R语言笔记之包的操作与内置数据集

发表于 | 分类于
| 字数统计: 5,028 | 阅读时长 ≈ 20

R语言包的安装

在R中大概有几种包的安装方式。

install.packages()常规包的安装

括号里面包的名称要加英文引号，在列出的CRAN镜像站点列表中选择一个进行下载，例如

1
install.packages(“ggplot2”)

安装包的时候可以切换安装源，如下所示：

1
2
3
4
5
6
7
8
9
10
install.packages(pkgs, lib, repos = getOption("repos"),
    contriburl = contrib.url(repos, type),
    method, available = NULL, destdir = NULL,
    dependencies = NA, type = getOption("pkgType"),
    configure.args = getOption("configure.args"),
    configure.vars = getOption("configure.vars"),
    clean = FALSE, Ncpus = getOption("Ncpus", 1L),
    verbose = getOption("verbose"),
    libs_only = FALSE, INSTALL_opts, quiet = FALSE,
    keep_outputs = FALSE, ...)

使用格式为：

1
install.packages("ABC",repos="http://mirror.bjtu.edu.cn/ ")

使用devtools从Github上安装包

如果是要从GitHub上安装包，需要先安装devtools，如下所示：

1
2
install.packages("devtools")
install_github("genomicsclass/dagdata")

其它的包安装命令，如下所示：

1
2
3
4
5
install.packages("installr")   # 下载并安装 installr 包
library(installr)              # 装载 installr 包
install.RStudio()              # 下载并安装 RStudio IDE
install.Rtools()               # 你需要 Rtools 来构建自己的包
install.git()                  #git 提供了代码的版本控制功能

如果要想把R包安装到其他位置，可以使用以下代码：

1
2
3
4
5
install.packages( 
  c("xts", "zoo"),
  lib = "some/other/folder/to/install/to", 
  repos = "http://www.stats.bris.ac.uk/R/" 
)

其中lib参数就是安装的包的位置，repos就是安装源。

通过BiocLite来安装生信工具

生信很多工具是在bioconductor上，因此需要biocLite，如下所示：

1
2
3
4
5
source("https://bioconductor.org/biocLite.R")
options(BioC_mirror="http://mirrors.ustc.edu.cn/bioc/")
# 使用相应的镜像
biocLite(c("ALL","CLL", "pasilla", "airway")) #数据包
biocLite(c("limma","DESeq2", "clusterProfiler")) #软件包

通过BiocManager来安装生信工具

在使用bioconductor时由于需要在线连接才能安装包，现在很多已经使用BiocManager的方式来安装，安装代码如下所示：

1
2
3
4
if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("ballgown", version = "3.8")

批量下载并且加载R包

1
2
3
4
list.of.packages <- c("xx", "yy") # replace xx and yy with package names
new.packages <- list.of.packages[!(list.of.packages %in% installed.packages()[,"Package"])]
if(length(new.packages)) install.packages(new.packages)
lapply(new.packages, require, character.only=T)

使用if语句安装并加载包

通过if语句，可以判断某个包是否存在，如果不存在，就先下载，后加载，如下所示：

1
2
3
4
5
#另外可以检测某个包是否存在，只有不存在时才会安装
if (! require ('reshape2')){
    install.package("reshape2")
    library(reshape2)
}

如果是bioconductor上的包，也可以按以下方式进行安装：

1
2
3
4
if (! require ('CLL')){
    options(BioC_mirror="http://mirrors.ustc.edu.cn/bioc/")
    BiocInstaller::biocLite('CLL',ask = F, suppressUpdates = T)
}

包的加载

包的载入函数为library()或require()，安装完包后，需要加载才能使用其中的函数，此时括号中不使用引号。两者的不同之处在于library()载入之后不返回任何信息，而require()载入后则会返回TRUE，因此require()适合用于程序的书写。

1
2
3
library(ggplot2)
require(foreign)
Loading required package: foreign

使用包中的函数，双冒号::

如果想不加载包就使用其中的函数，则需要使用双冒号，即::，看一个案例：

1
2
x <- rnorm(1000)
skewness(x)

