如何搜索你想要的R包?

作者:Joseph Rickert

翻譯:黃小偉,先后從事游戲、社交及金融數(shù)據(jù)研究及應(yīng)用,目前就職杭州有贊

一. 概述

對于R用戶而言,想找到所需要的R包都是一件極為麻煩的事情!目前,CRAN已經(jīng)收錄超過13,000個(gè)R包,而且已每月200左右的速度增加。但是R包的命名一般都是根據(jù)作者喜好,缺少針對性信息,使得通過名稱查詢變得低效。

針對該問題,R包的開發(fā)者也提供了一些有用的工具,以下針對該方法做簡單介紹。

cranly:你的R包管理工具

二. 使用說明

library(tidyverse)

── Attaching packages ─── tidyverse 1.2.1 ──

? ggplot2 2.2.1 ? purrr 0.2.4

? tibble 1.4.2 ? dplyr 0.7.5

? tidyr 0.8.1 ? stringr 1.3.1

? readr 1.1.1 ? forcats 0.3.0

── Conflicts ──── tidyverse_conflicts() ──

? dplyr::filter() masks stats::filter()

? dplyr::lag() masks stats::lag()

library(packagefinder)

library(dlstats)

library(cranly)

packagefinder在7月份收錄于CRAN,主要功能是幫助R使用者找到能夠解決燃眉之急的R包。packagefinder::findPackage() 支持通過關(guān)鍵詞搜素CRAN上所有R包的元數(shù)據(jù)。

假如要進(jìn)行Permutation Tests(置換檢驗(yàn)),可以輸入你能想到的、最直接的搜索內(nèi)容,比如coin(Thomas Leeper提到過的一個(gè)置換檢驗(yàn)的例子中使用了coin包),這也是一個(gè)很清晰的暗示,你期望在所有結(jié)果中找到帶有coin關(guān)鍵詞的包。

image

不幸的是,這個(gè)軟件包非常新,而且沒有詳細(xì)記錄。目前尚不清楚如何計(jì)算SCORE,DOWNL_TOTAL充滿了NAs。 但該功能似乎確實(shí)找到了包。 請注意,findPackage()允許用戶設(shè)置權(quán)重參數(shù),該參數(shù)會影響搜索“如何命中包的標(biāo)題,簡短描述和長描述”。

下一行代碼只選擇我們將使用的列。

pt_pkg <- select(pt_pkg, NAME, DESC_SHORT)

現(xiàn)在我們有一個(gè)感興趣的包列表,最好能夠指出所選包的質(zhì)量和實(shí)用性。 有用性的自然衡量標(biāo)準(zhǔn)是下載包的次數(shù)。 為此,我們轉(zhuǎn)向dlstats包中的cran_stats()函數(shù)。 此函數(shù)將包名稱向量作為輸入,查詢RStudio下載日志,并返回一個(gè)數(shù)據(jù)框,列出每個(gè)包的月份下載次數(shù)。

pt_downloads <- cran_stats(pt_pkg$NAME)

dim(pt_downloads)

[1] 2784 4

head(pt_downloads)

start end downloads package

4485 2018-05-01 2018-05-31 52 permutes

4544 2018-06-01 2018-06-30 89 permutes

4603 2018-07-01 2018-07-31 92 permutes

4662 2018-08-01 2018-08-31 74 permutes

4721 2018-09-01 2018-09-30 227 permutes

4780 2018-10-01 2018-10-22 142 permutes

只需進(jìn)行一些整理就可以生成一個(gè)數(shù)據(jù)框,其中列出了每個(gè)包在其生命周期內(nèi)的總下載量。

top_downloads <- pt_downloads %>% group_by(package) %>%

summarize(downloads = sum(downloads)) %>%

arrange(desc(downloads))

head(top_downloads,10)

