Consulte la versión en inglés (original) para obtener la versión más precisa y actualizada de esta documentación. IBM no se responsabiliza de los daños o pérdidas resultantes del uso de contenido traducido automáticamente (máquina).
RStudio
Última actualización: 14 ene 2025
RStudio
R es un popular paquete de análisis estadístico y aprendizaje automático que permite la gestión de datos e incluye pruebas, modelos, análisis y gráficos. RStudio, incluido en IBM watsonx.ai Studio, proporciona un entorno de desarrollo integrado para trabajar con scripts R.
Información de uso y limitaciones
Copy link to section
RStudio está integrado en los proyectos de IBM watsonx.ai Studio. Puede iniciarlo después de crear un proyecto.
Puede acceder y utilizar archivos de datos almacenados en el bucket IBM Cloud Object Storage asociado a su proyecto.
Puede utilizar RStudio IDE para crear aplicaciones Shiny, pero no puede desplegarlas en Cloud Pak for Data as a Service.
Iniciar el IDE RStudio
Copy link to section
Para iniciar el IDE RStudio en su proyecto:
Pulse RStudio en el menú Iniciar IDE de la barra de acciones del proyecto.
Seleccione un entorno.
Pulse Lanzar.
Se inicia el tiempo de ejecución del entorno y se abre el entorno de desarrollo.
Resolución de problemas al iniciar el IDE de RStudio
Copy link to section
Es posible que te encuentres con los siguientes problemas al iniciar RStudio:
Estado de RStudio dañado de una sesión anterior
Copy link to section
Problema: ' ' A veces, al iniciar una sesión RStudio, es posible que el estado de RStudio de una sesión anterior esté dañado y la sesión no se inicie. ' Solución: ' Después de iniciar el IDE de RStudio, en la fase en la que selecciona el entorno de RStudio, seleccione Restablecer el espacio de trabajo. RStudio se inicia utilizando la configuración predeterminada con un espacio de trabajo RStudio limpio.
Trabajar con archivos de datos
Copy link to section
En RStudio, puede trabajar con archivos de datos de orígenes diferentes:
Archivos en la estructura de archivos del servidor de RStudio, que puede ver pulsando Archivos en la sección inferior derecha de RStudio. Aquí puede crear carpetas, cargar archivos desde el sistema local y suprimir archivos.
Para acceder a estos archivos en R, debe establecer el directorio de trabajo en el directorio que incluye los archivos. Puede hacerlo navegando al directorio con los archivos y pulsando Más > Establecer como directorio de trabajo.
Tenga en cuenta que los archivos almacenados en el directorio Home de la instancia de RStudio son persistentes solo dentro de su instancia y no se pueden compartir entre entornos ni dentro de su proyecto.
Vea este vídeo para ver cómo cargar datos en RStudio.
Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.
Activos de datos de proyecto que se almacenan en el grupo de IBM Cloud Object Storage asociado con el proyecto. Cuando se inicia RStudio, el contenido del grupo de IBM Cloud Object Storage se monta en el directorio project-objectstorage del directorio Home de RStudio.
Si desea que los archivos de datos aparezcan en el directorio project-objectstorage, debe añadirlos como activos a su proyecto. Consulte Adición de archivos como activos de proyecto.
Si se añaden nuevos activos de datos al proyecto mientras está en RStudio y desea acceder a ellos, debe renovar la carpeta project-objectstorage.
Vea este vídeo para ver cómo conectar con los orígenes de datos externos en RStudio.
Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.
Archivos almacenados en almacenamiento local que están montados en /home/rstudio. El directorio ' home ' tiene una limitación de almacenamiento de 2 GB y se utiliza para almacenar el espacio de trabajo de la sesión RStudio. Tenga en cuenta que se le asignan 2 GB para el almacenamiento de su directorio ' home ' en todos sus proyectos, independientemente de si utiliza RStudio en cada proyecto. Como consecuencia, sólo debe almacenar archivos de script R y archivos de datos pequeños en el directorio home . No está pensado para archivos de datos de gran tamaño o salida generada de gran tamaño. Todos los archivos de datos grandes se deben cargar como activos de proyecto, que se montan en el directorio project-objectstorage desde donde puede acceder a ellos.
