将 R 代码从 RStudio 脚本迁移到 Jupyter 笔记本

若要将代码从 RStudio 脚本迁移到Jupyter笔记本，请先创建一个使用受支持的R运行时环境的新Jupyter笔记本，然后在其运行时环境中安装任何额外的R包。 最后，将文件从 RStudio 迁移到新的 Jupyter 笔记本中，并运行代码。

准备工作：

迁移前，请检查您的 R 脚本，以确定：

• 依赖项 ：列出所有必需的包
• 数据源 ：文件路径、数据库连接、API
• 环境变量 ：配置设置
• 自定义函数 ：用户定义的函数
• 输出格式 ：图表、表格、文件

要将代码从 RStudio 脚本迁移到Jupyter笔记本：

1. 启动 RStudio 集成开发环境（IDE），并将您的R代码、自定义函数以及任何所需的数据文件导出到本地计算机。 请参阅 “从 RStudio 下载文件”

2. 打开您的 watsonx.ai Studio项目，然后创建一个使用受支持的R运行时之一的新Jupyter笔记本。 请参阅 “创建和管理笔记本 ”以及 “默认 CPU 运行时模板 ”。

3. 在笔记本的运行时环境中安装任何其他必需的 R 包。

   示例：

   # Core data manipulation packages
   install.packages(c(
   "tidyverse",    # Data manipulation and visualization
   "dplyr",        # Data manipulation
   "readr",        # Reading data
   "tidyr",        # Data tidying
   "lubridate"     # Date/time handling
   ))
   
   # Visualization packages
   install.packages(c(
   "plotly",       # Interactive plots
   "ggplot2",      # Plotting
   "ggraph",       # Network graphs
   "DT",           # Interactive tables
   "htmlwidgets"   # HTML widgets
   ))
   
   
   # Spark integration (if needed)
   install.packages(c(
   "sparklyr",     # Spark interface
   "arrow"         # Apache Arrow
   ))
   
   # Python integration
   install.packages(c(
   "reticulate",   # Python integration
   "keras",        # Deep learning
   "tensorflow"    # TensorFlow
   ))
   

4. 将从 RStudio 导出的数据资产添加到项目中。 请参阅 “向项目中添加数据 ”。

5. 将项目中的数据资产加载到笔记本中。 请参阅 “通过代码片段加载数据 ”。

6. 将从 RStudio 导出的 R 代码添加到 Jupyter 笔记本中的单元格中，然后运行该笔记本。

library(dplyr)
library(ggplot2)

monthly_sales <- sales %>%
  group_by(month) %>%
  summarise(
    total_sales = sum(amount),
    avg_sales = mean(amount),
    count = n()
  ) %>%
  arrange(month)
print(monthly_sales)

# Visualization
options(repr.plot.width = 12, repr.plot.height = 6)
ggplot(monthly_sales, aes(x = month, y = total_sales)) +
  geom_bar(stat = "identity", fill = "steelblue") +
  geom_text(aes(label = scales::comma(total_sales)),
            vjust = -0.5, size = 3) +
  theme_minimal() +
  labs(title = "Monthly Sales Performance",
       x = "Month",
       y = "Total Sales ($)") +
  scale_y_continuous(labels = scales::comma)

wslib$here$get_name()
wslib$show(wslib$list_stored_data())

wslib$save_data("testasset.csv", charToRaw("1,2,3"), overwrite=TRUE)
wslib$show(wslib$list_stored_data())

my_file <- wslib$load_data("testasset.csv")

df <-  read.csv(text = rawToChar(my_file))
head(df)