包--R In Action

1.4 包
R提供了大量开箱即用的功能,但它最激动人心的一部分功能是通过可选模块的下载和安装
来实现的。目前有2500多个①称为包(package)的用户贡献模块可从http://cran.r-project.org/
web/packages下载。这些包提供了横跨各种领域、数量惊人的新功能,包括分析地理数据、处理
蛋白质质谱,甚至是心理测验分析的功能。本书中多次使用了这些可选包。
1.4.1 什么是包
包是R函数、数据、预编译代码以一种定义完善的格式组成的集合。计算机上存储包的目录
称为库(library)。函数.libPaths()能够显示库所在的位置, 函数library()则可以显示库中
有哪些包。
R自带了一系列默认包(包括base、datasets、utils、grDevices、graphics、stats
以及methods),它们提供了种类繁多的默认函数和数据集。其他包可通过下载来进行安装。安装
好以后,它们必须被载入到会话中才能使用。命令search()可以告诉你哪些包已加载并可使用。
1.4.2 包的安装
有许多R函数可以用来管理包。第一次安装一个包,使用命令install.packages()即可。
举例来说,不加参数执行install.packages()将显示一个CRAN镜像站点的列表,选择其中一
个镜像站点之后,将看到所有可用包的列表,选择其中的一个包即可进行下载和安装。如果知道
自己想安装的包的名称,可以直接将包名作为参数提供给这个函数。例如,包gclus中提供了创
建增强型散点图的函数。可以使用命令install.packages("gclus")来下载和安装它。
一个包仅需安装一次。但和其他软件类似,包经常被其作者更新。使用命令update.packages()
可以更新已经安装的包。要查看已安装包的描述,可以使用installed.packages()命令,这
将列出安装的包,以及它们的版本号、依赖关系等信息。
1.4.3 包的载入
包的安装是指从某个CRAN镜像站点下载它并将其放入库中的过程。要在R会话中使用它,
还需要使用library()命令载入这个包。例如,要使用gclus包,执行命令library(gclus)
即可。当然,在载入一个包之前必须已经安装了这个包。在一个会话中,包只需载入一次。如果
需要,你可以自定义启动环境以自动载入会频繁使用的那些包。启动环境的自定义在附录B中有
详细描述。
——————————
① 截至本书中文版面世时,已超过4000个。——译者注
图灵社区会员 matrixvirus([email protected]) 专享 尊重版权

1.4.4 包的使用方法
载入一个包之后,就可以使用一系列新的函数和数据集了。包中往往提供了演示性的小型数
据集和示例代码,能够让我们尝试这些新功能。帮助系统包含了每个函数的一个描述(同时带有
示例),每个数据集的信息也被包括其中。命令help(package="package_name")可以输出某
个包的简短描述以及包中的函数名称和数据集名称的列表。使用函数help()可以查看其中任意
函数或数据集的更多细节。这些信息也能以PDF帮助手册的形式从CRAN下载。

时间: 2024-08-02 07:03:43

包--R In Action的相关文章

R in action -- 2.3 数据输入

R in action -- 2.3 数据输入 1.从CSV文件导入数据 > gtades <- read.table("1.csv",header=TRUE,sep=",") > gtades ID name age 1 1 qqw 15 2 2 eew 56 3 3 rrw 43 4 4 ttw 58 2.从Excel导入数据 安装openxlsx包 > install.packages("openxlsx") Ins

R in action -- 2.1 数据结构

R in action -- 2.1 数据结构 1.R中用来存储数据的结构:标量.向量.数组.数据框.列表. 2.R中可以处理的数据类型:数值.字符.逻辑.复数.原生(字节). 3.向量: 向量是用来存储数值型.字符型或逻辑型数据的一维数组. c() 用来组合括号内的数据并创建向量. # a <- c(1,2,3,5,8,11,19) # b <- c("Python","go","R","C#","Ru