Añadir archivos como activos del proyecto
Copy link to section
Si desea que sus archivos de datos aparezcan en elproject-objectstorage directorio, debe agregarlos a su proyecto como activos de datos. Para añadir estos archivos al proyecto como activos de datos:
En la página Activos del proyecto, haz clic en el icono Cargar activo al proyecto y selecciona la pestaña Archivos.
Seleccione los archivos que desea agregar al proyecto como activos.
En la lista Acciones, seleccione Añadir como activo de datos y aplique los cambios.
Consumo de capacidad y ámbito del tiempo de ejecución
Copy link to section
Un tiempo de ejecución de entorno RStudio siempre está limitado a una plantilla de entorno y a un usuario de sesión RStudio. Sólo puede haber una sesión de RStudio activa por usuario de watsonx.ai Studio al mismo tiempo. Si ha iniciado RStudio en otro proyecto, se le preguntará si desea detener esa sesión e iniciar una nueva sesión de RStudio en el contexto del proyecto actual en el que está trabajando.
El uso del tiempo de ejecución se calcula por el número de horas de unidad de capacidad (CUH) consumidas por el tiempo de ejecución del entorno activo. Las CUH consumidas por un tiempo de ejecución de RStudio activo en un proyecto se facturan a la cuenta del creador del proyecto. Consulte Facturación de unidades de capacidad por hora para RStudio.
Puede ver qué tiempos de ejecución de entorno de RStudio están activos en la página Entornos del proyecto. Desde esta página se puede detener el tiempo de ejecución.
Recuerde: El contador CUH continúa aumentando mientras el tiempo de ejecución está activo, así que detenga el tiempo de ejecución si no utiliza RStudio. Si no detienes explícitamente el tiempo de ejecución, se detiene por ti tras un tiempo de inactividad de 2 horas. Durante este tiempo de inactividad, seguirá consumiendo CUH por las que se le facturará. Los trabajos largos que requieren gran cantidad de procesos se detienen de forma forzada después de 24 horas.
Vea este vídeo para ver una visión general del IDE de RStudio.
Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.
Transcripción
Transcripción de vídeo
Hora
Transcripción
00:00
Este vídeo es una visita rápida al entorno de desarrollo integrado RStudio dentro de un proyecto.
00:07
Desde cualquier proyecto, puede iniciar el IDE RStudio.
00:12
RStudio es un entorno de desarrollo integrado gratuito y de código abierto para R, un lenguaje de programación para cálculo estadístico y gráficos.
00:22
En RStudio, hay cuatro paneles: el panel de fuentes, el panel de consola, el panel de entorno y el panel de archivos.
00:32
Los paneles te ayudan a organizar tu trabajo y separar las diferentes tareas que harás con R.
00:39
Puede arrastrar para cambiar el tamaño de los paneles o utilizar los iconos para minimizar y maximizar un panel.
00:47
También puede reorganizar los paneles en opciones globales.
00:53
El panel de la consola es su interfaz con R.
00:56
Es exactamente lo que verías en la ventana de terminal o en las interfaces de usuario empaquetadas con R.
01:01
El panel de la consola tiene algunas características añadidas que le resultarán útiles.
01:06
Para ejecutar código desde la consola, simplemente escriba el mandato.
01:11
Empiece a escribir un mandato para ver una lista de mandatos que empiezan con las letras que ha empezado a escribir.
01:17
Resalte un mandato en la lista y pulse "Intro" para insertarlo.
01:24
Utilice la flecha hacia arriba para desplazarse por los mandatos que ha especificado anteriormente.
01:31
A medida que emite más mandatos, puede desplazarse por los resultados.
