无论是学术研究、商业报告还是个人兴趣项目，效率都能翻倍。

这篇文章的目标，就是给你一份“保姆级”的指南，从最基础的概念讲起，到下载、安装、配置、验证，最后再分享几个我私藏的、能让你的RStudio用起来更爽的设置技巧。我会尽量避开那些让新手头晕的命令行操作，优先推荐官方、图形化的安装方式，确保每一步你都能看懂、能操作。即使你之前从未安装过任何编程环境，跟着做下来，半小时内也一定能搞定。我们不止要“装上”，更要“装对”，并且理解每一步背后的原因，这样以后出了问题你才知道怎么解决。

2. 核心组件拆解：R、RStudio与CRAN到底是什么关系

在开始动手之前，花两分钟搞清楚这几个核心组件的关系，能避免后面很多困惑。很多人容易把它们混为一谈。

R语言本身，你可以把它理解成汽车的发动机。它是一个开源的编程语言和软件环境，专门用于统计计算和图形绘制。你写的所有R代码，最终都是由这个“发动机”来执行计算的。它有自己的官方网站（r-project.org），由R核心开发团队维护。在Mac上，它通常表现为一个应用程序（比如R.app），但你更多是通过命令行或者RStudio来调用它。

RStudio，则是包裹在这台发动机外面的、功能齐全的“汽车驾驶舱”。它是一个独立的集成开发环境（IDE）。RStudio本身不执行任何R代码，它只是一个超级好用的界面，提供了代码编辑器、控制台、变量查看器、图形显示、文件管理、包管理等一系列功能，让你和R语言“发动机”的交互变得异常轻松。你可以只用R，但用了RStudio之后，基本就回不去了。它也有自己的官网（posit.co，原rstudio.com）。

CRAN（The Comprehensive R Archive Network），是R语言的“官方应用商店”和“软件仓库”。全世界R开发者把自己写的扩展功能（称为“包”，Package）打包好，提交到CRAN上。当你需要在R里安装新功能，比如做机器学习、画某种特定的图、处理文本数据时，你几乎都是从CRAN下载安装这些包。我们安装R时，选择的镜像（Mirror）其实就是全球分布的CRAN服务器，选一个离你近的，下载速度会更快。

它们三者的工作流程是这样的：你在RStudio这个“驾驶舱”里写代码 -> RStudio把代码发送给R“发动机”执行 -> 当代码里需要新功能时，R“发动机”会去你设定的CRAN“应用商店”下载并安装对应的“包”。

理解了这个关系，我们就知道安装顺序了：先安装R语言（发动机），再安装RStudio（驾驶舱），最后在RStudio里配置好从CRAN下载包的镜像（应用商店地址）。接下来，我们就按这个顺序一步步来。

3. 第一步：下载并安装R语言“发动机”

这是最基础也最重要的一步。Mac用户有个福利，就是有官方编译好的、针对苹果芯片（M1/M2/M3）和英特尔芯片优化的安装包，直接下载双击就能装，完全不需要通过Homebrew等命令行工具，这对新手是最友好的。

3.1 访问官网与选择镜像

首先，打开你的浏览器，访问R语言的官方网站： https://www.r-project.org 。你会看到一个简洁的页面。注意，官网不直接提供下载链接，它像一个导航中心。在页面顶部，找到一个叫做“CRAN”的链接，点击它。

点击后，你会进入CRAN镜像列表页面。这里列出了全球各地的服务器。我们的目的是选一个地理位置离你近的，这样下载安装包和以后下载R包的速度都会更快。对于国内用户，通常推荐选择位于中国的镜像，例如：

• 清华大学开源软件镜像站：https://mirrors.tuna.tsinghua.edu.cn/CRAN/
• 中国科学技术大学镜像站：https://mirrors.ustc.edu.cn/CRAN/

任选一个点击进入。这个页面就是CRAN镜像的根目录。

3.2 获取MacOS安装包

进入镜像站后，你需要找到针对MacOS的安装文件。在页面中寻找“Download R for (Mac) OS X”或类似字样的链接，点击它。

接下来你会看到一个标题为“R for Mac OS X”的页面。这里提供了两种类型的安装包：

1. 最新发布版（Latest release）：例如R-4.3.x.pkg。这是最稳定、被广泛测试的版本，绝大多数用户都应该选择这个。文件名中的4.3.x代表主版本号，会随时间更新。
2. 旧版本和开发版：除非你有非常特殊的兼容性需求（比如某个古老的包只支持旧版R），或者你想体验最前沿（可能不稳定）的功能，否则请忽略这里。