运行结果如下所示：

1
2
> skewness(x)
Error in skewness(x) : could not find function "skewness"

结果显示，没有skewness这个函数，因为这个函数是moments包中的函数，没有加载这个包，就无法使用这个函数。现在我们在没有加载这个包的情况下，使用双冒号来看一下：

1
2
> moments::skewness(x) 
[1] -0.01674

再用library()来使用一下：

1
2
3
> library(moments)
> skewness(x)
[1] -0.01674

使用双冒号这种方式在一种情况下比较适合。

这种情况就是：假设我们同时加载了A包与B包，A包中有一个名为a()的函数，B包中也有一个名为a()的函数。此时，如果先导入A包，再导入B包，B包中的a()函数就会屏蔽A包中的a()函数，也就是说，这两个同名函数就会出现冲突。

因此为了避免出现这种情况，可以不加载A包，也不加载B包，而是将它们的同名函数提取出来，如下所示：

1
2
fun1 <- A::a
fun2 <- B::a

如果你此时已经恰好载入一个包，想要解决绑定，就可以使用unloadNamespace()函数即可，例如：

1
unloadNamespace("moments")

查看一个包的帮助

1
help(package="base")

卸载包

detach()，这是library()的反向操作，此操作主要是为了避免某些包中的函数名称相同，造成冲突，注意与library()的参数不同，detach()参数为detach(package:包的名称),library(包的名称)，例如：

1
2
3
4
5
6
7
8
library(ggplot2) #加载包
(.packages()) #列出当前已经加载的包
 [1] "foreign"   "ggplot2"   "stats"     "graphics"  "grDevices" "utils"    
 [7] "datasets"  "methods"   "base"
detach(package:ggplot2)  #卸载ggplot2包
(.packages()) #列出当前已经加载的包
 [1] "foreign"   "stats"     "graphics"  "grDevices" "utils"     "datasets" 
 [7] "methods"   "base"

删除包remove.packages()

使用条件：R语言自带的install.packages()函数来安装一个包时，都是默认安装最新版的。 但是有些R包的开发者他会引用其它的一些R包，但是它用的是旧版本的功能，自己来不及更新或者疏忽了。 而我们又不得不用他的包，这时候就不得不卸载最新版包，转而安装旧版本包。

查询加载的包search()

search()

1
2
3
4
search()
 [1] ".GlobalEnv"        "package:stats"     "package:graphics" 
 [4] "package:grDevices" "package:utils"     "package:datasets" 
 [7] "package:methods"   "Autoloads"         "package:base"

.libPaths()能够显示库所在的位置

1
2
3
.libPaths()
 [1] "C:/Users/Cloud/Documents/R/win-library/3.1"
 [2] "C:/Program Files/R/R-3.1.3/library"

library()显示库中有哪些包

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
library()
backports               Reimplementations of Functions Introduced Since
                        R-3.0.0
base64enc               Tools for base64 encoding
bitops                  Bitwise Operations
bookdown                Authoring Books and Technical Documents with R
                        Markdown
caTools                 Tools: moving window statistics, GIF, Base64,
                        ROC AUC, etc.
cellranger              Translate Spreadsheet Cell Ranges to Rows and
                        Columns
digest                  Create Compact Hash Digests of R Objects
evaluate                Parsing and Evaluation Tools that Provide More
                        Details than the Default
...
...

查看已经安装的包installed.packages()

函数installed.packages()

如下所示：

还可以这么输入代码：

1
2
pkgs <- installed.packages()
colnames(pkgs)

结果如下所示：

1
2
3
4
5
6
7
8
> pkgs <- installed.packages()
> colnames(pkgs)
 [1] "Package"               "LibPath"               "Version"              
 [4] "Priority"              "Depends"               "Imports"              
 [7] "LinkingTo"             "Suggests"              "Enhances"             
[10] "License"               "License_is_FOSS"       "License_restricts_use"
[13] "OS_type"               "MD5sum"                "NeedsCompilation"     
[16] "Built"

当需要检查包是否已经安装时，可以使用以下代码：

1
c("moments", "Built") %in% installed.packages()[, "Package"]

结果如下所示：

1
2
> c("moments", "Built") %in% installed.packages()[, "Package"]
[1]  TRUE FALSE

