RStudio 教程：完整新手指南（2026）

如何安装 RStudio

要安装并开始使用 RStudio，我们需要先下载并安装 R 编程语言本身。下载并安装 R 的步骤如下：

1. 打开 The Comprehensive R Archive Network (CRAN)，这是 R 的官方网站。
2. 在屏幕上方找到 Download and Install R 区域。
3. 点击与您的操作系统对应的链接。
4. 选择最新版本。
5. 打开下载的文件并按照简单的安装说明进行操作，所有选项保持默认即可。

下载并安装 RStudio 的步骤如下：

• 打开 Posit 官方网站的下载页面。
• 您会看到系统自动识别您的操作系统。在“Install RStudio”下的下拉菜单中选择您的 OS 版本。
• 点击DOWNLOAD RSTUDIO DESKTOP FOR [YOUR OS]。
  
• 打开下载的文件并按照安装说明进行操作。您可以在所有步骤选择默认设置。

如何使用 RStudio

现在我们已成功安装 RStudio，接下来打开它，探索其主要部分，并尝试在其中执行各类操作。

RStudio 界面

打开 RStudio 会自动启动 R 软件。平台界面如下所示：

大致而言，我们可以将工作窗口分为三个区域：

• 左侧区域：包含 Console、Terminal 和 Background Jobs 选项卡
• 右上区域：包含 Environment、History、Connections 和 Tutorial 选项卡
• 右下区域：包含 Files、Plots、Packages、Help、Viewer 和 Presentation 选项卡

注意：此处显示的布局基于 RStudio 2022.07.1+554。较新版本中的选项卡名称与排列可能略有不同。

下面更详细地看看关键选项卡。

Console

在此选项卡中，我们首先会看到正在使用的 R 版本信息以及一些可试用的基本命令。在这些说明的末尾，我们可以输入 R 代码，按 Enter，并在代码行下方获得结果（例如，试运行 2*2 看看会发生什么）。实际上，我们可以在这里做任何在其他 R 程序中会做的事情，例如：

• 安装并加载R 包
• 执行简单或复杂的数学运算
• 将运算结果赋值给变量
• 导入数据
• 创建常见类型的 R 对象，如向量、矩阵或数据框（dataframe）
• 探索数据
• 统计分析
• 构建数据可视化

不过，如果我们直接在控制台中运行代码，这些代码不会被保存以便以后复现。如果我们需要（通常都需要）编写可复现的代码来解决特定任务，就必须将其记录在脚本文件中并定期保存，而不是写在控制台里。

我们很快会探讨如何编写脚本。目前先记住，您应主要使用控制台来测试代码以及安装 R 包，因为包只需在计算机硬盘上安装一次。

Environment

每当我们在 RStudio 中定义新变量或重新赋值现有变量时，它都会作为对象存储在工作区，并连同其值一起显示在 RStudio 窗口右上区域的 Environment 选项卡上。试着在控制台中运行 <- "Hello, World!"，看看 Environment 选项卡上会发生什么。

这同样适用于更复杂的对象，例如数据框。当我们将数据作为数据框导入（或从头创建数据框）时，我们在工作区中不仅能看到新对象的名称，还能看到每一列的值和数据类型。此外，我们还可以显示每个对象的更多细节，例如其长度和内存大小。

在下面的示例中，我们在控制台中创建了两个变量：greeting <- "Hello, World!" 和 my_vector <- c(1, 2, 3, 4)。注意它们在 Environment 选项卡上的显示方式：

我们可以在该选项卡右上角将变量的显示方式从 List 改为 Grid，如下所示：

请注意，现在我们还能看到每个对象的长度和大小。

在 Grid 显示模式下，每个变量左侧都会出现一个复选框。我们可以勾选任意复选框并点击 Broom 图标，从工作区中移除相应对象：

如果我们勾选 Name 列左侧的复选框并点击 Broom 图标，或者在之前的显示模式（List）中直接点击该图标，我们就会清空工作区，移除其中的所有变量。

其他重要选项卡

• Terminal – 运行终端命令
• History – 跟踪当前 RStudio 会话期间执行的所有操作历史
• Files – 查看工作文件夹结构、重设工作文件夹、在文件夹间导航等
• Plots – 预览并导出创建的数据可视化
• Packages – 查看已加载的包，并加载/卸载包（通过勾选/取消勾选包名左侧的复选框）