R in action

第二章:创建数据集 2.1数据集的概念 数据库中的记录与字段 2.2数据结构 2.2.1 向量:拥有相同数据类型的一维数组(可以使用类似python的切片功能) a<-(1,2,3,4); 2.2.2矩阵:拥有相同数据类型的二维数组,利用matrix创建 y<-matrix(1:20,nrow=5,ncol=4) #创建一个矩阵 2.2.3数组,利用array创建 2.2.4数据框 mydata<-data.frame(clo1,col2,col3);创建一个数据框 2.2.5因子:类别

R in action读书笔记(22)第十六章 高级图形进阶(下)

16.2.4 图形参数 在lattice图形中,lattice函数默认的图形参数包含在一个很大的列表对象中,你可通过trellis.par.get()函数来获取,并用trellis.par.set()函数来修改.show.settings()函数可展示当前的图形参数设置情况.查看当前的默认设置,并将它们存储到一个mysettings列表中: > show.settings() > mysettings<-trellis.par.get() 查看叠加点的默认设置值: > mysett

R in action读书笔记(19)第十四章 主成分和因子分析

第十四章:主成分和因子分析 本章内容 主成分分析 探索性因子分析 其他潜变量模型 主成分分析(PCA)是一种数据降维技巧,它能将大量相关变量转化为一组很少的不相关变量,这些无关变量称为主成分.探索性因子分析(EFA)是一系列用来发现一组变量的潜在结构的方法.它通过寻找一组更小的.潜在的或隐藏的结构来解释已观测到的.显式的变量间的关系. PCA与EFA模型间的区别 主成分(PC1和PC2)是观测变量(X1到X5)的线性组合.形成线性组合的权重都是通过最大化各主成分所解释的方差来获得,同时还要保证个

R in action读书笔记(17)第十二章 重抽样与自助法

12.4 置换检验点评 除coin和lmPerm包外,R还提供了其他可做置换检验的包.perm包能实现coin包中的部分功能,因此可作为coin包所得结果的验证.corrperm包提供了有重复测量的相关性的置换检验. logregperm包提供了Logistic回归的置换检验.另外一个非常重要的包是glmperm,它涵盖了广义线性模型的置换检验依靠基础的抽样分布理论知识,置换检验提供了另外一个十分强大的可选检验思路.对于上面描述的每一种置换检验,我们完全可以在做统计假设检验时不理会正态分布.t分

R in action读书笔记(6)-第七章:基本统计分析(下)

7.3相关 相关系数可以用来描述定量变量之间的关系.相关系数的符号(±)表明关系的方向(正相关或负相关),其值的大小表示关系的强弱程度(完全不相关时为0,完全相关时为1).除了基础安装以外,我们还将使用psych和ggm包. 7.3.1 相关的类型 1.Pearson.Spearman和Kendall相关 Pearson积差相关系数衡量了两个定量变量之间的线性相关程度.Spearman等级相关系数则衡 量分级定序变量之间的相关程度.Kendall’s Tau相关系数也是一种非参数的等级相关度量.

R in action读书笔记(5)-第七章:基本统计分析

7.1描述性统计分析 > vars<-c("mpg","hp","wt") > head(mtcars[vars])                    mpg  hp    wt Mazda RX4         21.0 110 2.620 Mazda RX4 Wag     21.0 110 2.875 Datsun 710        22.8  93 2.320 Hornet 4 Drive    21.4 11

ggplot2包--R可视化

1.ggplot2发展历程 ggplot2是Hadley在爱荷华州立大学博士期间的作品,也是他博士论文的主题之一,实际上ggplot2还有个前身ggplot,但后来废弃了,某种程度上这也是Hadley写软件的特 征,熟悉他的人就知道这不是他第一个“2”版本的包了(还有reshape2).带2的包和原来的包在语法上会有很大的改动,基本上不兼容.尽管如此,他的R代码风格在R社区可谓独树一帜,尤其是他的代码结构很好,可读性很高,ggplot2是R代码抽象的一个杰作.读者若感兴趣,可以在GitHub网站