Tutorial RStudio: Guida completa per principianti (2026)

How to Install RStudio

Per installare e iniziare a lavorare in RStudio, dobbiamo prima scaricare e installare il linguaggio di programmazione R stesso. Per scaricare e installare R, segui questi passaggi:

1. Apri The Comprehensive R Archive Network (CRAN), il sito ufficiale di R.
2. Nella parte superiore della schermata, trova la sezione Download and Install R.
3. Fai clic sul link corrispondente al tuo sistema operativo.
4. Seleziona l’ultima release.
5. Apri il file scaricato e segui le semplici istruzioni di installazione lasciando le opzioni predefinite ovunque.

Per scaricare e installare RStudio, segui questi passaggi:

• Apri la pagina di download del sito ufficiale di Posit.
• Vedrai che il tuo sistema operativo viene identificato automaticamente. Sotto "Install RStudio", scegli la versione del tuo OS nel menu a discesa.
• Fai clic su DOWNLOAD RSTUDIO DESKTOP FOR [YOUR OS].
  
• Apri il file scaricato e segui le istruzioni di installazione. Puoi lasciare tutte le impostazioni predefinite.

How to Use RStudio

Ora che abbiamo installato RStudio con successo, apriamolo, esploriamone le parti principali e proviamo a eseguire varie operazioni.

RStudio interface

Aprire RStudio avvierà automaticamente il software R. L’interfaccia della piattaforma si presenta così:

A grandi linee, possiamo dividere la finestra di lavoro in tre aree:

• Area sinistra: include le schede Console, Terminal e Background Jobs
• Area in alto a destra: include le schede Environment, History, Connections e Tutorial
• Area in basso a destra: include le schede Files, Plots, Packages, Help, Viewer e Presentation

Nota: Il layout mostrato qui si basa su RStudio 2022.07.1+554. I nomi e la disposizione delle schede possono variare leggermente nelle versioni più recenti.

Vediamo più da vicino le schede essenziali.

Console

In questa scheda, vediamo per prima cosa le informazioni sulla versione di R in uso e alcuni comandi di base da provare. Alla fine di quelle descrizioni, possiamo digitare il nostro codice R, premere Invio e ottenere il risultato sotto la riga di codice (ad esempio, prova a eseguire 2*2 e guarda cosa succede). In pratica, qui possiamo fare tutto ciò che faremmo in qualsiasi altro programma R, per esempio:

• Installare e caricare i pacchetti R
• Eseguire operazioni matematiche semplici o complesse
• Assegnare il risultato di un’operazione a una variabile
• Importare dati
• Creare tipi comuni di oggetti R, come vettori, matrici o data frame
• Esplorare i dati
• Analisi statistica
• Costruire visualizzazioni dei dati

Tuttavia, quando eseguiamo il codice direttamente nella console, non viene salvato per poterlo riprodurre in seguito. Se dobbiamo (e di solito è così) scrivere codice riproducibile per risolvere un compito specifico, dobbiamo registrarlo e salvarlo regolarmente in un file di script invece che nella console.

Presto vedremo come scrivere gli script. Per ora, ricordiamo che dovresti usare principalmente la console per testare il codice e per installare i pacchetti R, dato che vanno installati una sola volta.

Environment

Ogni volta che definiamo o riassegniamo una variabile in RStudio, viene memorizzata come oggetto nello spazio di lavoro e viene visualizzata, insieme al suo valore, nella scheda Environment nell’area in alto a destra della finestra di RStudio. Prova a eseguire <- "Hello, World!" nella console e guarda cosa succede nella scheda Environment.

Questo vale anche per oggetti più complessi come i data frame. Quando importiamo i dati come data frame (o creiamo un data frame da zero), nello spazio di lavoro vediamo non solo il nome del nuovo oggetto ma anche i valori e il tipo di dato di ogni colonna. Inoltre, possiamo visualizzare ancora più dettagli su ciascun oggetto, come la sua lunghezza e la dimensione in memoria.