直接点击R-4.3.x.pkg这个链接开始下载。下载文件大约有80-100MB，取决于版本。

注意：如果你的Mac是最近几年购买的，搭载的是Apple Silicon芯片（M1, M2, M3等），请放心，这个.pkg安装包是通用（Universal）版本，会自动为你的芯片架构进行优化，无需单独寻找ARM版本。

3.3 图形化安装与权限确认

下载完成后，在你的“下载”文件夹里找到这个.pkg文件，双击它。这会启动MacOS标准的安装程序向导。

安装过程非常简单，基本上就是一路点击“继续”：

1. 打开后，首先会看到一个欢迎界面，点击“继续”。
2. 阅读软件许可协议，点击“继续”，然后点击“同意”。
3. 选择安装目的地，默认就是你的启动磁盘（通常是Macintosh HD），直接点击“继续”。
4. 在“安装类型”步骤，直接点击“安装”。系统可能会要求你输入管理员密码，这是为了将R安装到系统级目录/Library/Frameworks/R.framework下，输入密码并点击“安装软件”。

安装程序会自动完成文件复制和设置。完成后，点击“关闭”。至此，R语言“发动机”就已经稳稳地装在你的Mac里了。

如何验证安装成功？安装完成后，你可以在“应用程序”文件夹里找到一个名叫R的图标（可能显示为R.app）。双击打开它，会弹出一个类似命令行的窗口，这就是R的图形界面（RGui）。你会看到以>开头的提示符，以及一些版本信息。输入1+1然后按回车，如果它返回[1] 2，恭喜你，R语言安装成功！你可以先关闭这个窗口，因为我们更强大的“驾驶舱”RStudio马上就要登场了。

4. 第二步：安装超级驾驶舱——RStudio IDE

有了R发动机，我们现在来安装那个让一切变得简单的RStudio。RStudio有免费的开源桌面版，对我们个人用户和学习者来说完全够用。

4.1 下载正确的RStudio Desktop版本

打开浏览器，访问RStudio的官方网站： https://posit.co/download/rstudio-desktop/ 。Posit是RStudio公司的新名称，但产品依然叫RStudio。

页面会自动检测你的操作系统，通常都会正确显示“Download RStudio for Mac”。确保你下载的是RStudio Desktop的Free License版本。直接点击大大的“Download”按钮。

下载的文件是一个标准的.dmg磁盘映像文件，大小约200MB。

4.2 拖拽安装与应用程序权限

下载完成后，双击这个.dmg文件。它会像U盘一样被“挂载”到你的桌面上，并弹出一个 Finder 窗口。在这个窗口里，你会看到一个蓝色的RStudio图标，旁边有一个指向Applications文件夹的箭头。

安装方法就是经典的“拖拽式安装”：用鼠标按住这个RStudio图标，把它拖拽到旁边的Applications文件夹图标上，然后松开鼠标。

这个过程实际上是把RStudio应用程序复制到你的“应用程序”目录中。复制完成后，你可以回到刚才的Finder窗口，点击窗口右上角的“推出”按钮，或者把桌面上的.dmg磁盘映像拖到废纸篓（这会安全地卸载它，不会删除已安装的程序）。

现在，打开“应用程序”文件夹，找到RStudio图标，双击它来首次运行。

首次运行的权限问题：由于RStudio不是从App Store下载的，macOS可能会弹出安全警告，提示“无法打开‘RStudio’，因为无法验证开发者”。别担心，这是正常的。

1. 进入系统设置 -> 隐私与安全性。
2. 在“安全性”部分，你应该能看到一条关于阻止运行RStudio的消息，旁边有一个“仍要打开”的按钮。
3. 点击“仍要打开”，然后在接下来的确认对话框中再次点击“打开”。 这样操作一次之后，以后启动RStudio就不会再有这个提示了。

