r-env¶
r-env tarjoaa R:n ja RStudio Serverin sekä useita muita ominaisuuksia niiden käytön helpottamiseksi. Se toimii Apptainer-kontissa.
-
R on avoimen lähdekoodin kieli ja ympäristö data-analytiikkaan, tilastolliseen laskentaan ja grafiikkaan. Lisätietoa R:stä löytyy R Projectin verkkosivuilta. Monet hyödylliset R-oppaat löytyvät myös CRANista.
-
RStudio Server on R:lle tarkoitettu integroitu kehitysympäristö (IDE). Lisätietoa RStudiosta löytyy RStudion verkkosivuilta.
Uutiset
11.11.2026 r-env, jossa on R-versio 4.6.1, on nyt saatavilla Roihu-GPU:ssa. Huomaa seuraavat erot verrattuna Roihu-CPU:n r-env:iin, jotka johtuvat yhteensopimattomuudesta Roihu-GPU-arkkitehtuurin kanssa:
- RStudio ei ole saatavilla Roihu-GPU:ssa
- R-paketit torch ja sf sekä niistä riippuvat paketit eivät ole vielä saatavilla, mutta työskentelemme niiden lisäämiseksi
- Yhteensopimattomuuden vuoksi puuttuvia paketteja lukuun ottamatta R-pakettivalikoiman on tarkoitus olla sama kuin Roihu-CPU:ssa
18.8.2026 R-versio 4.6.1 on nyt saatavilla r-env:ssä Roihu-CPU:ssa, ja se on asetettu oletusversioksi.
Vanhemmat uutiset (näytä napsauttamalla)
25.5.2026 r-env-dokumentaatio on päivitetty sisältämään ohjeet R:n käyttöön Roihu-supertietokoneella.
29.4.2026 r-env-dokumentaatio on päivitetty ja järjestelty uudelleen. Malliskriptit rinnakkaisille R-eräajotöille löytyvät nyt
erilliseltä opassivulta Esimerkkejä rinnakkaisista R-eräajotöistä.
17.2.2026 R-versio 4.5.2 on nyt saatavilla r-env:ssä Puhdissa ja Mahdissa, ja se on asetettu oletusversioksi.
22.7.2025 R-versio 4.5.1 on nyt saatavilla r-env:ssä Puhdissa ja Mahdissa, ja se on asetettu oletusversioksi.
7.4.2025 r-env on nyt saatavilla myös Mahdissa, mukaan lukien RStudio Mahdin selainkäyttöliittymässä. Moduuli toimii yleisesti ottaen samalla tavalla kuin r-env Puhdissa, mutta huomaa, että alla olevaa dokumentaatiota ei ole vielä päivitetty Mahdin osalta. Mahdin uusi small-osio soveltuu monenlaiseen R- ja RStudio-työskentelyyn kaikkein muistisyöpimpiä tehtäviä lukuun ottamatta. Puhtiin tottuneiden käyttäjien kannattaa huomata, että Mahdissa ei ole erillistä muistivarausta, ja ainoa tapa saada lisää muistia on varata enemmän ytimiä. Jos sinulla on kysyttävää R:n käytöstä Mahdissa, ota yhteyttä CSC:n asiakastukeen.
Saatavilla¶
r-env sisältää yli 1700 esiasennettua R-pakettia, mukaan lukien tuki paikkatietoanalyyseille ja rinnakkaislaskennalle. Suorituskyvyn parantamiseksi r-env on käännetty käyttäen Intel® oneAPI Math Kernel Librarya (oneMKL) (entinen Intel® MKL).
Pieniä poikkeuksia lukuun ottamatta r-env:n R-pakettiversiot on päivälukittu (CRAN-paketit) tai kiinnitetty tiettyyn Bioconductor -versioon.
