R包介绍

包可谓是R语言发展至今最重要的因素。包其实就是一个一个的函数脚本，安装了一个包以后，你就可以使用这个包里数据或者函数。R语言写起来很快，所以很多科学家再研究出新算法新工具之后，都会第一时间发布一个R版本的工具。所以R语言再科学界的地位很高。

大部分R包的安装方法很简单，就是一行代码：

install.packages("XXX")

就可以完成安装，对于一些复杂的生物学方面的包，需要再Bioconductor网站上寻找，然后用Bioconductor的命令去安装。

但是值得注意的是，再有些时候，R之间的以来关系很复杂，如果需要安装一些很大很复杂的R包，你需要安装一系列的依赖软件，才能确保你要安装的软件可以顺利运行。

另外，包的更新换代非常频繁，有时候你发现自己的包和别人的运行效果不一样，可能的原因是你们的版本不同。

此外，一些很特殊的包需要其他一些语言和工具的支持，比如RJava包需要Java支持，RPostgreSQL需要PostgreSQL数据库支持，RSpark需要Spark支持等等……面对那些问题，最好参看相关的文档，找到解决办法。不过，再大多数时候，install.packages()可以解决大部分问题。

第二种方法就是直接装tar.gz文件，这种方式通常用于没有公布于网上的私人包，或者自己写的包。

具体方法就是点Rstudio的tool选项

然后再选tar.gz模式选择文件安装

如果你使用install.package()直接从互联网下载安装，那么如果你想要安装的包缺乏一些以来软件，R会自动帮你下载那些依赖包进行安装。但是如果你直接通过tar.gz文件进行安装，就不会帮助你自动下载依赖。

 

安装一些较大的R包的时候，有时候即使使用互联网安装也会出现一些dependence缺失的情况，那种情况一般是因为多级引用，比如A引用了B，B引用了C，但是A没有引用C等等一连串的问题……但是一般来说，安装过程中报什么错，你就安装什么包，这样循环下去就行了。

另外包的操作可以是

# 删除包
remove.packages(pkgs, lib)

#检查library里哪些包有更新版本
old.packages()

#更新library里所有包
update.packages()

 

下面来介绍R语言中最热门的几个包，有兴趣的话可以延伸阅读

DataCamp的优秀人员在RDocumentation.org Trends页面上跟踪与R包相关的活动。在撰写时，跟踪了11,768个软件包的统计数据（分布在CRAN，BioConductor和Github上），总共包含170多万个R函数。

在最近的博客文章中，DataCamp概述了目前最常下载的5个软件包：

dplyr，用于操作数据，方便强大
devtools，用于开发包的工具
foreign，用于读取由Minitab，S，SAS，SPSS，Stata生成的数据
cluster，用于聚类分析
ggplot2，用于在R里面进行高级绘图
上面是直接下载中排名靠前的包，即R用户进行install.packages调用时启动的包。但是，许多流行的软件包都有依赖项，在安装软件包时也会下载这些依赖项。如果你通过总下载来衡量前5个包，包括那些因为是依赖性，那么前5个的排名是：

Rcpp，无缝R和C ++集成。 （许多软件包通过此软件包包含C或C ++代码。）
ggplot2，用于在R里面进行高级绘图
stringr，包含了常见的字符串操作
stringi，字符串的基本处理
reshape2，灵活地重塑数据，常常和ggplot2搭配使用
如果您是一个不经常编写R函数的R用户，那么您可能很熟悉第一个软件包集合。但是如果你是一个花费大量时间编写函数（或包）的R开发人员，你就可能更熟悉第二个列表。