Nell’esempio seguente, abbiamo creato due variabili nella console: greeting <- "Hello, World!" e my_vector <- c(1, 2, 3, 4). Nota come sono visualizzate nella scheda Environment:

Possiamo cambiare il modo di visualizzare le nostre variabili da List a Grid nell’angolo in alto a destra della scheda, come segue:

Nota che ora possiamo anche vedere la lunghezza e la dimensione di ciascun oggetto.

Nel modo di visualizzazione Grid, compare una casella a sinistra di ogni variabile. Possiamo spuntare una qualsiasi di queste caselle e fare clic sull’icona Broom per rimuovere gli oggetti corrispondenti dallo spazio di lavoro:

Se spuntiamo la casella a sinistra della colonna Name e facciamo clic sull’icona Broom, oppure se facciamo semplicemente clic su questa icona nella modalità di visualizzazione precedente (List), puliremo lo spazio di lavoro rimuovendo tutte le variabili.

Other important tabs

• Terminal – per eseguire comandi dal terminale
• History – per tracciare la cronologia di tutte le operazioni eseguite durante la sessione corrente di RStudio
• Files – per vedere la struttura della cartella di lavoro, reimpostare la cartella di lavoro, navigare tra le cartelle, ecc.
• Plots – per visualizzare in anteprima ed esportare le visualizzazioni create
• Packages – per controllare quali pacchetti sono stati caricati e caricare o scaricare pacchetti (attivando/disattivando la casella a sinistra del nome del pacchetto)

How to write R scripts in RStudio

Come accennato prima, se vogliamo poter riprodurre e riutilizzare il nostro codice in futuro, dovremmo scriverlo in un file di script invece che direttamente nella console. 

Per iniziare a registrare uno script, fai clic su File – New File – R Script. Si aprirà un editor di testo nell’angolo in alto a sinistra dell’interfaccia di RStudio (sopra la scheda Console):

In uno script, possiamo fare tutte le cose elencate nella sezione sulla console (e in realtà le stesse cose possiamo farle in qualsiasi altro IDE per R), solo che ora le nostre azioni saranno memorizzate in un file per usi futuri o per la condivisione. È importante dare un nome significativo al file di script e salvarlo regolarmente (Ctrl + S in Windows/Linux, Cmd + S su Mac, File – Save su qualsiasi sistema operativo).

Per eseguire una singola riga di codice da uno script, posiziona il cursore su quella riga e fai clic sull’icona Run in alto a destra dell’editor di testo. In alternativa, usa una scorciatoia da tastiera (Ctrl + Invio in Windows/Linux, Cmd + Invio su Mac). Per eseguire più righe di codice, fai lo stesso dopo aver selezionato le righe necessarie. Per eseguire tutte le righe di codice, selezionale tutte e fai clic sull’icona Run OPPURE usa una scorciatoia da tastiera (Ctrl + A + Invio in Windows/Linux, Cmd + A + Invio su Mac).

Quando scriviamo uno script, ha senso aggiungere commenti al codice dove necessario (usando il simbolo cancelletto # seguito da una riga di testo del commento) per spiegare a un potenziale lettore futuro il perché di alcuni pezzi di codice. 

Inoltre, è una buona idea aggiungere all’inizio dello script un po’ di contesto importante: autore e contributori del codice, quando è stato scritto, quando è stato aggiornato, l’ambito del codice, ecc. Un’altra pratica utile è caricare tutti i pacchetti R necessari all’inizio dello script, subito dopo le informazioni iniziali.

Per report riproducibili e pronti per la pubblicazione che combinano codice e testo, R Markdown è lo strumento di riferimento—funziona direttamente dentro RStudio. Impara le basi nel tutorial su R Markdown per principianti. Per un confronto con Jupyter Notebooks, vedi Jupyter e R Markdown: Notebooks con R.

How to perform various operations in RStudio

Di seguito, parleremo delle azioni che possiamo eseguire in RStudio a fini di analisi dei dati. Praticamente, tutte le operazioni che stiamo per considerare non sono strettamente legate a RStudio, ma all’uso di R in generale, in qualunque IDE. 