如何在 RStudio 中编写 R 脚本

如前所述，如果我们希望能够在后续复现并复用代码，就应将其写入脚本文件，而不是直接写在控制台中。

要开始记录脚本，点击 File – New File – R Script。这将在 RStudio 界面的左上角（Console 选项卡上方）打开一个文本编辑器：

在脚本中，我们可以完成在控制台部分所列的一切操作（事实上，在任何其他 R IDE 中也一样），只不过现在我们的操作会被存储在文件中以便后续使用或共享。务必为脚本文件赋予有意义的名称，并定期保存（Windows/Linux 使用 Ctrl + S，Mac 使用 Cmd + S，或在任意系统中选择 File – Save）。

要从脚本运行单行代码，将光标置于该行并点击文本编辑器右上方的 Run 图标。或者使用快捷键（Windows/Linux 为 Ctrl + Enter，Mac 为 Cmd + Enter）。要运行多行代码，先选中所需代码行，然后执行相同操作。要运行全部代码行，选择所有行并点击 Run 图标，或使用快捷键（Windows/Linux 为 Ctrl + A + Enter，Mac 为 Cmd + A + Enter）。

在编写脚本时，建议在必要处添加代码注释（使用井号 # 后接注释文本）来向潜在的后续读者解释某些代码片段背后的原因。

此外，建议在脚本开头添加一些重要背景信息：代码作者与贡献者、编写时间、更新时间、代码范围等。另一项有用做法是在脚本开头（在提供上述信息之后）加载所有需要的 R 包。

对于结合代码与叙述、可复现且可发布的报告，R Markdown 是首选工具——它可直接在 RStudio 内使用。基础入门请参阅R Markdown 新手教程。如需与 Jupyter Notebooks 的比较，请参阅Jupyter 与 R Markdown：R 笔记本。

如何在 RStudio 中执行各类操作

接下来，我们将讨论在 RStudio 中为数据分析可以执行的操作。实际上，我们要介绍的所有操作并非严格依赖于 RStudio，而是普遍适用于任何 R IDE。

因此，我们不会对这些操作的技术细节进行逐一深入剖析。相反，我们将查看一些常见任务、它们在 R 中的实践实现（代码示例），以及（如适用）在 RStudio 中完成这些任务的替代方法。

将以下示例复制粘贴到 RStudio 的控制台中并查看结果。建议尝试通用方法与（RStudio 特有的）替代方法。

安装 R 包

语法：

install.packages("package_name")技术支持

例如：

install.packages("tidyverse")技术支持

在 RStudio 中：

• 请记住在控制台中安装所有包，而不是在脚本文件中，因为它们只需在计算机硬盘上安装一次。
• 您也可以直接从 RStudio 界面安装包：打开Packages 选项卡（左下区域），点击 Install，并从 CRAN 选择所需包，以空格或逗号分隔，如下所示：

加载 R 包

语法：

library(package_name)技术支持

例如：

library(tidyverse)技术支持

tidyverse 是一组广受欢迎的 R 数据科学包集合——包括用于数据操作的 dplyr 和用于可视化的 ggplot2。了解更多请参阅Tidyverse 教程。

请注意，安装包时使用引号，加载包时不使用引号。

在 RStudio 中：

• 在脚本文件中加载所有必要的包，而不是在控制台中。
• 可在 Packages 选项卡中通过搜索并勾选/取消勾选的方式加载/卸载已安装或系统包。注意，如果某些包被其他包导入，可能无法卸载。