Nykyiset moduulit ja CSC:n supertietokoneilla tuetut versiot:
| Moduulin nimi (R-versio) | CRAN-pakettien päiväys | Bioconductor-versio | RStudio Serverin versio | oneMKL-versio | Cmdstan-versio |
|---|---|---|---|---|---|
| r-env/461 (oletus) | 23.7.2026 | 3.23 | 2026.07.1-147 | 2026.1.0 | 2.39.0 |
| r-env/452 | 4.4.2026 | 3.22 | 2026.01.0-392 | 2025.3.0 | 2.39.0 |
| Moduulin nimi (R-versio) | CRAN-pakettien päiväys | Bioconductor-versio | RStudio Serverin versio | oneMKL-versio | Cmdstan-versio |
|---|---|---|---|---|---|
| r-env/461 (oletus) | 23.7.2026 | 3.23 | ei saatavilla | ei saatavilla | 2.40.0 |
Muut ohjelmistot ja kirjastot:
- Open MPI (Mellanox OFED™ -ohjelmistolla) 4.1.9
- TensorFlow 2.21.0 (vain Roihu-GPU)
- cget 0.2.0
- Ei
torch-pakettia Roihu-GPU:ssa: huomaa, että R-pakettitorchtai sitä taiLibTorchia vaativat R-paketit eivät ole vielä saatavilla Roihu-GPU:ssa asennusongelmien vuoksi. - Ei
sf-pakettia Roihu-GPU:ssa: huomaa, että R-pakettisftai sitä vaativat R-paketit eivät ole tällä hetkellä saatavilla Roihu-GPU:ssa asennusongelmien vuoksi.
Lisenssit¶
-
Tietoa käytössä olevista R:n ja siihen liittyvien ohjelmistojen (mukaan lukien paketit) lisensseistä löytyy R Projectin verkkosivuilta. Paketin tarkka lisenssi voidaan tarkistaa myös R:n sisällä:
packageDescription("package", fields="License"). Lisätietoa R:n ja eri R-pakettien siteeraamisesta (sivun alareunassa). -
RStudio Server -asennus perustuu Open Source Editioniin (saatavilla AGPL v3 -lisenssillä). Katso myös RStudio End User License Agreement.
-
Open MPI:tä jaellaan 3-lausekkeen BSD-lisenssillä (lisätietoja Open MPI:n verkkosivuilla).
-
Mellanox OFED™ perustuu OFED™:iin (saatavilla kaksoislisenssillä BSD tai GPL 2.0) sekä suljettuihin komponentteihin (katso Mellanox OFED™ End-User Agreement).
-
Intel® MKL:ää jaellaan Intel Simplified Software License -lisenssillä.
-
NVIDIA NCCL:ää jaellaan 3-lausekkeen BSD-lisenssillä.
-
NVIDIA cuDNN:ää jaellaan Software License Agreement for NVIDIA software development kits -lisenssillä.
-
cget on saatavilla Boost Software License -lisenssillä.
-
CmdStania jaellaan 3-lausekkeen BSD-lisenssillä.
Lisenssitiedot r-env-kontin sisällä ovat saatavilla tiedostossa /usr/licensing.txt.
Käyttö¶
R:ää voi käyttää r-env-moduulin kanssa useilla tavoilla:
Interaktiivinen käyttö
-
RStudio Server, joka toimii interaktiivisissa töissä laskentasolmulla
-
R-konsoli komentorivillä interaktiivisessa komentotulkki-istunnossa laskentasolmulla
-
Kirjautumissolmulla R-konsolia käyttäen. Käytä tätä vaihtoehtoa vain datan siirtämiseen, pakettien saatavuuden tarkistamiseen ja pakettien asentamiseen. Kirjautumissolmuja ei ole tarkoitettu raskaaseen laskentaan.
interactive-osiossa ajettavilla interaktiivisilla töillä on tietyt resurssirajat (aika, muisti, CPU-ytimet). Katso Roihun saatavilla olevat resurssit.