查看包的版本

查看包的版本可以通过下面代码实现：

1
2
> installed.packages()["ggplot2", "Version"]
[1] "3.2.0"

包的更新update.packages()

1
update.packages()

查看本地的包

查看默认加载的包，忽略基本的包

1
2
> getOption("defaultPackages")
[1] "datasets"  "utils"     "grDevices" "graphics"  "stats"     "methods"

查看当前已经加载过的包

1
2
3
> (.packages())
[1] "stats"     "graphics"  "grDevices" "utils"     "datasets"  "methods"
[7] "base"

显示所有可用的包

(.packages(all.available=TRUE))

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
(.packages(all.available=TRUE))
  [1] "bitops"       "car"          "caTools"      "coin"        
  [5] "colorspace"   "crayon"       "curl"         "dichromat"   
  [9] "digest"       "evaluate"     "formatR"      "fun"         
 [13] "ggplot2"      "gtable"       "highr"        "htmltools"   
 [17] "httr"         "ISwR"         "jsonlite"     "KMsurv"      
 [21] "knitr"        "labeling"     "lme4"         "magrittr"    
 [25] "maps"         "maptools"     "markdown"     "MatrixModels"
 [29] "memoise"      "mime"         "minqa"        "mnormt"      
 [33] "modeltools"   "multcomp"     "munsell"      "mvtnorm"     
 [37] "nloptr"       "openssl"      "pbkrtest"     "plyr"        
 [41] "praise"       "psych"        "quantreg"     "R6"          
 [45] "RColorBrewer" "Rcpp"         "RcppEigen"    "RCurl"       
 [49] "reshape2"     "rmarkdown"    "sandwich"     "scales"      
 [53] "sp"           "SparseM"      "stringi"      "stringr"     
 [57] "swirl"        "testthat"     "TH.data"      "yaml"        
 [61] "zoo"          "base"         "boot"         "class"       
 [65] "cluster"      "codetools"    "compiler"     "datasets"    
 [69] "foreign"      "graphics"     "grDevices"    "grid"        
 [73] "KernSmooth"   "lattice"      "MASS"         "Matrix"      
 [77] "methods"      "mgcv"         "nlme"         "nnet"        
 [81] "parallel"     "rpart"        "spatial"      "splines"     
 [85] "stats"        "stats4"       "survival"     "tcltk"       
 [89] "tools"        "utils"

自定义启动时候的加载包

如果需要长期使用某个包的话，每次开启都需要输入library()，比较麻烦，因此可以让R启动时自动加载某些包。在R的安装目录/etc/Rprofile.site加入下载语句：

例如让R启动时自动加载ggplot2包

1
2
local({old <- getOption(“defaultPackages”)
options(defaultPackages = c(old, “ggplot2”))})

安装包，并加载包

1
2
3
4
5
6
7
if(!require("multcomp")){
  install.packages("multcomp")
  library(multcomp)
}

常用R包的搜集

数据导入

以下R包主要用于数据导入和保存数据

  • feather：一种快速，轻量级的文件格式。在R和python上都可使用

  • readr：实现表格数据的快速导入。中文介绍可参考这里

  • readxl：读取Microsoft Excel电子表格数据

  • openxlsx：读取Microsoft Excel电子表格数据

  • googlesheets：读取google电子表格数据

  • haven：读取SAS，SPSS和Stata统计软件格式的数据

  • httr：从网站开放的API中读取数据

  • rvest：网页数据抓取包

  • xml2：读取HTML和XML格式数据

  • webreadr：读取常见的Web日志格式数据

  • DBI：数据库管理系统通用接口包

    • RMySQL：用于连接MySQL数据库的R包
    • RPostgres：用于连接PostgreSQL数据库的R包
    • bigrquery用于连接Google BigQuery的R包

