Argomento tradotto automaticamente È possibile passare alla versione inglese
Fare riferimento alla versione inglese (originale) per visualizzare una versione più accurata e aggiornata di questa documentazione. IBM non è responsabile di eventuali danni o perdite derivanti dall'uso di contenuti tradotti automaticamente (machine translation).
RStudio
Ultimo aggiornamento: 14 gen 2025
RStudio
R è un popolare pacchetto per l'analisi statistica e l'apprendimento automatico che consente la gestione dei dati e include test, modelli, analisi e grafici. RStudio, incluso in IBM watsonx.ai Studio, fornisce un ambiente di sviluppo integrato per lavorare con script R.
Informazioni e limitazioni d'uso
Copy link to section
RStudio è integrato nei progetti IBM watsonx.ai Studio. Si può lanciare dopo aver creato un progetto.
È possibile accedere e utilizzare i file di dati archiviati nel bucket IBM Cloud Object Storage associato al progetto.
È possibile utilizzare RStudio IDE per creare applicazioni Shiny, ma non è possibile distribuirle in Cloud Pak for Data as a Service.
Avvio dell'IDE RStudio
Copy link to section
Per avviare l'IDE RStudio nel progetto:
Fate clic su RStudio dal menu Launch IDE sulla barra delle azioni del progetto.
Seleziona un ambiente.
Cliccare su Avvia.
Il runtime dell'ambiente viene avviato e l'ambiente di sviluppo viene aperto.
Risoluzione dei problemi di avvio dell'IDE RStudio
Copy link to section
È possibile che si verifichino i seguenti problemi all'avvio di RStudio:
Stato di RStudio corrotto da una sessione precedente
Copy link to section
Problema: ' A volte, quando si avvia una sessione di RStudio, è possibile che lo stato di RStudio sia danneggiato da una sessione precedente e che la sessione non si avvii. Soluzione: ' Dopo aver lanciato l'IDE RStudio, nella fase di selezione dell'ambiente RStudio, selezionate Reset the workspace. RStudio viene avviato utilizzando le impostazioni predefinite con uno spazio di lavoro RStudio pulito.
Utilizzo dei file di dati
Copy link to section
In RStudio è possibile lavorare con file di dati provenienti da diverse fonti:
File nella struttura dei file del server RStudio, che si può visualizzare facendo clic su File nella sezione in basso a destra di RStudio. Qui è possibile creare cartelle, caricare file dal sistema locale ed eliminare file.
Per accedere a questi file in R, è necessario impostare la directory di lavoro con i file. È possibile effettuare questa operazione passando alla directory con i file e facendo clic su Altro> Imposta come directory di lavoro.
Tenete presente che i file memorizzati nella directory 'Home della vostra istanza di RStudio sono persistenti solo all'interno della vostra istanza e non possono essere condivisi tra gli ambienti né all'interno del vostro progetto.
Guardate questo video per vedere come caricare i dati in RStudio.
Questo video fornisce un metodo visivo per apprendere i concetti e le attività in questa documentazione.
Le risorse di dati del progetto che sono archiviate nel bucket IBM Cloud Object Storage associato al progetto. Quando viene lanciato RStudio, il contenuto del bucket IBM Cloud Object Storage viene montato nella directory 'project-objectstorage nella directory 'Home di RStudio.
Se si desidera che i file di dati vengano visualizzati nella directory project-objectstorage , è necessario aggiungerli come asset al progetto. Consultare la sezione Aggiunta di file come asset di progetto.
Se vengono aggiunte nuove risorse di dati al progetto mentre si è in RStudio e si desidera accedervi, è necessario aggiornare la cartella 'project-objectstorage.
Guardate questo video per vedere come collegarsi a fonti di dati esterne in RStudio.
Questo video fornisce un metodo visivo per apprendere i concetti e le attività in questa documentazione.