Ei-interaktiivinen käyttö
- Ei-interaktiiviset eräajotyöt ilman varattuihin laskentaresursseihin kohdistuvia rajoituksia (muita kuin ne, jotka koskevat kyseistä CSC:n supertietokonetta yleisesti)
Miten minun kannattaa käyttää R:ää r-env:n kanssa?
- Interaktiivinen käyttö on tarkoitettu koodin valmisteluun ja pienempiin analyyseihin, jotka kestävät enintään muutamia tunteja, ja siinä voidaan käyttää rajallisia resursseja.
- Ei-interaktiiviset eräajotyöt tarjoavat enemmän resursseja, ja niitä tulisi käyttää erityisesti pitkiin tai paljon resursseja vaativiin tehtäviin.
Interaktiivinen käyttö laskentasolmulla¶
1. RStudio
r-env-moduulia voidaan käyttää RStudio Serverin etäkäynnistämiseen verkkoselaimessa.
Suositeltu tapa käynnistää RStudio on käyttää supertietokoneen selainkäyttöliittymää. Katso myös erillinen dokumentaatio selainkäyttöliittymän RStudiosta.
RStudio Serverin voi käynnistää myös SSH-tunneloinnin kautta Roihussa. Tämä vaihtoehto vaatii tunnistautumisen Secure Shell (SSH) -avaimella. Yksityiskohtaiset ohjeet löytyvät erillisestä RStudio Serverin käyttöoppaasta.
RStudio on tarkoitettu interaktiiviseen työskentelyyn, joka kuluttaa kohtuullisen määrän laskentaresursseja. Pitkät, paljon muistia vaativat tai muuten raskaat tehtävät kannattaa tehdä ei-interaktiivisina eräajotöinä.
2. R-konsoli interaktiivisessa komentotulkki-istunnossa
Jos haluat käyttää R:ää interaktiivisesti komentoriviltä laskentasolmulla, käynnistä ensin interaktiivinen komentotulkki-istunto.
Interaktiivisen komentotulkki-istunnon käynnistäminen (näytä ohjeet napsauttamalla)
Vaihtoehto 1. Avaa supertietokoneen selainkäyttöliittymissä komentotulkki-istunto työkalulla Compute node shell.
Vaihtoehto 2. Kun yhdistät supertietokoneeseen omalta työasemaltasi SSH-asiakasohjelmalla, avaa komentotulkki-istunto käyttäen sinteractive-komentoa.
Voit joko käyttää komentoa sinteractive -i, jolloin sinulta kysytään valinnat, tai määrittää itse varattavat resurssit sinteractive-komennossa. Näet kaikki vaihtoehdot komennolla sinteractive --help.
Määritä varattavien CPU-ytimien määrä (oletus 2, enintään 32), muisti (oletus 1 GB per ydin, enintään 64 GiB yhteensä) ja aika (muodossa hh:mm:ss). Seuraava esimerkki varaa 4 CPU-ydintä, 8 GiB muistia ja 1 tunnin ajoajan.
Jokaisella käyttäjällä on oletuksena 20 GB väliaikaista levytilaa interactive-osiossa. Jos tarvitset enemmän väliaikaista tilaa, käytä valintaa --tmp varataksesi nopeaa hajautettua tallennustilaa, joka liitetään
polkuun /sfb/data (enintään 2048 GiB).
Lisätietoja löytyy sinteractive-dokumentaatiosta).
Kun olet avannut interaktiivisen komentotulkki-istunnon, voit käynnistää R:n komentoriviversion seuraavasti (huomaa, että komento täytyy suorittaa laskentasolmulla):
Interaktiivinen käyttö kirjautumissolmulla¶
R-konsolia on mahdollista käyttää kirjautumissolmulla myös kevyisiin tehtäviin. Käytä tätä vaihtoehtoa vain datan siirtämiseen, pakettien saatavuuden tarkistamiseen ja pakettien asentamiseen. Kirjautumissolmuja ei ole tarkoitettu raskaaseen laskentaan.
