Reticulate是相当容易和超级顺利所建议的russellpierce在评论。

install.packages('reticulate')

之后，我根据他们文档中给出的示例创建了一个类似这样的Python脚本。
Python文件：

import pandas as pd

def read_pickle_file(file):
    pickle_data = pd.read_pickle(file)
    return pickle_data

然后我的R文件看起来像这样：

require("reticulate")

source_python("pickle_reader.py")
pickle_data <- read_pickle_file("C:/tsa/dataset.pickle")

这给了我之前以pickle格式存储在R中的所有数据。
你也可以在不离开R编辑器的情况下在R中直接完成这些操作（前提是你的系统python可以访问panda）......例如。

library(reticulate)
pd <- import("pandas")
pickle_data <- pd$read_pickle("dataset.pickle")

编辑：如果你可以安装和使用{reticulate}包，那么这个答案可能已经过时了。请参阅下面的其他答案以获得更简单的路径。
您可以在python中加载pickle，然后通过python包rpy2将其导出到R（或类似的）。一旦你这样做了，你的数据将存在于一个链接到python的R会话中。我猜想你接下来要做的是使用那个会话调用R并将RDS保存到一个文件或RAM磁盘中。然后在RStudio中你可以重新读取那个文件。查看R包rJython和rPython，了解从R触发python命令的方法。
或者，您可以编写一个简单的python脚本以在Python中加载数据（可能使用上面提到的R包之一）并将格式化的数据流写入stdout。（包括指定pickle的参数）可以用作R包data.table中fread的参数。或者，如果您希望保留标准函数，您可以使用system(..., intern=TRUE)和read.table的组合。
像往常一样，有/许多/方法可以剥这只猫的皮。基本步骤是：
1.在python中加载数据
1.向R表达数据（例如，通过rpy 2导出对象，或者将格式化文本写入stdout，R准备在另一端接收它）
1.将R中表达的数据序列化为内部数据表示（例如，通过rpy 2或fread导出对象）
1.（可选）使R的该会话中的数据可由另一个R会话访问（即，使用rpy 2结束循环的步骤，或者如果您一直在使用fread，则已经完成）。

对上述答案补充如下：你可能需要指向一个不同的conda env来访问panda：

use_condaenv("name_of_conda_env", conda = "<<result_of `which conda`>>")
pd <- import('pandas')

df <- pd$read_pickle(paste0(outdir, "df.pkl"))

reticulate::py_load_object(filename)