Quindi, non entreremo nei dettagli tecnici di queste operazioni. Vedremo invece alcuni compiti comuni, la loro implementazione pratica in R (esempi di codice) e, dove applicabile, gli approcci alternativi (specifici di RStudio) a questi compiti.

Copia e incolla gli esempi qui sotto nella console di RStudio ed esplora i risultati. Prova sia gli approcci generali sia quelli alternativi (specifici di RStudio).

Installing R packages

Sintassi:

install.packages("package_name")

Per esempio:

install.packages("tidyverse")

In RStudio:

• Ricorda di installare tutti i pacchetti nella console e non in un file di script, poiché devono essere installati sul disco rigido del computer solo una volta.
• Puoi installare i pacchetti direttamente dall’interfaccia di RStudio: apri la scheda Packages (l’area in basso a sinistra), fai clic su Install e seleziona i pacchetti necessari da CRAN separati da uno spazio o una virgola, come segue:

Loading R packages

Sintassi:

library(package_name)

Per esempio:

library(tidyverse)

Il tidyverse è una popolare collezione di pacchetti R per la data science—tra cui dplyr per la manipolazione dei dati e ggplot2 per la visualizzazione. Scopri di più nel tutorial sul Tidyverse.

Nota che mentre abbiamo usato le virgolette per installare i pacchetti, non le usiamo per caricarli.

In RStudio:

• Carica tutti i pacchetti necessari in un file di script e non nella console.
• Il caricamento/scaricamento dei pacchetti installati o di sistema può essere fatto cercando e spuntando/togliendo la spunta a tali pacchetti nella scheda Packages. Nota che alcuni pacchetti non possono essere scaricati se sono stati importati da altri pacchetti.

Checking loaded R packages

Esegui in console (.packages()) o search() per ottenere un elenco di tutti i pacchetti caricati.

In RStudio: apri la scheda Packages, cerca un pacchetto specifico e verifica se la casella a sinistra del suo nome è spuntata.

Getting help on an R package or any built-in R object

Per ottenere aiuto su un pacchetto installato e caricato, o su una funzione di un pacchetto installato e caricato, o su qualsiasi altro oggetto integrato di R (come un dataset precaricato), usa una delle seguenti sintassi:

help(package_or_function_name)

oppure

help("package_or_function_name")

oppure

?package_or_function_name

Nota: dobbiamo passare a help il nome di una funzione senza parentesi.

Si aprirà la scheda Help con la documentazione del pacchetto o dell’oggetto. Se stiamo controllando un pacchetto, otterremo l’elenco di tutte le sue funzioni e il link alla documentazione per ciascuna.

Per esempio, esegui quanto segue nella console (dopo esserti assicurato che i pacchetti readr e dplyr siano installati e caricati):

help("read.csv")
?readr
help(help)
help('CO2')

In RStudio: trova e fai clic sul nome del pacchetto desiderato (anche se non è caricato) nella scheda Packages e guarda il risultato nella scheda Help.

Importing data

world_population <- read.csv("world_population.csv")

(Per eseguire il codice sopra, scarica prima il World Population Dataset pubblico da Kaggle e decomprimilo nella stessa cartella in cui salvi il tuo script R.)

Il risultato dell’esecuzione del codice sopra sarà un data frame R nella tua cartella di lavoro.

In RStudio:

• File – Import Dataset

OPPURE

• Fai clic su Import Dataset nella scheda Environment:

Quindi seleziona From Text (base)..., naviga fino alla cartella giusta, seleziona il file da importare, compila o verifica i campi Name, Heading, Separator e Decimal nella finestra pop-up, visualizza in anteprima la struttura del dataset e fai clic su Import:

Ora puoi trovare ed esplorare il dataset importato nella scheda Environment e in un foglio di calcolo aperto in una nuova scheda:

Se vuoi saperne di più su come importare i dati con R, esplora il percorso di competenze DataCamp Importing & Cleaning Data with R. Puoi trovare vari dataset da importare e con cui lavorare su DataLab, il taccuino dati con AI di DataCamp e un’alternativa a RStudio.