Käynnistä R-konsoli kirjautumissolmulla suorittamalla seuraavat komennot:
Ei-interaktiiviset eräajotyöt¶
R-skriptien ajaminen ei-interaktiivisesti eräajotiedostojen avulla antaa käyttöön enemmän resursseja ja painottaa tehokkuutta interaktiivisuuden sijaan. Eräajotyöt ovat erityisen suositeltavia kaikille pitkille ja paljon resursseja vaativille tehtäville.
Seuraavien esimerkkien lisäksi katso lisätietoja yleisestä eräajodokumentaatiosta. Jos eräajotyöt ovat sinulle uusia, tutustu CSC Computing Environment -kurssin eräajomateriaaleihin ja tähän oppaaseen interaktiivisten R-töiden ja R-eräajotöiden suorittamisesta.
R-eräajotyön perusskripti¶
Alla on esimerkki yhden ytimen käyttävän sarjallisen R-eräajotyön lähettämisestä. Huomaa, että käytössä on test-osio, jonka aikaraja on 15 minuuttia ja jota käytetään vain testaustarkoituksiin.
Varsinaiset R-eräajotyöt tulisi useimmissa tapauksissa ajaa small-osiossa. Katso lisätietoja Roihun saatavilla olevista eräajo-osioista täältä.
Enemmän kuin yksi CPU-ydin?
Oletuksena R käyttää yhtä CPU-ydintä. Kun työskentelet R-skriptin tai -paketin kanssa, joka osaa hyödyntää useita ytimiä ja rinnakkaisprosessointia, tutustu rinnakkaisten R-eräajotyöskriptien esimerkkeihin.
Määrittelemme eräajoskriptin suorittamaan R-skriptin (tässä myscript.R).
#!/bin/bash
#SBATCH --job-name=r_serial # Job name
#SBATCH --account=<project> # Define the billing project, e.g. project_2001234
#SBATCH --output=output_%j.txt # File for storing output (%j will be job id)
#SBATCH --error=errors_%j.txt # File for storing errors (%j will be job id)
#SBATCH --partition=test # Job partition (queue), in general use 'small'
#SBATCH --time=00:05:00 # Max. duration of the job (hh:mm:ss)
#SBATCH --cpus-per-task=1 # Number of cores
#SBATCH --ntasks=1 # Number of tasks (only change this for multi-node/MPI jobs)
#SBATCH --nodes=1 # Number of nodes (only change this for multi-node/MPI jobs)
#SBATCH --mem-per-cpu=2000M # Memory to reserve per CPU core
# Load the r-env module
module load r-env
# Run the R script
srun Rscript --no-save myscript.R
Roihun GPU-osioita tulisi käyttää vain silloin, kun R-paketit tai -funktiot osaavat käyttää GPU:ta. Katso lisää GPU-eräajotiedostojen luomisesta Roihun GPU-eräajodokumentaatiosta. CPU- ja GPU-muisti asetetaan automaattisesti maksimiin (96 GB GPU-muistia, 120 GB CPU-muistia käytettäessä yhtä GPU:ta).
#!/bin/bash
#SBATCH --job-name=r_serial # Job name
#SBATCH --account=<project> # Define the billing project, e.g. project_2001234
#SBATCH --output=output_%j.txt # File for storing output (%j will be job id)
#SBATCH --error=errors_%j.txt # File for storing errors (%j will be job id)
#SBATCH --partition=gputest # Job queue (partition), in general use 'gpumedium'
#SBATCH --time=00:05:00 # Max. duration of the job (hh:mm:ss)
#SBATCH --gres=gpu:gh200:1 # Number gpus per node (here 1)
#SBATCH --cpus-per-task=72 # Number of cores (72 cores per GPU)
#SBATCH --ntasks=1 # Number of tasks (only change this for multi-node/MPI jobs)
#SBATCH --nodes=1 # Number of nodes (only change this for multi-node/MPI jobs)
# Load the r-env module
module load r-env
# Run the R script
srun Rscript --no-save myscript.R
Yllä olevassa Roihu-CPU-esimerkissä yksi tehtävä (--ntasks=1) suoritetaan yhdellä CPU-ytimellä (--cpus-per-task=1), 2 GB muistilla (--mem-per-cpu=2000M) ja viiden minuutin ajoajalla (--time=00:05:00), jotka on varattu työlle.