File memorizzati nell'archiviazione locale montati in /home/rstudio. La directory 'home ha un limite di memoria di 2 GB ed è utilizzata per memorizzare l'area di lavoro della sessione RStudio. Si noti che vengono assegnati 2 GB per la memorizzazione della directory 'home in tutti i progetti, indipendentemente dall'uso di RStudio in ciascun progetto. Di conseguenza, è necessario memorizzare solo i file di script R e i file di dati di piccole dimensioni nella directory home . Non è destinato a file di dati di grandi dimensioni o a output generati di grandi dimensioni. Tutti i file di dati di grandi dimensioni devono essere caricati come asset di progetto, che vengono montati nella directory project-objectstorage da cui è possibile accedervi.
Aggiunta di file come asset di progetto
Copy link to section
Se vuoi che i tuoi file di dati appaiano nel fileproject-objectstorage directory, devi aggiungerli al tuo progetto come risorse di dati. Per aggiungere questi file come asset di dati al progetto:
Nella pagina delle risorse del progetto, fare clic sull'icona Carica risorsa nel progetto e selezionare la scheda File.
Seleziona i file che desideri aggiungere al progetto come risorse.
Dall'elenco Azioni, seleziona Aggiungi come asset di dati e applica le modifiche.
Utilizzo della capacità e ambito di runtime
Copy link to section
Un runtime dell'ambiente RStudio ha sempre lo scope di un modello di ambiente e di un utente della sessione RStudio. Per ogni utente di watsonx.ai Studio può essere attiva una sola sessione RStudio alla volta. Se si è avviato RStudio in un altro progetto, viene chiesto se si desidera interrompere quella sessione e avviare una nuova sessione di RStudio nel contesto del progetto corrente in cui si sta lavorando.
L'utilizzo del tempo di esecuzione viene calcolato in base al numero di CUH (Capacity Unit Ore) utilizzate dal runtime dell'ambiente attivo. I CUH consumati da un runtime RStudio attivo in un progetto vengono addebitati al conto del creatore del progetto. Vedere Fatturazione delle unità di capacità per ora per RStudio.
È possibile vedere quali ambienti RStudio sono attivi nella pagina Ambienti del progetto. È possibile arrestare il proprio runtime da questa pagina.
Ricordare: Il contatore CUH continua ad aumentare mentre il runtime è attivo, quindi interrompere il runtime se non si utilizza RStudio. Se non si interrompe esplicitamente il tempo di esecuzione, questo viene interrotto dopo un tempo di inattività di 2 ore. Durante questo tempo di inattività, continuerai a utilizzare i CUH per cui ti viene addebitato. I lavori a lunga intensità di calcolo vengono arrestati dopo 24 ore.
Guardate questo video per vedere una panoramica dell'IDE RStudio.
Questo video fornisce un metodo visivo per apprendere i concetti e le attività in questa documentazione.
Trascrizione
Trascrizione del video
Ora
Trascrizione
00:00
Questo video è un rapido tour dell'ambiente di sviluppo integrato RStudio all'interno di un progetto.
00:07
Da qualsiasi progetto, è possibile lanciare l'IDE RStudio.
00:12
RStudio è un ambiente di sviluppo integrato gratuito e open-source per R, un linguaggio di programmazione per il calcolo statistico e la grafica.
00:22
In RStudio sono presenti quattro riquadri: il riquadro sorgente, il riquadro console, il riquadro ambiente e il riquadro file.
00:32
I riquadri ti aiutano a organizzare il tuo lavoro e a separare le diverse attività che farai con R.
00:39
È possibile trascinare per ridimensionare i riquadri o utilizzare le icone per ridurre e ingrandire un riquadro.
00:47
È anche possibile riorganizzare i riquadri in opzioni globali.
00:53
Il riquadro della console è l'interfaccia per R.
00:56
È esattamente ciò che si potrebbe vedere nella finestra del terminale o nelle interfacce utente in bundle con R.
01:01
Il riquadro della console contiene alcune funzioni aggiuntive che troverai utili.
01:06
Per eseguire il codice dalla console, digitare il comando.
01:11
Iniziare a immettere un comando per visualizzare un elenco di comandi che iniziano con le lettere che si è iniziato a digitare.
01:17
Evidenziare un comando nell'elenco e premere "Invio" per inserirlo.
01:24
Utilizzare la freccia verso l'alto per scorrere i comandi precedentemente immessi.
