对于那些不想安装R来完成这个任务的人来说，有一个新的包“pyreadr”，它允许阅读RData和Rds文件直接读取到python中，而不需要依赖。
它是C库librdata的 Package 器，因此速度非常快。
你可以通过pip轻松安装它：

pip install pyreadr

举个例子，你可以这样做：

import pyreadr

result = pyreadr.read_r('/path/to/file.RData') # also works for Rds

# done! let's see what we got
# result is a dictionary where keys are the name of objects and the values python
# objects
print(result.keys()) # let's check what objects we got
df1 = result["df1"] # extract the pandas data frame for object df1

回购协议在这里：https://github.com/ofajardo/pyreadr
免责声明：我是这个软件包的开发者。

人们在R-help和R-dev列表中询问这类事情，通常的答案是代码是.RData文件格式的文档。所以任何其他语言的任何其他实现都是hard++。
我认为唯一合理的方法是安装RPy 2并使用R的load函数，在您使用时转换为适当的python对象。.RData文件可以包含结构化对象以及普通表，所以要小心。
友情链接：http://rpy.sourceforge.net/rpy2/doc-2.4/html/
快：

>>> import rpy2.robjects as robjects
>>> robjects.r['load'](".RData")

对象现在被加载到R工作区中。

>>> robjects.r['y']
<FloatVector - Python:0x24c6560 / R:0xf1f0e0>
[0.763684, 0.086314, 0.617097, ..., 0.443631, 0.281865, 0.839317]

这是一个简单的标量，d是一个 Dataframe ，我可以子集得到列：

>>> robjects.r['d'][0]
<IntVector - Python:0x24c9248 / R:0xbbc6c0>
[       1,        2,        3, ...,        8,        9,       10]
>>> robjects.r['d'][1]
<FloatVector - Python:0x24c93b0 / R:0xf1f230>
[0.975648, 0.597036, 0.254840, ..., 0.891975, 0.824879, 0.870136]

Jupyter Notebook用户

如果你使用的是Jupyter notebook，你需要做两个步骤：
第1步：转到http://www.lfd.uci.edu/~gohlke/pythonlibs/#rpy2并下载Python接口到R语言（嵌入式R）在我的情况下，我将使用rpy2-2.8.6-cp36-cp36m-win_amd64.whl
将此文件放在您当前所在的工作目录中。
第2步：转到Jupyter notebook并编写以下命令

# This is to install rpy2 library in Anaconda
!pip install rpy2-2.8.6-cp36-cp36m-win_amd64.whl

然后

# This is important if you will be using rpy2
import os
os.environ['R_USER'] = 'D:\Anaconda3\Lib\site-packages\rpy2'

然后

import rpy2.robjects as robjects
from rpy2.robjects import pandas2ri
pandas2ri.activate()

这应该允许你在python中使用R函数。

readRDS = robjects.r['readRDS']
df = readRDS('Data1.rds')
df = pandas2ri.ri2py(df)
df.head()

恭喜！现在你有你想要的数据框架
但是，我建议您将其保存在pickle文件中，以便以后在python中使用

df.to_pickle('Data1')

所以下一次你可以简单地使用它

df1=pd.read_pickle('Data1')

几年前，我也遇到过和你一样的问题。我想从我正在开发的库中读取.RData文件。我考虑过使用RPy2，但那会迫使我用GPL许可证发布我的库，我不想这样做。
“pyreadr”当时甚至还不存在。而且，我想要加载的数据集也不是标准化格式的data.frame。
我来到这个问题并阅读了Spacedman answer。特别是，我看到了
因此，任何其他语言的任何其他实现都是困难的++。
作为一个挑战，并在几天内实现了rdata包。这是一个.RData解析器和转换器的非常小的纯Python实现，能够满足我的需求，直到现在。解析原始对象和转换为适当的Python对象的步骤是分开的，这样用户可以根据需要使用不同的转换。此外，用户可以为自定义R类添加构造函数。
这是一个使用示例：

>>> import rdata

>>> parsed = rdata.parser.parse_file(rdata.TESTDATA_PATH / "test_vector.rda")
>>> converted = rdata.conversion.convert(parsed)
>>> converted
{'test_vector': array([1., 2., 3.])}

正如我所说的，我开发了这个包，并一直使用以来没有问题，但我没有麻烦给予它的可见性，因为我没有正确地记录它。这是最近发生了变化，现在的文档大多是好的，所以这里是给任何感兴趣的人：
https://github.com/vnmabus/rdata

有一个第三方库叫做rpy，你可以使用这个库来加载.RData文件，你可以通过pip安装pip instally rpy就可以了，如果你没有rpy，那么我建议你看看如何安装它，否则，你可以简单的做：

from rpy import *
r.load("file name here")

编辑：

看起来我有点老派了，现在是rpy2，所以你可以用它。

@rsc05的回答迎合了笔记本用户对我的工作，但显然其中一个函数[df = pandas2ri.ri2py(df)]已被弃用，现在应该是df = pandas2ri.rpy2py(df)。
因此，完整的解决方案应该如下所示：

# import the libraries
>> import rpy2.robjects as robjects
>> from rpy2.robjects import pandas2ri

#activate
>> pandas2ri.activate()

# create readRDS object
>> readRDS = robjects.r['readRDS']

# read .rds using readRDS object
>> df = readRDS('sri_testing_data.rds')

# convert the data into native dataframe object 
>> df = pandas2ri.rpy2py(df)

#print the dataframe
>> df.head()

试试这个

!pip install pyreadr

然后
一个一个一个一个一个x一个一个二个一个x一个一个三个一个x一个一个x一个四个一个
成交！