Auf dem Weg zur RMarkdown

RMarkdown zusammen mit RStudio sind ein wunderbares Werkzeug zur World Markdown, denn man kann damit nicht nur Bücher und Artikel mit und über R in einem Rutsch im Web und als Druckerzeugnis (PDF) erzeugen, sondern nichts hindert einen daran, damit gut aussehende Papiere zu allen möglichen Themen zu produzieren. Aber natürlich steht die Publikation von R-Artikeln als reproducible Research im Fokus.

Darüber hat Chester Ismay ein wunderbares Buch geschrieben: »Getting used to R, RStudio, and R Markdown« und auf GitHub ins Netz gestellt. Ihr könnt es dort kostenlos online lesen, aber auch als PDF herunterladen. Das Buch ist sein eigenes Beispiel, wie man so etwas mit RStudio und RMarkdown bewerkstelligt.

Erstellt wurde das Buch mit bookdown, einem freien (GPL-3) R-Paket, das RMarkdown-Texte nach HTML, PDF und ePub herausschreiben kann. Ein kleines Büchlein dazu hat Yihui Xie geschrieben: »Authoring Books with RMarkdown«, das Ihr ebenfalls kostenlos online lesen oder als PDF, Epub oder Mobi herunterladen könnt.

Auf der Seite von Bookdown.org gibt es übrigens noch weitere, interessante Bücher zu R, die Ihr dort kostenlos lesen könnt, unter anderem eine Vorabversion von R for Data Science von Garrett Grolemund und Hadley Wickham, das im Herbst bei O’Reilly erscheinen soll oder das ebenfalls bei O’Reilly erschienene Efficient R Programming von Colin Gillespie und Robin Lovelace.

Ein Getting Started zu bookdown gibt es ebenfalls auf diesen Seiten.

Eine brandneue Erweiterung zu bookdown ist thesisdown, ebenfalls von Chester Ismay, das weitere, fortgeschrittene Templates für die Publikationen enthält.

Während ich dies schreibe, fällt mir auf, wie sehr ich es bedaure, daß Rodeo, die kleine, freundliche, von RStudio beeinflußte IDE für Python und IPython mit der Version 2.0 die vorher – wenn auch nur rudimentär – vorhandene Markdown-Unterstützung gestrichen hat. Ich hoffe, daß die Macher ihr Versprechen einhalten und diese Markdown-Unterstützung wieder zurückbringen. Das wäre im großen Interesse einer reproducible Data Sciene mit Python und pandas.

(Kommentieren)