4.3 首次启动与界面初识

首次成功启动RStudio后，你会看到一个整洁的界面。默认情况下，它由四个主要窗格（Pane）组成：

• 左上：源代码编辑器。这是你将来写脚本文件（.R文件）的地方，可以保存、重复运行。
• 左下：控制台。这是R引擎的实时交互界面，你在这里输入命令会立即执行并看到结果。它和你之前打开的R.app控制台功能一样，但集成在了RStudio里。
• 右上：环境/历史。这里会显示当前工作空间中所有的变量、数据；历史标签页则记录了你运行过的所有命令。
• 右下：文件/图形/包/帮助。这是一个多功能区域，可以浏览文件夹、查看你绘制的图形、安装和管理R包、查阅函数帮助文档。

如果RStudio成功检测到了你安装的R引擎，在控制台左上角会显示R的版本号（例如R version 4.3.2 (2023-10-31)）。输入sessionInfo()并按回车，它会打印出详细的R版本、运行平台和已加载的包信息。看到这些，就说明RStudio已经和R引擎正确连接，你的数据分析工作站已经就绪。

5. 关键一步：配置CRAN镜像与安装第一个R包

环境搭好了，但如果不做这一步，你接下来的体验可能会非常糟糕——下载R包慢如蜗牛，甚至经常超时失败。这是因为默认的CRAN镜像可能在国外。我们需要把它换到国内的镜像源。

5.1 永久修改R的CRAN镜像

我们可以在R的配置文件中永久设置，这样一劳永逸。在RStudio中操作：

1. 在RStudio的控制台（左下窗格）里，输入并执行以下命令，来创建一个用户级别的R配置文件（如果不存在的话）：

   file.edit("~/.Rprofile")

   这会在RStudio的编辑器里打开（或创建）一个名为.Rprofile的隐藏文件。这个文件在每次启动R时都会自动运行。

2. 在这个文件的开头，添加以下两行代码：

   options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) options(BioC_mirror="https://mirrors.tuna.tsinghua.edu.cn/bioconductor")

   第一行设置了CRAN（普通R包）的镜像为清华大学源。第二行设置了Bioconductor（生物信息学R包仓库）的镜像。即使你现在不用生物信息学包，先设置上也无妨。

3. 点击编辑器上方的保存按钮，然后关闭这个标签页。

4. 重启RSession以使配置生效。点击菜单栏的Session -> Restart R，或者直接按快捷键Cmd+Shift+F10。

重启后，这个设置就永久生效了。你可以通过运行getOption("repos")来检查是否设置成功。

5.2 使用RStudio图形界面安装你的第一个包

现在我们来体验一下用配置好的环境安装第一个R包。我们将安装一个非常流行且实用的包——tidyverse。它其实是一个“元包”，包含了一系列用于数据科学的核心包（如ggplot2,dplyr,tidyr等）。

有两种安装方式，推荐新手使用图形界面：

1. 点击RStudio右下角窗格的“Packages”标签页。
2. 点击“Install”按钮。
3. 在弹出的对话框中，在“Packages”输入框里键入tidyverse。
4. 确保“Install to Library”路径是默认的（通常不需要改）。
5. 取消勾选 “Install dependencies”。这一点很重要，因为tidyverse的依赖关系R会自动处理，勾选这个有时反而会引起问题。让R自动处理依赖是最好的。
6. 点击“Install”。

你会在RStudio的控制台看到大量的安装信息滚动，它正在从我们刚刚设置的清华镜像下载tidyverse及其所有依赖包。这个过程可能需要几分钟，取决于你的网速。安装完成后，控制台会重新出现>提示符。

5.3 加载包与验证

安装成功后，包并不会自动可用。你需要“加载”它到当前会话中。在控制台输入：

library(tidyverse)

如果看到类似这样的欢迎信息，没有报错，就说明安装和加载成功了：

── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ── ✔ dplyr 1.1.4 ✔ readr 2.1.5 ✔ forcats 1.0.0 ✔ stringr 1.5.1 ✔ ggplot2 3.5.0 ✔ tibble 3.2.1 ✔ lubridate 1.9.3 ✔ tidyr 1.3.1 ✔ purrr 1.0.2 ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ── ✖ dplyr::filter() masks stats::filter() ✖ dplyr::lag() masks stats::lag() ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