检查已加载的 R 包

在控制台中运行 (.packages()) 或 search() 以获取所有已加载包的列表。

在 RStudio 中：打开 Packages 选项卡，搜索特定包，并检查其名称左侧复选框是否已勾选。

获取 R 包或任意内置 R 对象的帮助

要获取已安装并已加载的包，或已安装并已加载包中的函数，或任何其他内置 R 对象（如预加载数据集）的帮助，请使用以下任一语法：

help(package_or_function_name)技术支持

或

help("package_or_function_name")技术支持

或

?package_or_function_name技术支持

注意：向 help 函数传入函数名时不带括号。

Help 选项卡将打开相应包或对象的文档。如果我们查看的是包，将会得到其所有函数的列表以及每个函数文档的链接。

例如，在确保 readr 和 dplyr 包已安装并加载后，在控制台中运行以下代码：

help("read.csv")
?readr
help(help)
help('CO2')技术支持

在 RStudio 中：在 Packages 选项卡上找到并点击所需包名（即使它未被加载），然后在 Help 选项卡上查看结果。

导入数据

world_population <- read.csv("world_population.csv")技术支持

（要运行上述代码，首先从 Kaggle 下载公开的世界人口数据集，并将其解压到与您存放 R 脚本相同的文件夹中。）

运行上述代码的结果是在您的工作文件夹中创建一个 R 数据框。

在 RStudio 中：

• File – Import Dataset

或

• 在 Environment 选项卡上点击 Import Dataset：

然后选择 From Text (base)...，导航到正确的文件夹，选择要导入的文件，在弹窗中填写或检查 Name、Heading、Separator 和 Decimal 字段，预览数据集结构，并点击 Import：

现在，您可以在 Environment 选项卡以及新打开的表格标签页中找到并探索所导入的数据集：

如果您想进一步了解如何在 R 中导入数据，请探索 DataCamp 的系统化技能路径Importing & Cleaning Data with R。您还可以在 DataLab（DataCamp 提供的 AI 赋能数据笔记本，也是 RStudio 的替代方案）上找到各种可供导入和练习的数据集。

访问 R 内置数据集

要查看 R 中预加载示例数据集的完整列表（包括名称和简要描述），请在控制台运行以下代码：

data()技术支持

您可以任选其中的名称，将其作为变量（包含一个数据框）使用，以便在 R 中进行练习。

如果需要某个预加载数据集的更多信息，请对其运行 help() 函数，例如 help(CO2)。

在 RStudio 中整理与分析数据

如同在任何其他 R IDE 中一样，在 RStudio 中我们可以访问、操作、转换、分析和建模 R 中的数据。下面是对内置数据集 CO2 执行的一些标准操作示例：

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))技术支持

请在 RStudio 中逐一运行它们并观察输出。

在 RStudio 中绘图

与任何其他 R IDE 一样，在 RStudio 中我们可以绘制数据。以下是针对内置数据集 CO2 和 Orange 的一些简单绘图示例。在这两种情况下，生成的图形都会出现在 Plots 选项卡上，并可通过该选项卡的 Export 按钮导出：

• 创建直方图：

hist(CO2$uptake)技术支持

• 创建散点图：

plot(Orange$age, Orange$circumference)技术支持

我们可以调整基本 plot() 函数的一些参数，为上一幅图添加美观性：

plot(Orange$age, Orange$circumference, 

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

     main="Circumference vs. Age", 

     col="blue", pch=16)技术支持

或者我们可以使用 ggplot2 或其他任何专业的数据可视化包——R 提供了极其丰富的选择。深入学习请参阅我们的 ggplot2 教程或 DataCamp 技能路径 Data Visualization with R。

在 R 中从零创建数据

同样，在这种情况下，RStudio 与其他任何 R IDE 并无不同。

创建向量：

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

（上述数据来自 维基百科。）

创建数据框：

oceans_depth <- data.frame(oceans, avg_depth)技术支持

打印结果：

print(oceans_depth)技术支持

生成的向量和数据框也会出现在 RStudio 的 Environment 选项卡上：

结语

在本教程中，我们探索了使用 RStudio 的诸多关键方面：

• RStudio 是什么以及它的优势
• 如何安装 RStudio
• RStudio 界面是什么样的以及如何使用其主要部分
• 在控制台与脚本中运行代码的区别
• 在当前 RStudio 会话中到哪里可以找到所有对象
• 编写脚本的最佳实践
• 如何在 RStudio 中执行各类操作，如安装与加载 R 包、导入数据、整理、分析与可视化数据、从零创建 R 对象等

既然您已熟悉 RStudio，就可以开始动手使用它了。例如，考虑在 RStudio 中构建您自己的 R 项目。获取更多灵感，请查看顶级 R 项目创意一文。

如果您觉得在开始在 RStudio 中创建项目之前还需要更多 R 训练，建议学习以下面向初学者的 DataCamp 上的 R 课程与学习路径：

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