01:36
Utilice la opción de menú para borrar la consola.
01:39
También puede utilizar la finalización de pestañas para ver una lista de las funciones, objetos y conjuntos de datos que empiezan por ese texto.
01:47
Y utilice las flechas para resaltar un comando para ver ayuda para ese comando.
01:51
Cuando estés listo, solo presiona "Enter" para insertarlo.
01:55
A continuación, verá una lista de las opciones para ese mandato en el contexto actual.
01:59
Por ejemplo, el primer argumento para la función read.csv es el archivo.
02:05
RStudio mostrará una lista de las carpetas y archivos en su directorio de trabajo, para que pueda localizar fácilmente el archivo a incluir con el argumento.
02:16
Por último, si utiliza la finalización de la pestaña con una función que espera un nombre de paquete, como una biblioteca, verá una lista de todos los paquetes instalados.
02:28
A continuación, vamos a ver el panel de origen, que es simplemente un editor de texto para que escriba su código R.
02:34
El editor de texto admite archivos de mandatos R y texto sin formato, así como varios otros idiomas, e incluye resaltado específico del idioma en contexto.
02:47
Y observará que la finalización de la pestaña también está disponible en el editor de texto.
02:53
Desde el editor de texto, puede ejecutar una sola línea de código, o seleccionar varias líneas de código para ejecutarlas, y verá los resultados en el panel de la consola.
03:08
Puede guardar el código como un script R para compartirlo o volver a ejecutarlo más tarde.
03:15
La función de vista abre una nueva pestaña que muestra el archivo de datos en formato de hoja de cálculo.
03:22
O puede mostrarlo en su propia ventana.
03:25
Ahora, puede desplazarse por los datos, ordenar las columnas, buscar valores específicos o filtrar las filas utilizando los controles deslizantes y los menús desplegables.
03:41
El panel de entorno contiene una pestaña "Entorno", una pestaña "Historial" y una pestaña "Conexiones", y realiza un seguimiento de lo que ha estado sucediendo en esta sesión R.
03:51
La pestaña "Entorno" contiene los objetos R que existen en el entorno global, creados durante la sesión.
03:58
Por lo tanto, cuando crea un nuevo objeto en el panel de la consola, se visualiza automáticamente en el panel de entorno.
04:04
También puede ver los objetos relacionados con un paquete específico, e incluso ver el código fuente para una función específica.
04:12
También puede ver una lista de los conjuntos de datos, expandir un conjunto de datos para inspeccionar sus elementos individuales y verlos en el panel de origen.
04:22
Puede guardar el contenido de un entorno como un archivo .RData, para poder cargar dicho archivo .RData en una fecha posterior.
04:29
Desde aquí, también puede borrar los objetos del espacio de trabajo.
04:33
Si desea suprimir elementos específicos, utilice la vista de cuadrícula.
04:38
Por ejemplo, puede encontrar fácilmente elementos grandes que suprimir para liberar memoria en la sesión R.
04:45
La pestaña "Entorno" también le permite importar un conjunto de datos.
04:50
Puede ver una vista previa del conjunto de datos y cambiar las opciones antes de completar la importación.
04:55
Los datos importados se mostrarán en el panel de origen.
05:00
La pestaña "Historial" muestra un historial de cada uno de los mandatos que ejecuta en la línea de mandatos.
05:05
Al igual que la pestaña "Entorno", usted puede guardar el historial como un archivo. Rhistory, por lo que puede abrirlo en una fecha posterior.
05:11
Y esta pestaña tiene las mismas opciones para borrar todo el historial y las entradas individuales en el historial.
05:17
Seleccione un mandato y envíelo a la consola para volver a ejecutar el mandato.
05:23
También puede copiar un mandato en el panel de origen para incluirlo en un script.
05:31
En la pestaña "Conexiones", puede crear una nueva conexión con un origen de datos.
05:36
Las opciones de este cuadro de diálogo dependen de los paquetes que haya instalado.
