难道就没有一个工具,既能有VS Code的现代感和扩展性,又能保留RStudio对数据分析的极致专注吗?最近,RStudio的母公司Posit团队(原RStudio公司)终于亮出了 “大招”——Positron。
https://positron.posit.co/

这不是一次简单的版本更新,这是一次 “推倒重建”。它基于VS Code的底层,注入了RStudio的灵魂。今天,我们就来深度扒一扒:这个被誉为 “下一代数据科学 IDE”的Positron,凭什么让你卸载手里的工具?
Positron到底是什么?
底层骨架:基于 VS Code 构建,继承了 VS Code 的现代 UI、插件生态、跨平台特性(Windows/macOS/Linux 通吃);核心灵魂:复刻了RStudio对数据科学的极致适配 —— 一键查看变量、实时渲染图表、原生支持 R/Python/Julia,甚至保留了 RStudio 标志性的四面板布局;终极目标:干掉 “数据分析需要N个工具切换” 的痛点,用一个IDE搞定从数据清洗、建模到可视化的全流程。
为什么它比VSCode更好用?
一、鱼和熊掌兼得的多语言支持
1.不用再为写 Python 开 VS Code、跑 R 代码切 RStudio!2.原生支持 R/Python/Julia,代码高亮、补全、调试逻辑统一;3.R 用户熟悉的「Environment/Plots/Help」面板完美保留,Python 用户也能一键查看 DataFrame 结构,不用手动敲df.info();4.跨语言调用无门槛:比如在 Python 脚本里直接运行 R 代码块,数据无缝传递。
二、零学习成本的操作体验
1.保留 VS Code 的快捷键、插件市场(比如你爱的主题、代码片段都能装);2.复刻 RStudio 的数据分析友好设计:代码运行结果实时展示、图表自动渲染、模型结果一键导出;3.新手不用适配新逻辑,老用户不用重新记操作 —— 简直是 “无痛迁移”。
Python/R 在 Positron 同时搞定
光说不练假把式,我们用一个经典场景验证:同一数据、同一分析需求,分别用 Python/R 在 Positron 中实现,代码可直接复制运行!
鸢尾花数据集基础探索
分析需求1.加载数据集,查看前 5 行;2.计算数值特征的描述性统计;3.绘制花瓣长度 vs 宽度散点图(按花种着色)Python 版
ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineimport pandas as pdimport seaborn as snsimport matplotlib.pyplot as pltfrom sklearn.datasets import load_iris# 加载数据集iris = load_iris()iris_df = pd.DataFrame(iris.data, columns=iris.feature_names)iris_df['species'] = [iris.target_names[i] for i in iris.target]# 查看数据+统计(Positron右侧Variables面板可实时看iris_df)print("前5行数据:\n", iris_df.head())print("\n描述性统计:\n", iris_df.describe())# 可视化(图表自动出现在右侧Plots面板)plt.rcParams['font.sans-serif'] = ['SimHei']plt.figure(figsize=(8,6))sns.scatterplot(data=iris_df, x='petal length (cm)', y='petal width (cm)', hue='species', s=80)plt.title('鸢尾花花瓣长度 vs 宽度')plt.tight_layout()plt.show()
结果
R 版
ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(linelibrary(datasets)library(dplyr)library(ggplot2)# 加载数据集data(iris)# 查看数据+统计(Environment面板实时显示iris)cat("前5行数据:\n")print(head(iris,5))cat("\n描述性统计:\n")iris %>% select(-Species) %>% summary() %>% print()# 可视化(图表自动出现在右侧Plots面板)ggplot(iris, aes(x=Petal.Length, y=Petal.Width, color=Species)) + geom_point(size=3) + labs(title="鸢尾花花瓣长度 vs 宽度") + theme_bw()
结果
R和Python结果
猜你喜欢
为了方便大家交流学习,本公众号已建立交流群,欢迎各位读者与我们一起探讨生物信息学分析、孟德尔随机化、机器学习、临床预测模型、医学统计学、及研究设计等知识。
人数超限,请你加vx入群:Abel_Biostats
公众号:Abel统计
微信号:Abel_Biostats
请扫码关注&加好友了解更多内容!