Accessing built-in R datasets

Per vedere l’elenco completo dei dataset di esempio preinstallati in R, inclusi i loro nomi e brevi descrizioni, esegui il seguente codice nella console:

data()

Puoi prendere uno qualsiasi dei nomi apparsi e usarli come variabili (contenenti un data frame) per lavorare e fare pratica con R.

Se ti serve più informazione su un dataset precaricato selezionato, esegui la funzione help() su di esso, ad esempio help(CO2).

Wrangling and analyzing data in RStudio

Come in qualsiasi altro IDE per R, in RStudio possiamo accedere ai dati, manipolarli, trasformarli, analizzarli e modellarli in R. Di seguito alcuni esempi di operazioni standard eseguite sul dataset integrato CO2:

head(CO2)
tail(CO2)
colnames(CO2)
dim(CO2)
str(CO2)
summary(CO2)
summary(CO2$uptake)
median(CO2$uptake)
class(CO2$uptake)
unique(CO2$Treatment)
subset(CO2, conc == min(CO2$conc))

Provali in RStudio uno per uno e osserva l’output.

Plotting data in RStudio

Come in qualsiasi altro IDE per R, in RStudio possiamo rappresentare i dati graficamente. Di seguito alcuni esempi di creazione di grafici semplici per i dataset integrati CO2 e Orange. In entrambi i casi, il grafico risultante appare nella scheda Plots e può essere esportato usando il pulsante Export di quella scheda:

• Creazione di un istogramma:

hist(CO2$uptake)

• Creazione di uno scatter plot:

plot(Orange$age, Orange$circumference)

Possiamo regolare alcuni parametri disponibili per la funzione di base plot() per aggiungere un po’ di estetica all’ultimo grafico:

plot(Orange$age, Orange$circumference, 

     xlab="Age", ylab="Circumference", 

     main="Circumference vs. Age", 

     col="blue", pch=16)

Oppure possiamo usare ggplot2 o qualsiasi altro pacchetto specializzato per la visualizzazione dei dati—R offre un’ampia scelta. Per approfondire, vedi il nostro tutorial su ggplot2 o il percorso di competenze di DataCamp Data Visualization with R.

Creating data from scratch in R

Anche in questo caso, RStudio non è diverso da qualsiasi altro IDE per R.

Per creare un vettore:

oceans <- c("Arctic", "Atlantic", "Indian", "Pacific", "Southern")
avg_depth <- c(1.2, 3.65, 3.74, 3.97, 3.27)

(I dati sopra sono tratti da Wikipedia.)

Per creare un data frame:

oceans_depth <- data.frame(oceans, avg_depth)

Per stampare il risultato:

print(oceans_depth)

I vettori e il data frame risultanti compaiono anche nella scheda Environment di RStudio:

Conclusion

In questo tutorial, abbiamo esplorato molti aspetti essenziali dell’uso di RStudio:

• Cos’è RStudio e quali vantaggi offre
• Come installare RStudio
• Com’è l’interfaccia di RStudio e come usare le sue parti principali
• La differenza tra eseguire il codice in console e in uno script
• Dove trovare tutti gli oggetti usati nella sessione corrente di RStudio
• Le best practice per scrivere script
• Come eseguire varie operazioni in RStudio, come installare e caricare pacchetti R, importare dati, fare wrangling, analizzare e visualizzare i dati, creare oggetti R da zero, ecc.

Ora che hai familiarità con RStudio, puoi iniziare a usarlo. Ad esempio, pensa a costruire i tuoi progetti R in RStudio. Per ispirazione, dai un’occhiata all’articolo Top R Project Ideas.

Se senti di aver bisogno di più pratica con R prima di iniziare a creare progetti in RStudio, considera i seguenti corsi e percorsi su R per principianti su DataCamp:

• Data Scientist with R
• Data Analyst with R
• Machine Learning Scientist with R
• Statistician with R
• Intermediate R
• R Programming