05:41
Por ejemplo, una conexión "BLUDB" le permite conectarse a un servicio Db2 Warehouse on Cloud .
05:49
El panel de archivos contiene las pestañas "Archivos", "Gráficos", "Paquetes", "Ayuda" y "Visor".
05:55
La pestaña "Archivos" muestra el contenido de su directorio de trabajo.
05:59
RStudio cargará archivos desde este directorio y guardará archivos en este directorio.
06:04
Vaya a un archivo y pulse el archivo para verlo en el panel de origen.
06:09
Desde aquí, puede crear carpetas nuevas y cargar archivos, ya sea seleccionando archivos individuales para cargar o seleccionando un archivo .zip que contenga todos los archivos para cargar.
06:25
Desde aquí, también puede suprimir y renombrar archivos y carpetas.
06:30
Para acceder al archivo en R, debe establecer la carpeta de datos como un directorio de trabajo.
06:36
Verá que el mandato setwd se ha ejecutado en la consola.
06:43
Puede acceder a los activos de datos del proyecto abriendo la carpeta del proyecto.
06:50
La pestaña "Gráficos" muestra los resultados de las funciones de gráfico de R, como por ejemplo: plot, hist, ggplot y xyplot
07:00
Puede navegar a través de diferentes gráficos utilizando las flechas o zoom para ver un gráfico en pantalla completa.
07:09
También puede suprimir gráficos individuales o todos los gráficos desde aquí.
07:13
Utilice la opción "Exportar" para guardar el gráfico como un archivo gráfico o de impresión en la resolución especificada.
07:21
La pestaña "Paquetes" muestra los paquetes que tiene instalados actualmente en la biblioteca del sistema.
07:26
La barra de búsqueda le permite encontrar rápidamente un paquete específico.
07:30
Los paquetes comprobados son los paquetes que ya estaban cargados, utilizando el mandato de biblioteca, en la sesión actual.
07:38
Puede seleccionar paquetes adicionales desde aquí para cargarlos o deseleccionar paquetes para desconectarlos de la sesión actual.
07:45
El panel de la consola muestra los resultados.
07:48
Utilice la "X" junto a un nombre de paquete para eliminarlo de la biblioteca del sistema.
07:54
También puede encontrar nuevos paquetes para instalar o actualizar a la última versión de cualquier paquete.
08:03
Al hacer clic en cualquiera de los paquetes se abre la pestaña "Ayuda" con información adicional para ese paquete.
08:09
Desde aquí, puede buscar funciones para obtener más ayuda.
08:13
Y desde la consola, puede utilizar el mandato help, o simplemente escribir un signo de interrogación seguido de la función, para obtener ayuda con esa función.
08:21
La pestaña "Visor" muestra la salida HTML.
08:25
Algunas funciones R generan HTML para visualizar informes y gráficos interactivos.
08:31
El paquete R Markdown crea informes que puedes ver en la pestaña "Visor".
08:38
El paquete Shiny crea aplicaciones web que puede ver en la pestaña "Visor".
08:44
Y otros paquetes se basan en la infraestructura htmlwidgets e incluyen visualizaciones interactivas basadas en Java.
08:54
También puede publicar la visualización en el sitio gratuito, denominado "RPubs.com".
09:01
Esta es una breve descripción del IDE de RStudio.
09:05
Encuentre más vídeos sobre RStudio en la documentación de Cloud Pak for Data as a Service.
Use this interactive map to learn about the relationships between your tasks, the tools you need, the services that provide the tools, and where you use the tools.
Select any task, tool, service, or workspace
You'll learn what you need, how to get it, and where to use it.
Some tools perform the same tasks but have different features and levels of automation.
Jupyter notebook editor
Prepare data
Visualize data
Build models
Deploy assets
Create a notebook in which you run Python, R, or Scala code to prepare, visualize, and analyze data, or build a model.
