R markdown多语言混用生成分析报告

Jean

R markdown目前支持数十种编程语言，所以是个适用范围很广的强大专业编著工具。 这里面还没有java，不过 scala是由java派生的，也是运行在JVM上。

R markdown对其它语言的支持都是通过定义语言引擎处理代码块来实现的， 这里有各种语言代码块的示例。如果有需要，也可以在 knitr中自定义自己的语言引擎，无论是支持新的语言还是替换原有的语言引擎，具体可以参阅 该文档。
需要了解的是，knitr并不直接运行其它语言的代码，只是把代码块当成字符串传递给相应的语言，比如Python解析器，然后合并返回的结果到输出文档中。代码块的选项，比如message=TRUE等，则是告知knitr怎样处理代码块源码与返回的结果。所以这些代码块一般运行在独立的会话进程中。

其中只有R、Python、Julia三种语言的会话是连续的，即前面代码块中定义的变量，后面的代码块中可以引用。reticulate包让R与Python中的变量与函数可以互相引用，它会自动作变量类型转换，具体可参阅 该文档。R markdown中的SQL代码块依赖于DBI包，支持DBI API的数据库，如Oracle，SQLite可以在SQL代码块中直接执行SQL语句，并且执行结果可以返回成R data frame，相当于R、Python、SQL在R markdown是连通的。
其它的语言，可以在R或Python中分别调用，它们的会话是独立的，即前面代码块中定义的变量，后面的代码块中不能引用。但可以通过把结果赋值给R或Python变量，通过它们把各种语言不同的代码块连接起来，从而达到看起来像是在同一个会话中的效果。

本篇以航空乘客数据airpassengers为例,从各个数据源加载数据，然后插入SQLite内存数据库中，再执行SQL语句分析。
实际操作中连接数据源后，可以直接执行SQL语句操作数据。因为有多个数据源，这里用SQLite做演示。

大数据计算可在云端等强算力环境上完成，Rstudio Server、Shiny Server、R markdown等适合处理预处理好的中间或结果小数据集，作深度的分析和可视化。这是个不错的组合，它们也的确可以连接和增强不同的后端，让孙悟空乘上飞快的筋斗云。R与Python等有数万个各种各样的工具包，提供了各种各样强大的处理能力，连接着世界上庞大而充满活力的开源社区，这是一笔宝贵而丰富的IT资产，正是各个云平台所缺乏的，二者是相辅相成的互补关系，人们应该充分利用。

海纳百川，有容乃大。上善若水，万物并育而不相害，生态系统因此而得以平衡和良性循环。

下面各图是本例Rmd源码渲染执行的结果，源码在书中再列。

1、加载用到的包。用showtext处理ggplot2绘图中文标签的显示。

2、从各种数据源加载数据，这里展示了R与Python的合用。R可以连接几乎所有现有的数据源。 3、阿里云有提供R接口包，直接用R语言，华为云用的是Python。需要连接其它云等后端的，至少会有Python接口包可用。Oracle有提供R接口包，很多历史数据还是在Oracle数据库里。 这里顺便展示R与Python会话中变量的交叉引用。 4、为演示直接执行SQL，把各种数据源收集的数据，注入内存的SQLite数据库中。 5、在R markdown脚本中交互式执行SQL语句，嵌入结果。 6、在Python中绘图。 7、嵌入基于JavaScript的HTML Widget，提供浏览器端的即时交互，有很多各种各样的HTML Widget，具体可以参阅 该文档。 8、交互式的Shiny文档，提供服务器端的即时交互。 9、嵌入JavaScript脚本与CSS脚本改善报告的可视化效果。 10、直接嵌入HTML脚本。 11、部分源码。 SQL代码块的选项是有意义的，执行结果里没有显示出来。并且SQL语句执行的结果，在Rstudio里编辑Rmd源码时，是可翻页的交互式表格，与渲染结果只显示一页是不同的。