01:31
Quando si immettono più comandi, è possibile scorrere i risultati.
01:36
Utilizzare l'opzione di menu per cancellare la console.
01:39
È inoltre possibile utilizzare il completamento con tabulazione per visualizzare un elenco di funzioni, oggetti e dataset che iniziano con tale testo.
01:47
E utilizzare le frecce per evidenziare un comando per visualizzare la guida per tale comando.
01:51
Quando si è pronti, premere "Invio" per inserirlo.
01:55
Successivamente, vedrai un elenco delle opzioni per tale comando nel contesto corrente.
01:59
Ad esempio, il primo argomento per la funzione read.csv è il file.
02:05
RStudio visualizzerà un elenco delle cartelle e dei file presenti nella directory di lavoro, in modo da poter individuare facilmente il file da includere nell'argomento.
02:16
Infine, se si utilizza il completamento della scheda con una funzione che prevede un nome pacchetto, ad esempio una libreria, verrà visualizzato un elenco di tutti i pacchetti installati.
02:28
Successivamente, guardiamo il riquadro di origine, che è semplicemente un editor di testo per scrivere il codice R.
02:34
L'editor di testo supporta i file di comando R e il testo semplice, così come molte altre lingue, e include l'evidenziazione specifica della lingua nel contesto.
02:47
E noterai che il completamento della scheda è disponibile anche nell'editor di testo.
02:53
Dall'editor di testo, puoi eseguire una singola riga di codice o selezionare diverse righe di codice da eseguire e vedrai i risultati nel riquadro della console.
03:08
È possibile salvare il codice come uno script R da condividere o eseguire nuovamente in un secondo momento.
03:15
La funzione di visualizzazione apre una nuova scheda che visualizza il frame di dati in formato foglio di calcolo.
03:22
Oppure è possibile visualizzarlo nella propria finestra.
03:25
Ora, è possibile scorrere i dati, ordinare le colonne, ricercare valori specifici o filtrare le righe utilizzando i dispositivi di scorrimento e i menu a discesa.
03:41
Il riquadro dell'ambiente contiene una scheda "Ambiente", una scheda "Cronologia" e una scheda "Connessioni" e tiene traccia di ciò che sta accadendo in questa sessione R.
03:51
La scheda "Ambiente" contiene gli oggetti R che esistono nell'ambiente globale, creati durante la sessione.
03:58
Quindi, quando si crea un nuovo oggetto nel riquadro della console, viene visualizzato automaticamente nel riquadro dell'ambiente.
04:04
È inoltre possibile visualizzare gli oggetti relativi a un package specifico e anche il codice sorgente per una specifica funzione.
04:12
È inoltre possibile visualizzare un elenco dei dataset, espandere un dataset per esaminare i singoli elementi e visualizzarli nel riquadro di origine.
04:22
È possibile salvare il contenuto di un ambiente come file .RData, in modo da poter caricare tale file .RData in un secondo momento.
04:29
Da qui, è anche possibile cancellare gli oggetti dall'area di lavoro.
04:33
Se si desidera eliminare elementi specifici, utilizzare la vista griglia.
04:38
Ad esempio, è possibile trovare facilmente elementi di grandi dimensioni da eliminare per liberare memoria nella sessione R.
04:45
La scheda "Ambiente" consente anche di importare un dataset.
04:50
È possibile vedere un'anteprima del dataset e modificare le opzioni prima di completare l'importazione.
04:55
I dati importati verranno visualizzati nel riquadro di origine.
05:00
La scheda "Cronologia" visualizza una cronologia di ciascuno dei comandi eseguiti sulla riga comandi.
05:05
Proprio come la scheda "Ambiente", è possibile salvare la cronologia come file .Rhistory, in modo da poterla aprire in un secondo momento.
05:11
E questa scheda ha le stesse opzioni per cancellare tutta la cronologia e le singole voci nella cronologia.
05:17
Selezionare un comando e inviarlo alla console per eseguire nuovamente il comando.
05:23
È anche possibile copiare un comando nel riquadro di origine per includerlo in uno script.
05:31
Sulla scheda "Connessioni", è possibile creare una nuova connessione a una origine dati.
