7.3 调用R代码

7.3 调用R代码

RCall 把一个完整的 R 会话嵌进 Julia：R 字符串跑任意 R 代码、@rput/@rget 双向搬变量、R"""...""" 跑多行脚本。统计检验、专业统计模型这些 R 的看家本领，不用离开 Julia 就能用。

安装与第一次调用

] add RCall

using RCall

R"1 + 1"                      # R 字符串宏，直接求值
R"mean(rnorm(100))"
​

变量双向搬运

x = randn(1000)
group = repeat(["A", "B"], 500)

@rput x group                  # Julia 变量进入 R 会话
R"t.test(x ~ group)"           # 用 R 做 t 检验

result = R"t.test(x ~ group)"
rcopy(result)                  # R 对象转回 Julia（列表/具名元组）
pval = rcopy(R"t.test(x ~ group)$p.value")   # 只取 p 值，得到 Float64
​

rcopy 是类型转换的关口：R 的 list 变 Julia 的 Dict 或具名元组，data.frame 变 DataFrame（配 RData 集成时自动完成）。

多行 R 代码块

R"""
library(ggplot2)
df <- data.frame(x = $x)         # $ 引用 Julia 变量
p <- ggplot(df, aes(x = x)) + geom_histogram(bins = 30)
ggsave("hist_from_julia.png", p)
"""
​

注意 $x 插值——Julia 变量直接进 R 表达式，不用先 @rput。

什么活儿交给 R

⚠️ 常见坑：RCall 需要本机装有 R 运行时，且 Julia 与 R 的位数（64 位）要一致；首次 using RCall 时按提示配置 R 主目录，找不到 R 会直接报错。

💡 关键直觉：RCall 的定位是"逃生舱"而不是"常住民"。能在 Julia 生态里解决的，别为了熟悉感绕道 R——每跨一次语言边界，就多一处类型转换的出错面。

完整案例：一段 Julia 清洗 + R 检验的分析流水线

背景：实验数据在 Julia 里做清洗与聚合（数据量大，Julia 快），统计检验与出版图用 R 的成熟包（ggplot2 与某专业检验只有 R 版）。完整走一遍。第一步，Julia 侧准备数据并搬运：

using RCall, Random

Random.seed!(42)
julia_v = vcat(randn(200), randn(200) .+ 0.4)     # 两组有差异的样本
julia_g = repeat(["control", "treated"], inner = 200)

@rput julia_v julia_g        # 两个变量同时进入 R 会话
​

第二步，R 侧做检验并画图，结果直接落盘：

R"""
res <- wilcox.test(julia_v ~ julia_g)      # 非参数检验，不假设正态
print(res$p.value)
library(ggplot2)
df <- data.frame(v = julia_v, g = julia_g)
p <- ggplot(df, aes(x = g, y = v, fill = g)) +
     geom_boxplot() + theme_minimal()
ggsave("group_compare.png", p, width = 5, height = 4)
"""
​

第三步，把检验结果取回 Julia 继续用（比如汇总进报告表）：

pval = rcopy(R"wilcox.test(julia_v ~ julia_g)$p.value")
# Float64，约 1e-6 量级，可直接进 Julia 侧的结果表
​

解读：整条流水线只跨了两次边界（送数据、取 p 值），重活都在各自语言里批量完成，符合混编的"少过桥"原则。变式：把三步包进函数、参数化组数与检验方法，就是一个可复用的分析组件；若 R 会话状态被污染，R"rm(list=ls())" 清场重来。

排错现场

RCall 的报错集中在环境与转换两侧。环境侧：首次 using RCall 找不到 R，按提示设置 R 主目录（装 R 时记住安装路径）；Julia 与 R 必须同为 64 位，混装会报奇怪的加载失败。转换侧：rcopy 对复杂 R 对象（含 S4 类、因子）可能给出不完整的 Julia 表示，策略是别整对象搬、在 R 侧先把要的字段抽成原子向量再取回；因子取回是 PooledArray，做数值运算前先转 Vector{String} 或映射等级。还有一个隐蔽点：R 的整数是 32 位，rcopy 后得到 Int32，与 Julia 惯用的 Int64 混算会触发类型提升，聚合统计前统一 Int.(x) 一下可避免莫名其妙的类型告警。

概念辨析：RCall 三种交互形态

RCall 其实提供了不止一种用法，分清形态能解释很多"别人的代码为什么那样写"。形态一是 R"..." 字符串求值，适合一两行的临时调用；形态二是 @rput/@rget 变量搬运，适合成批的数据交接，变量名在两侧保持一致、排查最方便；形态三是 R""...""" 多行块配合 $ 插值，适合整段 R 脚本（含 ggplot2 这类管道式图形语法）。三者背后是同一个持久 R 会话，所以混用完全合法——先用 @rput 送数据、再用插值版脚本画图、最后 rcopy 取统计量，正是本节案例的组合。另有 @r_str 与 REPL 的 R 模式（按 $ 切换）属于锦上添花，用熟三种主形态后再探索不迟。理解"共享会话"这一点还能解开一个常见疑惑：R 侧的变量在多次调用间一直存在，长会话里注意命名不要互相覆盖。

本节要点回顾

• R"代码" 单行、R"""...""" 多行，$ 可插 Julia 变量；
• @rput / @rget / rcopy 三条搬运通道；
• R 会话是持久的，R 里的变量后续调用仍可用；
• 用 R 补统计长板，别用 R 做全部工作。