  • PivotalR：用于读取Pivitol（Greenplum）和HAWQ数据库中的数据

  • dplyr：提供了一个访问常见数据库的接口

  • data.table：data.table包的fread()函数可以快速读取大数据集

  • git2r：用于访问git仓库

数据整理

以下R包主要用于数据整理，以便于你后续建模分析：

  • tidyr：用于整理表格数据的布局
  • dplyr：用于将多个数据表连接成一个整齐的数据集
  • purrr：函数式编程工具，在做数据整理时非常有用。
  • broom：用于将统计模型的结果整理成数据框形式
  • zoo：定义了一个名zoo的S3类型对象，用于描述规则的和不规则的有序的时间序列数据。

数据可视化

以下R包用于数据可视化：

  • ggplot2及其扩展：ggplot2包提供了一个强大的绘图系统，并实现了以下扩展

    • ggthemes：提供扩展的图形风格主题
    • ggmap：提供Google Maps，Open Street Maps等流行的在线地图服务模块
    • ggiraph：绘制交互式的ggplot图形
    • ggstance：实现常见图形的横向版本
    • GGally：绘制散点图矩阵
    • ggalt：添加额外的坐标轴，geoms等
    • ggforce：添加额外geoms等
    • ggrepel：用于避免图形标签重叠
    • ggraph：用于绘制网络状、树状等特定形状的图形
    • ggpmisc：光生物学相关扩展
    • geomnet：绘制网络状图形
    • ggExtra：绘制图形的边界直方图
    • gganimate：绘制动画图
    • plotROC：绘制交互式ROC曲线图
    • ggspectra：绘制光谱图
    • ggnetwork：网络状图形的geoms
    • ggradar：绘制雷达图
    • ggTimeSeries：时间序列数据可视化
    • ggtree：树图可视化
    • ggseas：季节调整工具

  • lattice：生成栅栏图

  • rgl：交互式3D绘图

  • ggvis：交互式图表多功能系统

  • htmlwidgets：一个专为R语言打造的可视化JS库

    • leaflet：绘制交互式地图
    • dygraphs：绘制交互式时间序列图
    • plotly：交互式绘图包，中文介绍详见这里
    • rbokeh：用于创建交互式图表和地图，中文介绍
    • Highcharter：绘制交互式Highcharts图
    • visNetwork：绘制交互式网状图
    • networkD3：绘制交互式网状图
    • d3heatmap：绘制交互式热力图，中文介绍
    • DT：用于创建交互式表格
    • threejs：绘制交互式3d图形和地球仪 -rglwidget：绘制交互式3d图形
    • DiagrammeR：绘制交互式图表
    • MetricsGraphics：绘制交互式MetricsGraphics图

  • rCharts：提供了对多个javascript数据可视化库（highcharts/nvd3/polychart）的R封装。

  • coefplot：可视化统计模型结果

  • quantmod：可视化金融图表

  • colorspace：基于HSL的调色板

  • viridis：Matplotlib viridis调色板

  • munsell：Munsell调色板

  • RColorBrewer：图形调色板

  • igraph：用于网络分析和可视化

  • latticeExtra：lattice绘图系统扩展包

  • sp：空间数据工具

数据转换

以下R包用于将数据转换为新的数据类型

  • dplyr：一个用于高效数据清理的R包。视频学习课程
  • magrittr：一个高效的管道操作工具包。
  • tibble：高效的显示表格数据的结构
  • stringr：一个字符串处理工具集
  • lubridate：用于处理日期时间数据
  • xts：xts是对时间序列数据(zoo)的一种扩展实现，提供了时间序列的操作接口。
  • data.table：用于快速处理大数据集
  • vtreat：一个对预测模型进行变量预处理的工具
  • stringi：一个快速字符串处理工具
  • Matrix：著名的稀疏矩阵包

