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。
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。
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))
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"
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)
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。
