使用Anaconda管理R语言环境，并使用Jupyter Notebook编写R语言

相信一直使用Python搞数据分析、机器学习的同学们会习惯使用 Anaconda管理不同的Python环境，并使用Jupyter Notebook（包括使用VS Code的Jupyter插件）来编写Python代码。

切换到R语言时，我们对于RStudio并不习惯使用。第一，官方的R语言+RStudio的组合默认是在全局环境下安装管理R包的，没有像Anaconda那样方便管理不同R语言环境的功能。第二，RStudio进行R语言代码编写类似直接编写py文件并运行，不像Jupyter Notebook一个个代码块分别运行和显示那样直观。

Anaconda中创建R环境

0 官方教程存在的问题

使用Anaconda官方的教程（https://docs.anaconda.com/working-with-conda/packages/using-r-language/）创建R环境（conda create -n r_env r-essentials r-base）会有一个问题，创建R的最高版本只有3.6。这是因为官方的channel未包含新的R版本。
可以在终端通过命令conda search r-base来看所有的r-base的版本：

可以看到最新R语言版本的支持的channel位于conda-forge中。而pkg/r中对R语言的支持没有更新到新版本。

1 创建R语言环境

因此，我们需要通过conda-forge这一channel安装最新的R语言版本环境。打开Anaconda Prompt。

我们创建一个名为“r_ds”的环境，采用R语言版本为4.4.1，从conda-forge安装，代码如下。

conda create -n r_ds -c conda-forge r-base=4.4.1

安装成功！

2 安装常用包集合：r-essentials

创建完我们想要的R版本的环境后，我们可以为其安装单独的R包，可以直接使用命令conda install -c conda-forge r-包名称安装。可见基本上所有常见的R包在Anaconda的环境下都是以r-开头的。

我们也可以选择直接安装R基础包集合（R Essentials bundle），即r-essentials，里面包含了80多个常见的R包扩展，如IRKernel, dplyr, shiny, ggplot2, tidyr, caret, nnet等。(anaconda中的R包详情详见：https://repo.anaconda.com/pkgs/r/)

先激活环境，然后安装：

conda activate r_ds
conda install -c conda-forge r-essentials

r-essentials安装完毕后，我们的Jupyter将会支持R内核（如下图），我们在终端输入jupyter notebook即可打开记事本界面。这样我们就可以在终端当前的根目录下进行创建ipynb记事本文件并使用jupyter的环境进行R语言编写了。

---

以上安装成功后，我们就可以从Jupyter notebook启动R语言终端了。终端输入jupyter notebook即可。

3 用VS Code的Jupyter插件写R

对于平时常用VS Code的Jupyter插件进行Python编写的同学，一定也想用同样的方法进行R语言的编写。前面我们已经从Anaconda安装好R环境r_ds了，下面是VS Code中的步骤。

①打开VS Code，安装R语言插件。（注意VS Code的Jupyter插件要先安装好）

②创建ipynb文件，进入后单击右上角的环境选择按钮，选择环境。其中选择“Jupyter Kernel”。

之后选择你刚才从Anaconda创建的R环境，比如r_ds。这样，我们就可以成功地在VS Code的Jupyter Notebook中进行R语言编写了！