首先给你梳理下规范的项目结构建议（这样后续执行和维护都更清晰）：

你的项目文件夹/
├── data/          # 专门存放生成的数据文件
├── scripts/       # 集中管理所有R脚本
│   ├── data1.r
│   ├── data2.r
│   └── graph1.r
├── plots/         # 保存可视化输出的图片
└── .gitignore     # 用来忽略不需要上传GitHub的文件（比如data、plots里的内容）

当然你可以根据自己的习惯微调，但核心是用相对路径替代绝对路径，避免换电脑或分享时出现路径错误。

接下来是几种执行脚本的方式，从简单到进阶：

一、手动分步执行（适合调试阶段） #

打开你的RStudio项目后，按顺序操作：

• 先打开scripts/data1.r，点击RStudio右上角的「Run」按钮，或者用快捷键Ctrl+Shift+Enter（Windows/Linux）/Cmd+Shift+Enter（Mac）跑完整脚本。记得把脚本里的保存路径改成save(df1, file = "data/data1.Rda")，让数据存到data文件夹里。
• 用同样的方式运行scripts/data2.r，生成data/data2.Rda。
• 最后打开scripts/graph1.r，先修改加载路径为load(file = "data/data1.Rda")和load(file = "data/data2.Rda")，再运行脚本。如果想保存生成的图，在脚本末尾加一行：

  ggsave("plots/combined_scatter.png", width = 8, height = 6)
  

二、一键批量执行（适合日常快速运行） #

新建一个主脚本run_all.r放在项目根目录，内容如下：

# 因为用了RStudio项目，工作目录会自动设为项目根目录，不需要手动setwd

# 按顺序执行数据生成脚本
source("scripts/data1.r")
source("scripts/data2.r")

# 执行绘图脚本
source("scripts/graph1.r")

以后只要运行这个run_all.r，就能一键完成从生成数据到绘图的全流程，非常方便。

三、进阶自动化（适合复杂项目扩展） #

如果以后你的项目脚本变多、依赖关系更复杂，比如只想重新运行修改过的脚本，避免重复计算，可以用targets包来管理工作流——它会自动追踪每个步骤的依赖，只更新需要变动的部分。不过对你当前的简单项目来说，前面两种方法完全够用了。

重要注意事项 #

• 务必用RStudio项目打开你的文件夹，不要直接打开单个脚本，这样R会自动把项目根目录设为工作目录，所有相对路径都能正常识别。
• 把data/和plots/文件夹加入.gitignore，这样上传GitHub时不会把大的数据文件和图片传上去，只保留脚本和项目配置文件。

内容的提问来源于stack exchange，提问作者NiGS