Komento module load r-env lataa uusimman saatavilla olevan r-env-version. Jos haluat määrittää ladattavan moduuliversion, käytä komentoa module load r-env/<version>, esimerkiksi module load r-env/461.
Tärkeää: varmista, että R-eräajotyölläsi on riittävästi levytilaa väliaikaistiedostoille
Jokaisella käyttäjällä on oletuksena 20 GiB väliaikaista tallennustilaa paikallisella levyllä osioissa small, interactive ja test.
Tähän tallennustilaan pääsee ympäristömuuttujalla $TMPDIR.
Jos R-työsi tuottavat erittäin paljon tai erittäin suuria väliaikaistiedostoja niin, että 20 GiB ylittyy, varaa nopeaa tallennustilaa hajautetusta tallennustilasta.
Jos haluat varata hajautettua tallennustilaa, lisää eräajoskriptiin seuraava rivi. Tässä storagesize määrittää tallennustilan määrän ja path sijainnin, johon tallennustila liitetään.
Polun on alettava merkkijonolla /sbf/.
Kun tiedosto on valmis, eräajotiedosto lähetetään eräajo-järjestelmään kirjautumissolmulla:
Rinnakkaiset eräajotyöt¶
r-env-moduulia voidaan käyttää rinnakkaislaskentaan useilla tavoilla. Näihin kuuluvat moniydin- ja taulukkotyölähetykset sekä MPI (Message Passing Interface) -pohjaiset ja usean solmun työt.
Moduulin mukana tulee useita paketteja, jotka tukevat usean solmun välistä viestintää MPI:n kautta: future, snow, doMPI (käytettynä foreach-paketin kanssa) ja pbdMPI.
Katso erillinen dokumentaatio seuraavista:
Lisäneuvoja rinnakkaisista R-töistä ja niiden tehokkaasta ajamisesta CSC:n supertietokoneilla saat ottamalla yhteyttä CSC:n asiakastukeen.
R-pakettien asennukset¶
r-env sisältää yli 1700 esiasennettua R-pakettia. Helpoin tapa tarkistaa, onko tietty paketti jo asennettu, on yrittää ladata se:
Jos et halua ladata pakettia, voit myös hakea sitä listasta:
Lisää R-paketteja voidaan asentaa kahta reittiä:
-
Asenna paketti itse projektillesi erilliseen pakettihakemistoon
/projappl/<project>-hakemistossa (ohjeet alla) -
Pyydä yleistä asennusta (tarjotaan kaikille käyttäjille osana moduulia): ota yhteyttä CSC:n asiakastukeen
Jos haluat asentaa paketin itse projektillesi:
Luo ensin uusi kansio projektisi projappl -hakemistoon. Kansion nimi voi olla haluamasi, mutta huomaa, että kansion tulisi olla käyttämällesi R-versiolle yksilöllinen.
Eri r-env- ja R-versio vaativat uuden asennuksen. Luo kansio R:ssä näin:
# Replace <project> with your project number (project_xxxxxxx) and <rversion> with the R version you are working with, for example `project_rpackages_461` for r-env/461.
dir.create("/projappl/<project>/project_rpackages_<rversion>")
Tämän jälkeen voit lisätä kansion R:n kirjastopolkuihin suorittamalla R:ssä seuraavan komennon:
Jos haluat käyttää/projappl:iin asennettuja R-paketteja, lisää yllä oleva komento R-skriptisi alkuun. Se muokkaa kirjastopolkuja vain kyseisen R-istunnon aikana. Toisin sanoen sinun täytyy suorittaa se joka kerta, kun käynnistät R:n.