05:36
Le scelte in questa finestra di dialogo dipendono dai pacchetti installati.
05:41
Ad esempio, una connessione "BLUDB" ti permette di connetterti ad un servizio Db2 Warehouse on Cloud .
05:49
Il riquadro File contiene le schede "File", "Grafici", "Pacchetti", "Guida" e "Visualizzatore".
05:55
La scheda "File" visualizza il contenuto della directory di lavoro.
05:59
RStudio caricherà i file da questa directory e li salverà in questa directory.
06:04
Passare a un file e fare clic sul file per visualizzarlo nel riquadro di origine.
06:09
Da qui, è possibile creare nuove cartelle e caricare file, selezionando singoli file da caricare o selezionando un file .zip contenente tutti i file da caricare.
06:25
Da qui, è anche possibile eliminare e ridenominare file e cartelle.
06:30
Per accedere al file in R, è necessario impostare la cartella dei dati come directory di lavoro.
06:36
Vedrete che il comando setwd è stato eseguito nella console.
06:43
È possibile accedere agli asset di dati nel progetto aprendo la cartella del progetto.
06:50
La scheda "Grafici" visualizza i risultati delle funzioni del grafico R, quali: plot, hist, ggplot e xyplot
07:00
È possibile navigare tra diversi grafici utilizzando le frecce o lo zoom per visualizzare un grafico a schermo intero.
07:09
È anche possibile eliminare singoli grafici o tutti i grafici da qui.
07:13
Utilizzare l'opzione "Esporta" per salvare il grafico come file grafico o di stampa alla risoluzione specificata.
07:21
La scheda "Pacchetti" visualizza i pacchetti attualmente installati nella propria libreria di sistema.
07:26
La barra di ricerca consente di trovare rapidamente un pacchetto specifico.
07:30
I package selezionati sono i package già caricati, utilizzando il comando libreria, nella sessione corrente.
07:38
È possibile selezionare ulteriori pacchetti da qui per caricarli o deselezionare i pacchetti per scollegarli dalla sessione corrente.
07:45
Il riquadro della console visualizza i risultati.
07:48
Utilizzare la "X" accanto ad un nome pacchetto per rimuoverlo dalla libreria di sistema.
07:54
È inoltre possibile trovare nuovi package da installare o aggiornare alla versione più recente di qualsiasi package.
08:03
Facendo clic su uno dei pacchetti si apre la scheda "Guida" con ulteriori informazioni per quel pacchetto.
08:09
Da qui, è possibile cercare funzioni per ottenere più aiuto.
08:13
E dalla console, è possibile utilizzare il comando di aiuto, o semplicemente digitare un punto interrogativo seguito dalla funzione, per ottenere aiuto con tale funzione.
08:21
La scheda "Visualizzatore" visualizza l'output HTML.
08:25
Alcune funzioni R generano HTML per visualizzare report e grafici interattivi.
08:31
Il pacchetto R Markdown crea rapporti che si possono visualizzare nella scheda "Viewer".
08:38
Il pacchetto Shiny crea app web che puoi visualizzare nella scheda "Visualizzatore".
08:44
E altri pacchetti si basano sul framework htmlwidgets e includono visualizzazioni interattive basate su Java.
08:54
È anche possibile pubblicare la visualizzazione sul sito gratuito, denominatoRPubs.com".
09:01
Questa è una breve panoramica dell'IDE RStudio.
09:05
Trovate altri video su RStudio nella documentazione di 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.
Informazioni sui cookie del presente sitoPer il corretto funzionamento, i nostri siti Web richiedono alcuni cookie (richiesto). Inoltre, con il suo consenso, potrebbero essere utilizzati altri cookie per l'analisi dell'utilizzo del sito, per migliorare l'esperienza utente e per scopi pubblicitari.Per ulteriori informazioni, consultare le Preferenze cookie. Visitando il nostro sito web, accettate il trattamento delle informazioni da parte nostra come descritto nelladichiarazione sulla privacy di IBM.Per consentire una corretta navigazione, le preferenze per i cookie dell'utente verranno condivise sui domini Web IBM qui elencati.