如何在RStudio中实现R脚本与Python脚本的跨语言变量互相调用

你可以通过两种主流方案实现该需求，分别是实时会话互通和中间文件持久化互通：

方案1：使用reticulate包实现实时变量互通（推荐） #

reticulate是R官方维护的R-Python互操作工具包，原生适配RStudio环境，可实现同一会话下两类变量的实时调用：

• 第一步：在R环境中安装并配置reticulate
  首先在r_script.R中运行以下代码完成安装加载：

  install.packages("reticulate")
  library(reticulate)
  # 指定你要使用的Python解释器路径，也可使用use_condaenv()指定conda环境
  use_python("/usr/local/bin/python3") # 替换为你本地的Python路径
  

• R侧调用Python变量：
  在Python_script.py中定义并保存变量后，在r_script.R中通过py$前缀直接调用Python全局变量，示例如下：

  # Python_script.py中代码
  py_list = [1,3,5,7]
  py_df = pd.DataFrame({"col1":[1,2], "col2":["a","b"]})
  

  # r_script.R中调用代码
  r_get_list <- py$py_list
  r_get_df <- py$py_df
  

• Python侧调用R变量：
  在r_script.R中定义并保存变量后，在Python_script.py中通过r.前缀直接调用R全局变量，示例如下：

  # r_script.R中代码
  r_vector <- c(2,4,6,8)
  r_df <- data.frame(col1 = c(3,4), col2 = c("c","d"))
  

  # Python_script.py中调用代码
  py_get_vector = r.r_vector
  py_get_df = r.r_df
  

方案2：通过通用中间文件实现持久化互通 #

如果需要跨会话共享变量，或者传递大型数据集，可使用跨语言兼容的存储格式作为中间载体，推荐使用Feather/Parquet格式（读写速度快、支持完整数据类型适配）：

• 所需依赖：R侧安装arrow包，Python侧安装pandas和pyarrow库
• R侧存、Python侧读示例：

  # r_script.R中保存变量
  library(arrow)
  write_feather(r_df, "shared_data.feather")
  

  # Python_script.py中读取变量
  import pandas as pd
  py_df = pd.read_feather("shared_data.feather")
  

• Python侧存、R侧读示例：

  # Python_script.py中保存变量
  import pandas as pd
  py_df.to_feather("shared_data.feather")
  

  # r_script.R中读取变量
  library(arrow)
  r_df <- read_feather("shared_data.feather")
  

注意事项 #

• 若使用reticulate实时互通，需保证两个脚本都在同一个RStudio会话中运行，跨窗口会话无法共享变量
• 部分语言专属类型（如R的因子类型、Python的numpy自定义对象）跨语言传递时可能出现转换异常，建议提前转为通用的数值、字符串、数据框类型再传递
• 使用中间文件时，建议写绝对路径，或保证两个脚本的工作目录一致，避免出现文件找不到的问题

内容的提问来源于stack exchange，提问作者Callum Brown