Yllä olevien ohjeiden jälkeen pakettiasennusten pitäisi nyt oletuksena kohdistua projektikansioon. Seuraavalla komennolla voit tarkistaa, että kansio näkyy R:lle. Sen pitäisi olla listan ensimmäisenä.
Voit tarvittaessa määrittää polun myös asennuskomennossa:
R-version voi hakea automaattisesti myös komennolla getRversion(). Esimerkiksi:
Jotta .libPaths-asetusta ei tarvitsisi tehdä joka kerta R:ää käynnistettäessä, voit lisätä halutut muutokset .Renviron-tiedostoon alla olevan esimerkin mukaisesti. Tätä lähestymistapaa suositellaan erityisesti silloin, jos asentamaasi pakettia
käytetään rinnakkaisprosessoinnissa, jotta kaikki prosessit näkevät paketin.
Kun käytät r-env:iä, käyttäjän määrittämät muutokset R:n kirjastopolkuihin on tehtävä R-istunnon sisällä tai .Renviron-tiedostoon liittyen. Muut muutokset (esim. ympäristömuuttujien muokkaaminen komennolla export) eivät toimi, koska R-asennus toimii Apptainer-kontin sisällä. Jos analyysisi vaatisi muutoksia, joita ei voi toteuttaa yllä kuvatuilla tavoilla, ota yhteyttä meihin moduulinlaajuista pakettiasennusta varten.
Nopean paikallisen tallennustilan käyttö¶
Kun työ lukee ja kirjoittaa suuren määrän tiedostoja (I/O-intensiiviset analyysit), tiedostojen säilyttämiseen työn aikana tulisi käyttää nopeaa paikallista tallennustilaa.
Roihun CPU-osioissa small, interactive ja test jokaisella käyttäjällä on oletuksena 20 GiB väliaikaista paikallista tallennustilaa. Tämä tallennustila soveltuu I/O-intensiivisiin tehtäviin, ja siihen pääsee käsiksi
ympäristömuuttujalla $TMPDIR.
Roihun GPU-osiossa väliaikaisen paikallisen tallennustilan enimmäiskapasiteetti on 150 GiB. Tähän tallennustilaan pääsee ympäristömuuttujalla $TMPDIR.
Jos tarvitset enemmän tallennustilaa väliaikaistiedostoille tai I/O-intensiivisiin tehtäviin, voit käyttää hajautettua tallennustilaa.
Jos haluat varata hajautettua tallennustilaa eräajotyössä, lisää eräajoskriptiin seuraava rivi. Tässä storagesize määrittää tallennustilan määrän (tässä tapauksessa 100 GiB) ja path sijainnin, johon tallennustila liitetään.
Polun on alettava merkkijonolla /sbf/.
r-env:n käyttö Stanin kanssa¶
r-env-moduuli sisältää useita paketteja, jotka tarjoavat rajapinnan Staniin bayesiläiseen päättelyyn perustuvaa tilastollista mallinnusta varten, kuten rstan ja cmdstanr.
R:n käyttö CmdStan-taustajärjestelmän kanssa
r-env-moduulin mukana tulee erillinen CmdStan -asennus, joka on sidottu jokaiseen moduuliversioon.
Sen käyttämiseksi on asetettava oikea polku CmdStaniin käyttäen cmdstanr:ää. Tämä tehdään seuraavasti:
Muut CmdStan-taustajärjestelmän käyttöön liittyvät yksityiskohdat ovat pakettikohtaisia. Yhtenä esimerkkinä sitä voisi käyttää brms -paketin kanssa:
library(brms)
fit_serial <- brm(
count ~ zAge + zBase * Trt + (1|patient),
data = epilepsy, family = poisson(),
chains = 4, cores = 4, backend = "cmdstanr"
)
Huomaa, että brms:n ketjunsisäinen rinnakkaistus vaatii projektikohtaisen CmdStan-asennuksen. Ota yhteyttä CSC:n asiakastukeen saadaksesi ohjeet.