统计建模与推断

下述R包是统计建模最常用的几个R包，其中的一些R包适用于多个主题。

  • car：提供了大量的增强版的拟合和评价回归模型的函数。
  • Hmisc：提供各种用于数据分析的函数
  • multcomp：参数模型中的常见线性假设的同时检验和置信区间计算，包括线性、广义线性、线性混合效应和生存模型。
  • pbkrtest用于线性混合效应模型的参数Bootstrap检验
  • MatrixModels：用于稠密矩阵和稀疏矩阵建模
  • mvtnorm：用于计算多元正态分布和t分布的概率，分位数，随机偏差等
  • SparseM：用于稀疏矩阵的基本线性代数运算
  • lme4：利用C++矩阵库 Eigen进行线性混合效应模型的计算。
  • broom：将统计模型结果整理成数据框形式
  • caret：一个用于解决分类和回归问题的数据训练综合工具包
  • glmnet：通过极大惩罚似然来拟合广义线性模型
  • gbm：用于实现随机梯度提升算法
  • xgboost：全称是eXtreme Gradient Boosting。是Gradient Boosting Machine的一个c++实现。目前已制作了xgboost工具的R语言接口。详见统计之都的一篇介绍
  • randomForest：提供了用随机森林做回归和分类的函数
  • ranger：用于随机森林算法的快速实现
  • h2o：H2O是0xdata的旗舰产品，是一款核心数据分析平台。它的一部分是由R语言编写的，另一部分是由Java和Python语言编写的。用户可以部署H2O的R程序安装包，之后就可以在R语言环境下运行了。
  • ROCR：通过绘图来可视化分类器的综合性能。
  • pROC：用于可视化，平滑和对比ROC曲线

沟通交流

以下R包用于实现数据科学结果的自动化报告，以便于你跟人们进行沟通交流。

  • rmarkdown ：用于创建可重复性报告和动态文档
  • knitr：用于在PDF和HTML文档中嵌入R代码块
  • flexdashboard：基于rmarkdown，可以轻松的创建仪表盘
  • bookdown：以R Markdown为基础，用于创作书籍和长篇文档
  • rticles：提供了一套R Markdown模板
  • tufte：用于实现Tufte讲义风格的R Markdown模板
  • DT：用于创建交互式的数据表
  • pixiedust：用于自定义数据表的输出
  • xtable：用于自定义数据表的输出
  • highr：用于实现R代码的LaTeX或HTML格式输出
  • formatR：通过tidy_source函数格式化R代码的输出
  • yaml：用于实现R数据与YAML格式数据之间的通信。

自动化分析

以下R包用于创建自动化分析结果的数据科学产品：

  • shiny：一个使用R语言开发交互式web应用程序的工具。中文教程

    • shinydashboard：用于创建交互式仪表盘
    • shinythemes：给出了Shiny应用程序的常用风格主题
    • shinyAce：为Shiny应用程序开发者提供Ace代码编辑器。
    • shinyjs：用于在Shiny应用程序中执行常见的JavaScript操作
    • miniUI：提供了一个UI小部件，用于在R命令行中集成交互式应用程序
    • shinyapps.io：为创建的Shiny应用程序提供托管服务
    • Shiny Server Open Source：为Shiny应用程序提供开源免费的服务器
    • Shiny Server Pro：为企业级用户提供一个Shiny应用程序服务器

  • rsconnect：用于将Shiny应用程序部署到shinyapps.io

  • plumber：用于将R代码转化为一个web API

  • rmarkdown：用于创建可重复性报告和动态文档

  • rstudioapi：用于安全地访问RStudio IDE的API

程序开发

以下这些包主要用于开发自定义的R包：

  • RStudio Desktop IDE：R的IDE。大家都懂，不用解释。
  • RStudio Server Open Source：开源免费的RStudio服务器
  • RStudio Server Professional：商业版RStudio服务器
  • devtools：一个让开发R包变得简单的工具集
  • packrat：创建项目的特定库，用于处理包的版本问题，增强代码重现能力。
  • drat：一个用于创建和使用备选R包库的工具
  • testthat：单元测试，让R包稳定、健壮，减少升级的痛苦。
  • roxygen2：通过注释的方式，生成文档，远离Latex的烦恼。
  • purrr：一个用于 提供函数式编程方法的工具
  • profvis：用于可视化R代码的性能分析数据
  • Rcpp：用于实现R与C++的无缝整合。详见统计之都文章
  • R6：R6是R语言的一个面向对象的R包，可以更加高效的构建面向对象系统。
  • htmltools：用于生成HTML格式输出
  • nloptr：提供了一个NLopt非线性优化库的接口
  • minqa：一个二次近似的优化算法包
  • rngtools：一个用于处理随机数生成器的实用工具
  • NMF：提供了一个执行非负矩阵分解的算法和框架
  • crayon：用于在输出终端添加颜色
  • RJSONIO：rjson是一个R语言与json进行转的包，是一个非常简单的包，支持用 C类库转型和R语言本身转型两种方式。
  • jsonlite：用于实现R语言与json数据格式之间的转化
  • RcppArmadillo：提供了一个Armadillo C++ Library（一种C++的线性代数库）的接口

