E41 - Cómo ocupar RStudio como editor multilenguaje y por qué es bueno

Resumen

En este episodio, grabado en vivo, se explica cómo usar RStudio como editor multilenguaje, en particular para combinar R y Python en un mismo flujo de trabajo. Se compara con otros editores (Vim, Spyder, PyCharm y Visual Studio Code) y se discuten las ventajas de cada uno, sobre todo la gratuidad y versatilidad de VS Code. Luego se muestran las formas de ejecutar Python desde RStudio: chunks en RMarkdown/Quarto, archivos `.py` y la terminal. Se destacan funciones de RStudio como los atajos, el panel de plots y el panel de environment, y la librería `reticulate`. Se argumenta que RMarkdown/Quarto es superior a los Jupyter Notebooks porque separa el código del output, lo que facilita el control de versiones y la reproducibilidad. También se habla de Julia, Rust, LaTeX, herramientas de dashboards y consejos para quien parte en ciencia de datos.

Capítulos

• 00:00
  IntroBienvenida y planteamiento del tema: RStudio como editor multilenguaje. Se explica que en VS Code se pueden usar R y Python con scripts separados que intercambian datos vía archivos (por ejemplo Parquet, mejor que CSV porque este pierde formato) o ejecución por batch. Rob cuenta sobre sus alumnos de bootcamp próximos a graduarse y su trabajo como Machine Learning Operations Engineer en Entel. Se mencionan herramientas de dashboards reactivos (Power BI, Tableau, Shiny, Dash con Plotly) y se comenta la realidad de los equipos pequeños, donde se hace de todo (limpieza, bases de datos, modelos) por falta de Data Engineer.
• 13:10
  Por qué usar un editor sobre otro? Algunos ejemplos de IDEsTécnicamente basta una terminal con Vim o Nano, pero los editores agilizan el trabajo; Vim es muy potente pero con curva de aprendizaje empinada. Se revisa Spyder (viene con Anaconda; ejecuta bloques completos en vez de una línea), PyCharm (la versión de pago permite conectarse por SSH a servidores) y VS Code (gratuito, versátil, con extensiones como Better Comments y soporte para casi cualquier lenguaje).
• 25:19
  RStudio y cómo usarlo para PythonRStudio permite ejecutar Python desde hace años y ha mejorado mucho. La empresa detrás (antes RStudio, hoy Posit) ofrece Desktop, Server y Workbench, y desarrolla el Tidyverse. Se conversa sobre Julia (opiniones escépticas por falta de documentación y ecosistema) y Rust (rápido, con mensajes de error muy útiles, útil en MLOps cuando se necesita ejecución en tiempo real).
• 27:48
  RMarkdown (posteriormente Quarto)Un archivo RMarkdown mezcla Markdown con chunks de código en varios lenguajes (R, Python, Bash, SQL, Rcpp, Stan, Julia, etc.). Se ve en vivo que se puede agregar un chunk de Python e importar pandas. Se aclara también que Visual Studio (a secas) es un producto distinto de VS Code.
• 38:20
  Ejecutando código de Python y R en el mismo RMarkdown y generación de outputSe combinan chunks de R (summary y plot de una tabla) y de Python, y con "knit" se genera un único HTML con código, output y gráficos. Se destaca su utilidad para reportes periódicos o puntuales, y que Rob usa RMarkdown en lugar de Jupyter Notebook.
• 40:59
  Ejecutando archivos de Python puro en RStudioSe ejecuta un `.py` línea a línea con Ctrl+Enter. Se critica que VS Code no baje el cursor tras ejecutar una línea y se explica cómo configurarlo con la extensión Macros y el archivo JSON de keyboard shortcuts. Se responde a un joven de 15 años: empezar por Python y análisis exploratorio práctico, y luego estudiar la teoría (algoritmos, álgebra lineal, cálculo) antes de construir modelos, porque no entender el modelo puede causar errores costosos.
• 48:49
  Funcionalidades útiles de RStudioVentajas integradas: el cursor baja al ejecutar, Ctrl+Shift+C comenta, Ctrl+Shift+R crea secciones de código alineadas, Ctrl+Alt+B ejecuta desde el inicio hasta el cursor y Ctrl+Shift+A reformatea el código. Se muestra cómo formatear documentos en VS Code (PEP 8 para Python, formateadores para SQL según la extensión) y una tercera forma de ejecutar Python: por terminal con `python archivo.py`.
• 56:43
  MemesSe comentan memes sobre RStudio, como la sesión que se muere sola. Se debate si es necesario dominar un IDE concreto: la conclusión es que no es necesario, pero probar varios ayuda a descubrir qué funcionalidades se echan de menos. Se menciona que Posit busca un entorno multilenguaje para análisis de datos y que el cambio de nombre desde RStudio fue para desligarse de R.
• 01:00:29
  Plots y otras utilidades de RStudioSe argumenta que R y Python se pueden usar juntos aprovechando lo mejor de cada uno. Se recomienda probar varias herramientas de visualización (Tableau, Power BI, Qlik, Shiny, Dash) antes de especializarse en una. Se muestran atajos de ejecución por regiones, plantillas de documentación, desarrollo de paquetes y el panel de plots (zoom, exportación, sin imprimirlos en el documento).
• 01:05:45
  Por qué los Jupyter Notebooks son tan malosUn notebook guarda código y output en el mismo archivo JSON, que cambia con cada ejecución. Esto ensucia los commits en Git y puede subir datos o información sensible al repositorio. Se aclara que la crítica es de opinión personal de quienes hablan.
• 01:08:21
  La separación del código y el output en RStudio y el problema de escoger un "kernel"En RMarkdown el código y el HTML de salida son archivos distintos, lo que lo hace más limpio. No hay que elegir un único kernel como en Jupyter: se indica el lenguaje por chunk y el ambiente virtual por variables de entorno.
• 01:10:00
  Pasando variables de Python a R y viceversaEl panel Environment muestra las variables de R y de Python, y se pueden traer variables de un ambiente al otro. Se menciona la librería `reticulate` y el prompt `>>>` (Python) frente a `>` (R) en la consola.
• 01:12:29
  Ejemplo en Quarto. Visualización de fuente o "visual" rendereadaQuarto es un rebranding de RMarkdown pensado para atraer a usuarios de Python. Ofrece vista de código o vista visual (tipo Jupyter) sin escribir el output en el archivo; "render" equivale a "knit". Permite elegir motor (knitr o Jupyter) y exportar a HTML, PDF (vía LaTeX) o Word.
• 01:17:11
  Diferencia entre RMarkdown y NotebooksLos notebooks de RStudio sirven para iterar: cada chunk ejecutado conserva su output y no hay que reejecutar. RMarkdown ejecuta todo de principio a fin al hacer knit, lo que garantiza reproducibilidad, mientras que en Jupyter el orden de ejecución puede cambiar el resultado. Luego hay una conversación sobre LaTeX (curva de aprendizaje, plantillas de currículum, uso académico, Beamer).
• 01:22:46
  CierreResumen de lo visto, comentarios finales sobre LaTeX e interfaces que lo facilitan, y despedida con enlaces a Discord y YouTube.

Palabras clave