# A tibble: 10 x 2 ## package downloads

<fct> <int>

1 coin 1103426

2 exactRankTests 137674

3 RVAideMemoire 108837

4 perm 97071

5 logcondens 83033

6 HardyWeinberg 55735

7 biotools 47694

8 smacof 45257

9 SNPassoc 38920

10 broman 30956

正如預(yù)期的那樣,coin已經(jīng)排到了榜單的首位。 隨著時(shí)間的推移繪制下載量表明該軟件包在過去五年中越來越受歡迎,看起來人們在過去一年左右的時(shí)間里進(jìn)行了大量的置換檢驗(yàn)。

top_pkgs <- pt_downloads %>% filter(package %in% top_downloads$package[1:3])

ggplot(top_pkgs, aes(end, downloads, group=package, color=package)) + geom_line() + geom_point(aes(shape=package))

image

同時(shí),衡量R包質(zhì)量和可靠性的另一種方法是查看有多少其他軟件包依賴它。 這些包將在包的CRAN頁面上列為“反向依賴”和“反向?qū)搿保ㄟ^鏈接(https://cran.r-project.org/package=coin),我們看到coin頁面上的這些字段中列出了24個(gè)包。

同樣地,了解作者的背景、編寫其他R包的經(jīng)驗(yàn)、可能與之合作的著名R開發(fā)人員等信息,也有助于評估是否給出新發(fā)現(xiàn)的包是值得一試的。 上面的相同鏈接也顯示了包的作者。 檢查R項(xiàng)目的貢獻(xiàn)者頁面,我們看到兩位作者是R Core的成員,背景和合作者不可能更好。

在大多數(shù)情況下,背景調(diào)查并不那么容易。 但是,借助函數(shù)cranly::build_network(),可以輕松跟蹤作者的協(xié)作網(wǎng)絡(luò)。 在這里,我們看到Torston擁有廣泛的合作者網(wǎng)絡(luò)。

p_db <- tools::CRAN_package_db()

clean_p_db <- clean_CRAN_db(p_db)

author_net <- build_network(object = clean_p_db, perspective = "author")

plot(author_net, author = "Torsten Hothorn", exact = FALSE)

cranly collaboration network

CRAN database version

Mon, 22 Oct 2018, 11:52

Author names with

"Torsten Hothorn"

Package names with

"Inf"

image

知道最多產(chǎn)的CRAN包作者是誰也是有幫助的。

author_summary <- summary(author_net)

Warning in closeness(cranly_graph, normalized = FALSE): At centrality.c:

2784 :closeness centrality is not well-defined for disconnected graphs

plot(author_summary)

image

以前的文章更深入地探討了cranly包和tools:: CRAN_package_db(),但還有更多要探索的內(nèi)容。

CRAN任務(wù)視圖(https://cran.r-project.org/web/views/)也是很有用的,這些是由專家指導(dǎo)的包裝清單,并組織到功能區(qū)域。只要稍加搜索,你就會發(fā)現(xiàn)coin出現(xiàn)在多個(gè)任務(wù)視圖中。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

推薦閱讀更多精彩內(nèi)容

  • 工欲善其事,必先利其器。總結(jié)一下,方便多了。R語言還是很牛逼的,可以干很多事情。有一把順手的刀還是很重要的。 0....
    Liam_ml閱讀 4,675評論 1 60
  • mean to add the formatted="false" attribute?.[ 46% 47325/...
    ProZoom閱讀 2,719評論 0 3
  • https://www.zhihu.com/question/19611094 作者:艾華豐鏈接:https://...
    Albert陳凱閱讀 1,203評論 0 4
  • 今天孩子回來說他小飯桌積分卡被偷了,真是無語,小孩子對這個(gè)是非觀念還是差點(diǎn)。今天雖然有點(diǎn)插曲,可孩子很是高興...
    彼岸安然閱讀 191評論 0 0
  • 2018年5月15日 星期二 陰 讀經(jīng)人員:笑笑和媽媽 讀經(jīng)內(nèi)容:論語二,易經(jīng)第31,32卦, 媽媽挑戰(zhàn)易...
    玉滿天下閱讀 498評論 0 0