Säieaffiniteettimuuttujan APPTAINERENV_OMP_PLACES=cores on havaittu häiritsevän rinnakkaisia töitä, joissa käytetään rstan-pakettia. Suosittelemme tällä hetkellä, että tätä muuttujaa ei käytetä Stania hyödyntävissä rinnakkaisissa R-töissä.
Profilointityökalut R:ssä¶
Yleisimmät profilointityökalut R:ssä ovat utils::Rprof() ja profvis.
Kun yrität nopeuttaa R-työtä, voit käyttää näitä työkaluja skriptisi hitaimpien osien tunnistamiseen ja muokata sitten niitä. Esimerkiksi eri pakettien funktiot voivat käyttää eri määrän aikaa samankaltaiseen laskennalliseen tehtävään.
Lisätietoa saat aloittamalla lukemisesta profiloinnista profvisillä RStudiossa ja profiloinnista R:ssä yleisesti.
Käytännössä yleensä paras tapa nopeuttaa R-työtä supertietokoneella on muokata se käyttämään useita ytimiä ja ajamaan rinnakkain. Katso esimerkkejä rinnakkaisista R-eräajotyöskripteistä ja johdanto rinnakkaisiin R-töihin, ja ota yhteyttä CSC:n asiakastukeen saadaksesi neuvoja.
Työskentely Allaksen kanssa¶
r-env-moduulin mukana tulee aws.s3 -paketti S3-tallennuksen käyttöön, mikä mahdollistaa Allas-tallennusjärjestelmän käytön suoraan R-skriptistä. Katso tästä linkistä käytännön esimerkki rasteridatasta.
Allakseen pääsee r-env-moduulin kautta seuraavasti. Määritä ensin Allas suorittamalla nämä komennot terminaalissa. Tämä tarvitsee tehdä vain kerran, kun
käytetään oletusarvoista S3-protokollaa Roihussa.
Voit nyt hakea ämpärilistasi seuraavasti:
library(aws.s3)
Sys.setenv(AWS_S3_ENDPOINT="a3s.fi")
options("cloudyr.aws.default_region" = "")
bucketlist()
Datan latauskomennot riippuvat tiedostotyypistä. Tässä on esimerkkejä .RData-, .json- ja .csv-tiedostoille:
# .RData:
s3load(
object = "path/to/file.RData",
bucket = "your-bucket-name"
)
# .json file:
data <- s3read_using(
FUN = jsonlite::fromJSON,
object = "path/to/file.json",
bucket = "your-bucket-name"
)
# .csv file:
data <- s3read_using(
FUN = read_csv,
object = "path/to/file.csv",
bucket = "your-bucket-name"
)
Ongelmia pdf-renderöinnissä¶
Jos R Markdown- tai Quarto-dokumenttien pdf-renderöinti ei toimi, suorita seuraava komento R:ssä. Kun sinulta kysytään olemassa olevasta LaTeX-jakelusta, valitse y eli yes jatkaaksesi asennusta siitä huolimatta.
Viittaaminen¶
Jos haluat selvittää oikeat viittaukset R:lle ja eri R-paketeille, voit kirjoittaa:
Lisätietoja¶
-
r-env-kontin reseptit (linkki julkiseen GitHub-repositorioon)
-
R:n UKK (CRANin ylläpitämä)
-
Aiheeseen liittyvät projektit (lista R-aiheisista projekteista R Projectin verkkosivuilla)
-
R-pakettien cheatsheetit (ylläpidetty RStudion verkkosivuilla)
-
tidyverse (esiasennettu
r-env-moduuliin)