Conectando Git, Github e RStudio em 3 passos

Neste tutorial você irá aprender a usar as melhores ferramentas de controle de versão existentes diretamente no RStudio.

Este tutorial foi feito para quem:

  • Pretende utilizar pela primeira vez o Git e GitHub no RStudio;
  • Já é usuário de R;
  • Quer facilitar o fluxo de trabalho de ciência de dados com versionamento usando o Git.

Pré requisitos

Antes de começar, certifique-se de que tenha:

- Uma conta do GitHub criada;
- R e RStudio instalados;
- Git instalado.

Se algum desses requisitos estiverem faltando, você não conseguirá conectar corretamente o RStudio com o Git e GitHub.

Passo 1: configurar o Git

O primeiro procedimento é declarar para o Git quem você é, informando seu nome e e-mail associado a sua conta do GitHub. Isso pode ser feito de duas formas:

  • Pelo Terminal no RStudio, digite esses comandos substituindo seu nome/e-mail:
git config --global user.name 'Fernando da Silva'
git config --global user.email 'fernando@email.com'
  • Usando o pacote usethis, no Console do RStudio:
library(usethis)
use_git_config(user.name = "Fernando da Silva", user.email = "fernando@email.com")

Passo 2: criar um token do GitHub

Para a interação entre seu computador (mais especificamente o repositório Git local) e o GitHub (repositório remoto) funcionar é preciso de uma autenticação, certificando que você tem as permissões necessárias para fazer o que quer que seja. Essa autenticação pode ser facilmente implementada através da configuração de um token (também conhecido como PAT) do GitHub.

Para criar o token, há duas formas:

  • Acesse https://github.com/settings/tokens e clique em "Generate new token", selecionando os escopos desejados (recomenda-se selecionar repo, user, e workflow)
  • Ou, no Console do RStudio:
usethis::create_github_token()

Clique em "Generate token" e copie o código do token gerado (ao fechar a página não será possível visualizá-lo novamente).

Com o token em mãos, use o pacote gitcreds para armazenar o token no Git credential store, que é algo parecido como um arquivo de "cache" de algum site ou botão "lembrar senha" que é usado toda vez que você fizer interações entre o repositório local e o remoto.

Após executar o comando abaixo, cole o token obtido anteriormente:

gitcreds::gitcreds_set()

Passo 3: test drive

Agora você já tem tudo pronto para testar se está funcionando. Se você fizer o teste a seguir e não obter erros, significa que seu RStudio está corretamente conectado com o Git e GitHub.

O "test drive" a seguir serve basicamente para verificar se a interação entre RStudio, Git e GitHub está bem configurada. Para essa averiguação, criaremos um repositório no GitHub, faremos o clone do mesmo para o computador local, iremos gerar alterações locais, salvar e "commitar", e, por fim, enviar as alterações locais para o repositório remoto ("push").

3.1) Criar um repositório no GitHub

Acesse o site do github certifique-se de estar conectado. Próximo de “Repositories”, clique no botão verde “New”. Na nova página preencha o nome do repositório e descrição (use sua criatividade). Marque as opções "Public" e "Add a README file" e, por fim, clique em "Create repository".

Após criar o repositório você será direcionado para a página do mesmo no GitHub. Agora clique no botão verde que diz “Code” e copie a URL que aparece na opção HTTPS (recomendado).

3.2) Clonar repositório pelo RStudio

Há duas formas de realizar o "clone" do repositório no RStudio, ambas criam um novo projeto local com o repositório GitHub em questão:

  • Navegue por File > New Project > Version Control > Git e cole a URL do GitHub em "Repository URL". Mantenha o campo "Project directory name" inalterado e escolha um local (pasta) onde o projeto será criado. Além disso, é importante marcar a opção "Open in new session". Por fim, clique em "Create Project".

  • Ou, é possível fazer esse mesmo procedimento pelo Console usando o pacote usethis. Com uma simples função, basta indicar o nome de usuário (que criou o repositório) e nome do repositório:
usethis::create_from_github("schoulten/test-drive")

Após clonar o repositório, você deverá estar em um novo projeto do RStudio que conterá o repositório do GitHub. No painel Files do RStudio procure o arquivo README.md e abra o mesmo no próprio RStudio.

3.3) Fazer alterações locais, salvar, commitar

Adicione uma linha com uma frase (use sua criatividade) no arquivo README.md e salve essa alteração. Agora faça o commit dessas alterações no seu repositório local:

- Clique na painel "Git" do RStudio;
- Clique no botão "Commit";
- Marque a caixinha ao lado de README.md na coluna "Staged";
- Em "Commit message" use sua criatividade novamente e digite uma mensagem;
- Clique no botão "Commit", aguarde mensagem de sucesso e clique em "Close".

Se houverem outros arquivos no repositório criados automaticamente pelo RStudio, deixe-os como estão.

3.4) Enviar alterações (push) para o GitHub

Clique no botão verde "Push" para enviar suas alterações realizadas no repositório local para o repositório remoto (GitHub).

Se todas as etapas e configurações foram corretamente executadas, você não deve ser perguntado para digitar o token e suas alterações locais devem aparecer na página do repositório do GitHub (sugiro que atualize a página para verificar)!

Se você chegou até aqui, a configuração do RStudio com o Git e GitHub está concluída!

 

Ficou perdido ou não sabe o que é Git, versionamento, GitHub, repositório, etc.? Comece lendo Happy Git and GitHub for the useR de Jennifer Bryan para uma visão geral desse "mundinho", o livro está disponível gratuitamente e online.

 
________________________
(*) Para entender mais sobre a linguagem R e suas ferramentas, confira nosso Curso de Introdução ao R para análise de dados.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Análise regional do mercado de trabalho com dados do CAGED usando Python

Os microdados dos CAGED fornecem informações detalhadas a nível de cidade, sexo, raça, nível de instrução, idade, salário e outras sobre os trabalhadores formais do Brasil, possibilitando ricas análises regionais de dados. Neste artigo mostramos como acessar, processar e analisar estes dados utilizando o Python.

Transfer Learning: mostrando porque o Python está na ponta do desenvolvimento

A aprendizagem por transferência (transfer learning) é o reuso de um modelo pré-treinado em um novo problema. Portanto, sua utilização torna-se um avanço enorme para a previsão de diferentes tipos de variáveis, principalmente para aquelas ordenadas no tempo. Mostramos nesta postagem o uso do Transfer Learning com o Python para o caso de Séries Temporais.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.