至此，你的R和RStudio环境已经完全配置好，并且具备了进行现代数据科学分析的核心工具链。

6. 进阶配置与效率提升技巧

基础环境搭建完毕，但要让RStudio真正成为你的生产力利器，还需要一些个性化配置。这些是我多年使用下来，觉得最能提升效率和舒适度的设置。

6.1 调整RStudio外观与布局

长时间面对代码，一个舒适的主题至关重要。点击菜单RStudio -> Settings(或Preferences)。

• 主题：在Appearance选项卡，你可以选择Editor theme。我强烈推荐Tomorrow Night Blue或Material系列深色主题，它们对眼睛友好，代码高亮清晰。浅色主题里Xcode也不错。
• 字体：在同一个页面，调整Editor font。Fira Code或JetBrains Mono是等宽字体中的佼佼者，它们带有编程连字（ligatures），能让->,!=等符号显示得更美观、易读。记得把字号调到12或14，以适应你的屏幕。
• 窗格布局：在Pane Layout选项卡，你可以自由拖动，调整四个主窗格的位置。默认布局已经很科学，但你可以根据自己喜好调整。比如，我喜欢把“控制台”放在右边，和“源代码”并列，这样看长输出时不用上下滚动太多。

6.2 必改的代码编辑器设置

在Settings的Code部分，有几个设置能极大改善编码体验：

• 软换行：勾选Soft-wrap R source files。这样你的代码行会在编辑器窗口边缘自动换行，而不会出现水平滚动条，阅读长行代码时非常舒服。
• 自动补全：确保所有自动补全选项都是开启的。特别是Show code completion:选择Always。这样你输入函数名时，提示会立即出现。
• 保存时动作：在Saving子项，建议勾选Strip trailing horizontal whitespace when saving和Ensure that source files end with newline when saving。这能自动清理代码末尾多余的空格和确保文件结尾规范，是很好的代码整洁习惯。

6.3 项目管理：让工作井然有序

RStudio的“项目”（Project）功能是管理分析工作的神器。它能为每个独立的数据分析任务创建一个独立的环境，有自己的工作目录、历史记录和设置。

1. 点击菜单File -> New Project...。
2. 选择New Directory，然后New Project。
3. 给你的项目起个名字（例如my_first_analysis），并选择一个存放的文件夹。
4. 点击“Create Project”。

创建后，RStudio会重启并进入这个项目。你会注意到右上角显示了项目名称。此时，你的“工作目录”自动切换到了这个项目文件夹。所有你保存的脚本、生成的数据、图形都会默认在这里。这彻底解决了“我的文件在哪？”和“为什么这个脚本在别人电脑上跑不了？”（因为使用了绝对路径）的问题。强烈建议：为每一个新的分析任务都创建一个新的RStudio项目。

6.4 包管理：更新与清理

随着时间的推移，你会安装很多包。定期维护很有必要。

• 更新包：在右下角的“Packages”窗格，有一个“Update”按钮。点击它会列出所有有可用更新的包。你可以选择全部更新，或者勾选部分进行更新。注意：更新包有时会因依赖关系而失败，特别是基础包。如果遇到问题，可以跳过，或者重新安装特定包。
• 查看已安装包：在控制台输入.packages(all.available = TRUE)可以列出所有已安装的包。输入installed.packages()可以查看更详细的信息。
• 清理旧包：有时候包安装失败会留下一些“僵尸”文件。一个简单的清理方法是，在控制台运行remove.packages()然后按Tab键，它会提示你已安装的包名，但这主要用于手动删除。更常见的“清理”是删除旧的包库，让R自动重建，但这属于高级操作，新手暂不需要。

7. 常见问题排查与解决方案

即使按照教程一步步来，你也可能会遇到一些小问题。这里列出几个最常见的，并给出解决办法。

7.1 RStudio找不到R（“找不到R的版本”错误）

这是最典型的问题。表现为打开RStudio后，控制台提示错误，或者“关于R”那里显示找不到R。

• 原因：这通常发生在先安装了RStudio，后安装R，或者R被安装在了非标准路径。
• 解决：
  1. 打开RStudio，点击菜单RStudio -> Settings(或Preferences)。
  2. 进入General选项卡。
  3. 查看最下方的R Sessions部分，找到R version。
  4. 这里应该显示为Default (Default)。如果显示为Change...或者一个不正确的路径，点击它。
  5. 在弹出的窗口中，RStudio应该会自动扫描到你安装的R。选择那个版本号最高的R（例如R version 4.3.x）。
  6. 点击“Choose”，然后重启RStudio。