AutoAI
Build models
Automatically analyze your tabular data and generate candidate model pipelines customized for your predictive modeling problem.
SPSS Modeler
Prepare data
Visualize data
Build models
Create a visual flow that uses modeling algorithms to prepare data and build and train a model, using a guided approach to machine learning that doesn’t require coding.
Decision Optimization
Build models
Visualize data
Deploy assets
Create and manage scenarios to find the best solution to your optimization problem by comparing different combinations of your model, data, and solutions.
Data Refinery
Prepare data
Visualize data
Create a flow of ordered operations to cleanse and shape data. Visualize data to identify problems and discover insights.
Orchestration Pipelines
Prepare data
Build models
Deploy assets
Automate the model lifecycle, including preparing data, training models, and creating deployments.
RStudio
Prepare data
Build models
Deploy assets
Work with R notebooks and scripts in an integrated development environment.
Federated learning
Build models
Create a federated learning experiment to train a common model on a set of remote data sources. Share training results without sharing data.
Deployments
Deploy assets
Monitor models
Deploy and run your data science and AI solutions in a test or production environment.
Catalogs
Catalog data
Governance
Find and share your data and other assets.
Metadata import
Prepare data
Catalog data
Governance
Import asset metadata from a connection into a project or a catalog.
Metadata enrichment
Prepare data
Catalog data
Governance
Enrich imported asset metadata with business context, data profiling, and quality assessment.
Data quality rules
Prepare data
Governance
Measure and monitor the quality of your data.
Masking flow
Prepare data
Create and run masking flows to prepare copies of data assets that are masked by advanced data protection rules.
Governance
Governance
Create your business vocabulary to enrich assets and rules to protect data.
Data lineage
Governance
Track data movement and usage for transparency and determining data accuracy.
AI factsheet
Governance
Monitor models
Track AI models from request to production.
DataStage flow
Prepare data
Create a flow with a set of connectors and stages to transform and integrate data. Provide enriched and tailored information for your enterprise.
Data virtualization
Prepare data
Create a virtual table to segment or combine data from one or more tables.
OpenScale
Monitor models
Measure outcomes from your AI models and help ensure the fairness, explainability, and compliance of all your models.
Data replication
Prepare data
Replicate data to target systems with low latency, transactional integrity and optimized data capture.
Master data
Prepare data
Consolidate data from the disparate sources that fuel your business and establish a single, trusted, 360-degree view of your customers.
Services you can use
Services add features and tools to the platform.
watsonx.ai Studio
Develop powerful AI solutions with an integrated collaborative studio and industry-standard APIs and SDKs. Formerly known as Watson Studio.
watsonx.ai Runtime
Quickly build, run and manage generative AI and machine learning applications with built-in performance and scalability. Formerly known as Watson Machine Learning.
IBM Knowledge Catalog
Discover, profile, catalog, and share trusted data in your organization.
DataStage
Create ETL and data pipeline services for real-time, micro-batch, and batch data orchestration.
Data Virtualization
View, access, manipulate, and analyze your data without moving it.
Watson OpenScale
Monitor your AI models for bias, fairness, and trust with added transparency on how your AI models make decisions.
Data Replication
Provide efficient change data capture and near real-time data delivery with transactional integrity.
Match360 with Watson
Improve trust in AI pipelines by identifying duplicate records and providing reliable data about your customers, suppliers, or partners.
Manta Data Lineage
Increase data pipeline transparency so you can determine data accuracy throughout your models and systems.
Where you'll work
Collaborative workspaces contain tools for specific tasks.
Project
Where you work with data.
> Projects > View all projects
Catalog
Where you find and share assets.
> Catalogs > View all catalogs
Space
Where you deploy and run assets that are ready for testing or production.
> Deployments
Categories
Where you manage governance artifacts.
> Governance > Categories
Data virtualization
Where you virtualize data.
> Data > Data virtualization
Master data
Where you consolidate data into a 360 degree view.