R یک زبان برنامه نویسی محبوب است که اکنون به طور گسترده در زمینه های مرتبط با تحقیقات مانند بیوانفورماتیک استفاده می شود.

و برای استفاده از R، باید R Compiler و R Studio را نصب کنید. اما آیا می دانستید که می توانید کد R خود را مستقیماً در نوت بوک Jupyter نیز اجرا کنید؟ اگر قبلاً به استفاده از Jupyter Notebook برای کارهای مرتبط با یادگیری ماشین با استفاده از Python عادت کرده‌اید، این به جهات بسیار کمک می‌کند.

در این آموزش، دقیقاً به شما نشان خواهم داد که چگونه می توانید ماشین محلی خود را برای اجرای زبان برنامه نویسی R مستقیماً در نوت بوک Jupyter تنظیم کنید. فرآیندهایی که امروز به شما نشان خواهم داد به یک اندازه برای همه سیستم عامل های اصلی (سیستم عامل های ویندوز، MacOS و لینوکس) قابل اجرا هستند.

فهرست مطالب

Conda را نصب کنید

یک محیط جدید ایجاد کنید

محیط کوندای خود را فعال کنید

ipykernel و jupyter را نصب کنید

R را در محیط کوندا نصب کنید

نوت بوک Jupyter را باز کنید

R را در نوت بوک Jupyter اجرا کنید

نتیجه گیری

Conda را نصب کنید

شما معمولاً از Conda برای مدیریت چندین محیط در پایتون استفاده می کنید. و در اینجا، ما قصد داریم از همان برنامه Conda برای نصب R در محیط خود استفاده کنیم. می توانید از Anaconda یا Miniconda استفاده کنید.

من Miniconda را ترجیح می دهم زیرا بسیار سبک وزن است. همچنین این فرصت را خواهید داشت که جدیدترین بسته ها را مستقیماً با استفاده از Miniconda نصب کنید. اما اگر از قبل با آن راحت هستید، می توانید به سادگی با آناکوندا بروید.

یک محیط جدید ایجاد کنید

بسیاری از افراد تمایل دارند از محیط Base استفاده کنند. اما من هرگز دوست ندارم مستقیماً از محیط Base استفاده کنم زیرا شما معمولاً به چندین محیط برای مدیریت بسته ها و نسخه های مختلف بسته ها نیز نیاز دارید.

پس من یک محیط جدید ایجاد خواهم کرد که در آن با استفاده از Jupyter Notebook روی وظایف مربوط به زبان برنامه نویسی R خود کار کنم.

برای ایجاد یک محیط جدید Conda، به سادگی از دستور زیر استفاده کنید:

 conda create --name r-conda

در اینجا، r-conda نام محیط کوندای من است. شما می توانید هر نام دیگری را انتخاب کنید، اما به خاطر داشته باشید که نام conda env نمی تواند هیچ فضای خالی در آن داشته باشد.

این یک محیط جدید Conda به نام r-conda برای من ایجاد می کند.

محیط کوندای خود را فعال کنید

اگر می خواهید روی یک محیط کوندا جداگانه کار کنید، باید قبل از شروع هر کاری مطمئن شوید که آن محیط کوندا خاص را فعال کرده اید.

من می خواهم روی محیط r-conda conda کار کنم. پس من به سادگی می توانم محیط conda را با استفاده از دستور زیر فعال کنم:

 conda activate r-conda

اگر در دستور با r-conda متفاوت است، باید از نام دقیق conda env استفاده کنید.

نام محیط conda را به صورت (conda-env-name) در سمت چپ ترمینال خود خواهید دید.

ipykernel و jupyter نصب کنید

من همیشه دوست دارم ipykernel و jupyter را در همه محیط‌های conda خود نصب کنم زیرا به مدیریت جداگانه نوت‌بوک‌ها/آزمایشگاه‌های Jupyter در محیط‌های مختلف conda کمک می‌کنند.

پس من می خواهم آنها را با هم در conda env خود با استفاده از دستور زیر نصب کنم:

 conda install ipykernel jupyter

این کار هم ipykernel و هم jupyter در محیط فعال شده conda نصب می کند.

R را در محیط کوندا نصب کنید

برای نصب مستقیم R در محیط conda کافیست از دستور زیر استفاده کنید:

 conda install -cr r-irkernel

با این کار اجزای لازم که رایانه محلی شما را قادر می سازد برنامه R را در نوت بوک Jupyter شما اجرا کند نصب می کند.

نوت بوک Jupyter را باز کنید

اکنون می توانید نوت بوک Jupyter را با استفاده از jupyter notebook یا jupyter notebook --ip=0.0.0.0 --port=8889 --no-browser --allow-root --NotebookApp.token='' باز کنید. فقط مطمئن شوید که IP، پورت، پیکربندی ریشه و توکن را همانطور که برای کار خود مناسب می‌دانید تغییر دهید.

پیوند داده شده را در ترمینال باز کنید تا Jupyter Notebook در مرورگر وب خود باز شود.

را باز کنید" class="image--center mx-auto" width="1094" height="541" loading="lazy">

R را در نوت بوک Jupyter اجرا کنید

پس از باز کردن Jupyter Notebook در مرورگر وب خود، هنگامی که می خواهید یک نوت بوک جدید برای R ایجاد کنید، R مستقیماً در منوی "New" مانند تصویر زیر دریافت خواهید کرد.

اکنون می توانید از زبان R مستقیماً در نوت بوک Jupyter خود استفاده کنید!

را در نوت بوک Jupyter اجرا کنید" class="image--center mx-auto" width="1244" height="524" loading="lazy">

همچنین می توانید لوگوی زبان برنامه نویسی R را در سمت راست بالای نوت بوک خود مشاهده کنید.

نتیجه گیری

با تشکر از شما برای خواندن کل مقاله. امیدوارم اینجا چیز جدیدی یاد گرفته باشید.

اگر از مراحل گام به گام لذت بردید، فراموش نکنید که در Twitter/X یا LinkedIn به من اطلاع دهید. اگر بتوانید من را برای برخی مهارت های مرتبط در لینکدین تأیید کنید، خوشحال می شوم. همچنین توصیه می‌کنم برای محتوای منظم مرتبط با برنامه‌نویسی در کانال YouTube من مشترک شوید.

اگر به منبع باز علاقه دارید، می توانید من را در GitHub نیز دنبال کنید. حتما وب سایت من را نیز تحلیل کنید.

خیلی ممنون! 😀

خبرکاو