7.2 安装R包时超时或下载失败

• 原因：网络连接问题，或者CRAN镜像设置不正确/失效。
• 解决：
  1. 检查镜像：运行getOption(“repos”)，确认输出是国内的镜像地址（如清华、中科大）。如果不是，请按照第5.1节重新配置.Rprofile文件。
  2. 临时换镜像：在安装包的命令中直接指定镜像。例如，在控制台输入：

     install.packages(“包名”, repos=“https://mirrors.tuna.tsinghua.edu.cn/CRAN/”)

  3. 使用install.packages的额外参数：可以尝试增加超时时间和关闭SSL验证（仅用于临时测试网络）：

     install.packages(“包名”, timeout=600, repos=“https://mirrors.tuna.tsinghua.edu.cn/CRAN/”)

     timeout=600将超时时间设为10分钟。
  4. 手动下载安装：如果某个包实在下载不下来，可以到CRAN镜像网站（如清华镜像）上，找到这个包的.tar.gz源码文件，下载到本地。然后在RStudio里，通过“Packages”窗格的“Install”按钮，选择“Install from: Package Archive File”，然后选择你下载的文件进行本地安装。

7.3 安装包时提示“非零退出状态”

这个错误信息后面通常会跟着一长串编译错误。这在安装需要从源代码编译的包时（特别是那些包含C/C++代码的包）很常见。

• 原因：你的Mac缺少编译所需的命令行开发工具（Command Line Tools）。
• 解决：
  1. 打开“终端”应用程序。
  2. 输入命令xcode-select --install并按回车。
  3. 会弹出一个软件更新对话框，提示安装“Xcode命令行工具”。点击“安装”，同意许可协议，等待安装完成。这个过程可能需要下载几百MB的数据。
  4. 安装完成后，重新尝试安装那个出错的R包。对于绝大多数包，这就足够了。
  5. 如果还不行，某些包可能需要额外的系统库（比如libxml2,openssl）。这时，通过Homebrew来安装这些系统库是最方便的，但这已经超出了本文“无命令行”的范畴。一个更简单的备用方案是，尝试安装该包的二进制版本（如果CRAN提供的话）。在install.packages()函数中设置type = “binary”参数有时可以绕过编译。

7.4 R或RStudio启动崩溃

这种情况比较少见，但可能发生。

• 可能原因：损坏的配置文件、有问题的旧版本残留、或与某些系统软件冲突。
• 解决步骤：
  1. 重置RStudio配置：关闭RStudio。在Finder中，按下Cmd+Shift+G，输入路径~/.config/rstudio，前往这个文件夹。将其重命名为rstudio_old。然后重新启动RStudio，它会创建一个全新的配置文件。你的项目、脚本文件不会受影响，但自定义设置需要重新配。
  2. 重置R配置：同样，关闭R。在Finder中，按下Cmd+Shift+G，输入路径~，前往你的用户主目录。找到.Rprofile和.Renviron文件（它们是隐藏文件，可能需要按Cmd+Shift+.来显示），将它们暂时移到别处或重命名。然后重启R/RStudio，看是否正常。这可以排除是自定义启动脚本导致的问题。
  3. 全新重装：如果以上都不行，考虑彻底卸载后重装。对于R，只需删除/Library/Frameworks/R.framework目录和/Applications/R.app。对于RStudio，只需从“应用程序”文件夹中删除它。然后从头开始本文的安装步骤。

8. 从安装到实战：你的第一个数据分析脚本

环境配置好了，问题也知道怎么解决了，现在让我们真正用起来，写一个简单的脚本，感受一下完整的工作流。

8.1 创建项目与脚本文件

1. 按照第6.3节的方法，创建一个名为first_analysis的新项目。
2. 在RStudio中，点击菜单File -> New File -> R Script，或者直接按快捷键Cmd+Shift+N。这会创建一个新的、空白的R脚本文件。
3. 点击编辑器上方的软盘图标，或者按Cmd+S，将这个脚本保存到你的项目目录下，命名为my_analysis.R。

