Jupyter arrive avec une grande dynamique, alors soyez prêt pour vous (IPython Notebook + R)

Jusqu'à présent, en essayant d'exécuter R sur le notebook IPython, il y avait une méthode pour faire rpy2 et ainsi de suite, mais il n'était pas pratique de frapper %% à chaque fois.

Cependant, avec la sortie d'IPython 3.0 à la fin du mois dernier (27 février 2015), le notebook IPython a considérablement changé et la coopération avec R est devenue beaucoup plus facile (même s'il s'agit encore d'une version de développement)! À l'avenir, il semble que cela couvrira non seulement R mais aussi Julia et d'autres langues, et la partie qui ne dépend pas d'une langue spécifique est réalisée dans un autre projet appelé Jupyter Cela semble aller.

Il semble qu'il existe les noyaux Jupyter suivants pour les langues typiques.

• Python (https://github.com/ipython/ipython)
• Julia (https://github.com/JuliaLang/IJulia.jl)
• R (https://github.com/takluyver/IRkernel)
• Ruby (https://github.com/minrk/iruby)
• Haskell (https://github.com/gibiansky/IHaskell)
• Scala (https://github.com/Bridgewater/scala-notebook)
• Lua (https://github.com/neomantra/lua_ipython_kernel)
• LuaJIT/Torch (https://github.com/facebook/iTorch)
• Go (https://github.com/takluyver/igo)
• Erlang (https://github.com/robbielynch/ierlang)
• OCaml (https://github.com/andrewray/iocaml)
• Perl (https://metacpan.org/release/Devel-IPerl)
• Perl6 (https://github.com/timo/iperl6kernel)
• JavaScript (https://www.npmjs.com/package/ijavascript)
• node.js (https://gist.github.com/Carreau/4279371)
• Bash (https://github.com/takluyver/bash_kernel)
• Autres

Consultez la page suivante pour tous les noyaux Jupyter disponibles actuellement. IPython kernels for other languages

Consultez la page suivante pour des exemples de blocs-notes utilisant d'autres noyaux de langage.

• A gallery of interesting IPython Notebooks
• nbviewer: A simple way to share Jupyter Notebooks

Ainsi, IPython Notebook (Jupyter) + R, qui est également le sujet de cette fois, ressemble à ceci. Fondamentalement, il est bon de faire ce qu'il est dans noyau R natif pour IPython. Quand j'ai construit l'environnement avec OSX Yosemite (10.10.2) + MacPorts, j'ai eu une erreur en cours de route, mais j'ai ajouté cppzmq avec MacPorts.

Une régression linéaire avec l'ensemble de données d'iris qui est inclus dans R depuis le début ressemble à ceci. C'est bon!