实验数据

以下R包给出了案例实战过程中可用的训练数据集：

  • babynames：包含由美国社会保障局提供的三个数据集
  • neiss：2009-2014年期间提供给美国急诊室的所有事故报告样本数据
  • yrbss：美国疾病控制中心2009-2013年期间青年危险行为监测系统数据
  • hflights：
  • USAboundaries：2011年全年休斯顿机场的所有航班数据
  • rworldmap：国家边界数据
  • usdanutrients：美国农业部营养数据库
  • fueleconomy：美国环保署1984-2015年期间的燃油经济数据
  • nasaweather：包含了一个覆盖中美洲的非常粗糙的24*24格地理位置和大气测量数据。
  • mexico-mortality：墨西哥死亡人数数据
  • data-movies和ggplotmovies：来自互联网电影数据库imdb.com的数据
  • pop-flows：2008年全美人口流动数据
  • data-housing-crisis：经过清洗后的2008美国房地产危机数据
  • gun-sales：纽约时报提供的有关枪支购买的每月背景调查统计分析数据
  • stationaRy：从成千上万个全球站点收集到的每小时气象数据
  • gapminder：摘自Gapminder的数据
  • janeaustenr：简·奥斯丁小说全集数据

查看R的版本

1
sessionInfo() # 要加括号

如下所示：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
> sessionInfo() # 要加括号
R version 3.4.0 (2017-04-21)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows >= 8 x64 (build 9200)
Matrix products: default
locale:
[1] LC_COLLATE=Chinese (Simplified)_China.936  LC_CTYPE=Chinese (Simplified)_China.936   
[3] LC_MONETARY=Chinese (Simplified)_China.936 LC_NUMERIC=C                              
[5] LC_TIME=Chinese (Simplified)_China.936    
attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     
other attached packages:
[1] downloader_0.4 rafalib_1.0.0 
loaded via a namespace (and not attached):
[1] compiler_3.4.0     tools_3.4.0        RColorBrewer_1.1-2 digest_0.6.15

查看R语言的内置数据集data()

R的基本包中有一个叫datasets，里面全是示例数据集，供用户练习用。同时也可以使用data()来查看所有已经成功加载的包的数据集：

1
2
3
4
5
6
7
Data sets in package ‘datasets’:
AirPassengers                         Monthly Airline Passenger Numbers 1949-1960
BJsales                               Sales Data with Leading Indicator
BJsales.lead (BJsales)                Sales Data with Leading Indicator
...
略

如果需要查看更完整的列表，包括已安装的所有包的数据，可以使用下面代码：

1
data(package = .packages(TRUE))

加载特定包中的数据集

如果想要访问任意数据集里面的数据，可以使用data()函数，传入数据集的名称以及所在的包名（如果这个包已经被加载了，就可以不用packages="包名"这个以参数了），如下所示：

1
2
data("kidney", package = "survival")
head(kidney)

这个命令是调用survival这个包中的kidney这个数据集，如下所示：

1
2
3
4
5
6
7
8
9
> data("kidney", package = "survival")
> head(kidney)
  id time status age sex disease frail
1  1    8      1  28   1   Other   2.3
2  1   16      1  28   1   Other   2.3
3  2   23      1  48   2      GN   1.9
4  2   13      0  48   2      GN   1.9
5  3   22      1  32   1   Other   1.2
6  3   28      1  32   1   Other   1.2

参考资料

  1. http://www.xueqing.tv/cms/article/198
  2. http://blog.fens.me/
  3. 学习R.[美] Richard，Cotton 著刘军 译
  4. R 从安装开始：BiocLite 到 BiocManager
  5. R语言编程指南.任坤 著，王婷，赵孟韬，王泽贤 译