8.2 编写一个简单的分析流程

在my_analysis.R脚本文件中，输入以下代码。你可以一行行输入，也可以复制粘贴。我强烈建议你手动输入，感受一下RStudio的自动补全和语法高亮。

# 我的第一个R数据分析脚本 # 作者：[你的名字] # 日期：2024-05 # 1. 加载必要的包 library(tidyverse) library(ggplot2) # tidyverse已包含，这里显式加载以示强调 # 2. 创建示例数据 # 假设我们调查了10个人的身高和体重 set.seed(123) # 设置随机种子，确保每次运行生成的数据相同 my_data <- tibble( id = 1:10, height_cm = round(rnorm(10, mean=170, sd=10)), # 平均身高170cm，标准差10 weight_kg = round(rnorm(10, mean=65, sd=15)) # 平均体重65kg，标准差15 ) # 3. 查看数据 print(“原始数据：”) print(my_data) # 4. 数据清洗与转换 # 计算BMI (Body Mass Index) = 体重(kg) / 身高(m)^2 my_data <- my_data %>% mutate(height_m = height_cm / 100, bmi = round(weight_kg / (height_m^2), 1)) print(“\n计算BMI后的数据：”) print(my_data) # 5. 描述性统计 cat(“\n--- 描述性统计 ---\n”) summary_stats <- my_data %>% summarise( avg_height = mean(height_cm), avg_weight = mean(weight_kg), avg_bmi = mean(bmi), sd_bmi = sd(bmi) ) print(summary_stats) # 6. 数据可视化 # 绘制身高与体重的散点图，并用颜色区分BMI高低 bmi_plot <- ggplot(my_data, aes(x=height_cm, y=weight_kg, color=bmi)) + geom_point(size=4) + # 点的大小 geom_smooth(method=“lm”, se=FALSE, color=“darkgrey”) + # 添加线性趋势线 labs(title=“身高与体重关系散点图”, x=“身高 (cm)”, y=“体重 (kg)”, color=“BMI”) + theme_minimal() # 7. 显示图形 print(bmi_plot) # 8. 保存结果 # 保存处理后的数据到CSV文件 write_csv(my_data, “processed_data.csv”) cat(“\n数据已保存至 ‘processed_data.csv’\n”) # 保存图形为PDF ggsave(“height_vs_weight.pdf”, plot=bmi_plot, width=8, height=6) cat(“图形已保存至 ‘height_vs_weight.pdf’\n”)

8.3 运行脚本与查看结果

写好脚本后，你有几种方式运行它：

• 逐行运行：将光标放在某一行，按Cmd+Enter(Mac) /Ctrl+Enter(Windows/Linux)。这行代码会被发送到控制台执行。这是调试和探索时最常用的方式。
• 运行整个脚本：按Cmd+Shift+Enter，或者点击编辑器右上角的“Source”按钮。这会从头到尾执行整个脚本。
• 运行选中部分：用鼠标选中多行代码，然后按Cmd+Enter。

尝试用“Source”按钮运行整个脚本。你会在控制台看到打印出的数据和统计结果。在右下角的“Plots”窗格里，会显示出你绘制的散点图。同时，在你的项目文件夹里，会生成两个新文件：processed_data.csv和height_vs_weight.pdf。

这个简单的脚本涵盖了一个微型数据分析项目的核心步骤：加载库 -> 创建/导入数据 -> 查看探索 -> 清洗转换 -> 统计分析 -> 可视化 -> 保存输出。虽然数据是随机生成的，但流程是真实的。你可以尝试修改里面的参数，比如改变set.seed的数字，或者调整身高体重的均值和标准差，然后重新运行脚本，看看结果如何变化。

走到这一步，你的Mac上的R和RStudio就不仅仅是一个“安装好的软件”，而是一个已经运行起来的数据分析环境了。接下来你要做的，就是去学习更多的R语言知识（比如数据操作、统计检验、高级可视化），然后将它们应用到你的实际项目和问题中去。这个环境会是你最可靠的伙伴。