Последние Daily builds Rstudio работают с Ubuntu 22.04

запуск из терминала с параметром –no-sandbox, что не очень удобно

Ты всегда можешь скопировать .desktop файл в ~/.local/share/applications и подправить строку Exec=. Пример:

$ cat ~/.local/share/applications/mumble.desktop | rg exec
Exec=env QT_QPA_PLATFORM=xcb mumble %u

Обычно .desktop файлы хранятся в /usr/share/applications, а те, что в хомяке имеют более высокий приоритет.

Во, это интересно. Вот с ярлыками в линуксе я так и не разобрался. Как и в файловой системе. Оч интересно. То есть если я создам в /usr/share/applications файлик с расширением .desktop, то оно появится в менюшке приложений? А где иконки хранятся?

Но в остальном дейли билд будто бы лучше решает проблему, в данном случае.

То есть если я создам в /usr/share/applications файлик с расширением .desktop

Нет, этого делать не стоит. Эта директория для системных файлов, которые идут в составе пакетов. Алгоритм действия такой:

1. Если .desktop файл существует, но он тебя не устраивает (запускается не с теми опциями/переменными), ты просто копируешь его из /usr/share/applications в ~/.local/share/applications и изменяешь то, что надо. В основном тебя интересует только строка Exec=. Этот новый файл будет иметь более высокий приоритет и в Гноме будет запускаться именно он, их не будет два.

2. Если ты полностью хочешь свой написать .desktop файл, то помещать его следует в ~/.local/share/applications.

А где иконки хранятся?

Системные /usr/share/icons, пользовательские в ~/.local/share/icons. Алгоритм замены/добавления их такой же, как и с .desktop файлами. Не трогаем системную директорию, пользуемся только пользовательской.

Класс! Большое спасибо!

Чтобы не создавать отдельную тему, ответьте, зачем вам RStudio и для чего практического? Стоит ли изучать R?

Отвечу в порядке глабальности вопросов:

Думаю, изучать или нет тот или иной язык — дело сугубо потребностей и желания. Потребность или желание, в данном случае, может возникнуть в силу желания/необходимости статистически анализить данные, менеджерить их и всякое сопутствующее. В какой-нибудь психологии/социологии довольно академический стандарт. Причина простая — делает примерно всё то же, что и Python, по этой части, но несколько проще и удобнее из коробки.

Из удобств у R есть отличный гибкий инструмент визуализации и рисования графиков ggplot2. Оно логичное, к нему понаписан ряд всяких плюх и разобраться довольно легко. Что важно при написании статей, например. Тот же plotly не настолько дружелюбен, хотя тоже доступен. Пользователь довольно хорошо защищён от выстрелов в ногу — в имена базовых функций записать ничего другого нельзя. В том же Python будут нужны Pandas/NumPy и всякое такое, а в R изначально достаточно «сладко». Кстати, в R тоже есть пакет с сахаром, который также довольно стандартен — Tidyverse. Делает обработку данных ещё проще, а ещё содержит рекомендации по написанию кода и хранению данных. Можно открыть их страницу и посмотреть примеры. По всем их пакетам есть интуитивные «шпаргалки» с картинками.

RStudio является IDE по-умолчанию для R. То есть можно, конечно, поставить базовый R и написать свои штуки там, но обычно мало у кого возникает желание, так как между окошком с парой кнопок и симпатичной IDE, где сразу виден список твоих переменных, область построения графиков, справка и прочее — хочется более информативный вариант. Честно говоря, я не уверен есть ли в базовом варианте вкладки и насколько удобно создавать markdown документы. Ещё RStudio может быть полезен специалистам, которые не хотят SPSS и прочую дичь, но при этом хотят вариант нажать кнопочки, чтобы подгрузить датасет или сменить рабочую директорию.

Если про совсем практику, то Python, конечно, более стандартный стандарт на рынке. Но и к R в целом хорошо относятся. Я вообще психолог и параллельно работаю в универчике, а также в бизнесе над исследованиями. Считаю статистику и в одном, и в другом месте при помощи R. Если нужны отчёты какие-то респондентам, то ещё и их генерю в rmarkdown. Если нужны графики — то же самое. Насчёт дружелюбия окружающих могу сказать из своего опыта то, что если заказчику нужно чтобы мой анализ работал где-то в их продуктах, то обычно не возникает никаких вопросов по части того, что оно написано на R. Говорю, что мол так и так, могу посидеть и перенести на Python, но мне вот так было удобнее, но обычно отвечают, что я такой не единственный и в их стеке это будет изи работать как есть. Такие вот дела.

Прошу прощения сразу, если где-то не оч хорошо сформулировал мысли. Не уследил засиделся допоздна и сейчас решил ответить. ЛОР мне почему-то очень нравится и хочется сразу сюда поотвечать) Если нужно что-то конкретнее рассказать, то я также готов. Возможно, где-то не прав — можно закидывать палками)

Благодарю за ответ. А какую вводную литературу по R и RStudio можете посоветовать?

Для начала рекомендую книгу Мастицкий Шитиков Книга «Статистический анализ и визуализация данных с помощью R» в открытом доступе.

А по r studio, сходу не могу подсказать, но он достаточно простой. Я вообще vim использую для r.

Ну и на прошлый вопрос, стоит или нет. Если хотите в буквально двумя функциями посчитать какую либо статистику то да, r под эти цели заточен. Если хотите иметь общее образование программиста, а статистика сбоку то лучше будет все же питон. R достаточно специфичен и многие вещи в том же питоне делаются иначе. Большим плюсом r является намного меньшая несовместимость пакетов между версиям r, в отличие от питона и других языков.

Про возможность оформлять красивые отчеты о результатах уже говорили.