zoukankan      html  css  js  c++  java
  • R中使用的包,及其操作

    viridis包:Default Color Maps from 'matplotlib'  这个R包是关于颜色搭配的

    具体用法:https://cran.r-project.org/web/packages/viridis/vignettes/intro-to-viridis.html

    1、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
    【精】readr:实现表格数据的快速导入。https://readr.tidyverse.org
    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,httr也是Hadley大神的作品之一。
    rvest:网页数据抓取包
    xml2:读取HTML和XML格式数据
    Rselenium:Selenium也是一个用于Web应用程序测试的工具,Selenium测试直接运行在浏览器中,就像真正的用户在操作一样。RSelenium是通过调用Selenium Sever来模拟浏览器环境,实现爬虫功能。
    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
    ROracle:连接Oracle数据库的R包,依赖于DBI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
    【精】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
    rlist:处理list数据的包

    2、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:
    【精】tidyr:用于整理表格数据的布局
    【精】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。

    3、文本处理

    jiebaR:中文分词工具
    cidian:字典转换工具

    4、数据可视化

    以下R包用于数据可视化:
    【精】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,美化ggplot;
    ggraph:用于绘制网络状、树状等特定形状的图形,用于绘制网络图等;
    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
    geomsggradar: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
    rbokeh:用于创建交互式图表和地图
    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
    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。
    recharts:Recharts是百度echarts的接口封装,目前有recharts,echartr等。ECharts,一个使用 JavaScript 实现的开源可视化库,可以流畅的运行在 PC 和移动设备上,兼容当前绝大部分浏览器(IE8/9/10/11,Chrome,Firefox,Safari等),底层依赖轻量级的矢量图形库 ZRender,提供直观,交互丰富,可高度个性化定制的数据可视化图表。
    coefplot:可视化统计模型结果
    【精】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,分析网络图;
    tidygraph:用于网络分析的图形化工具,分析网络图等。
    latticeExtra:lattice绘图系统扩展包
    sp:空间数据工具;
    【精】Complexheatmap:bioconductor出品的热图绘制工具,目前是我用过的最好用的热图绘制工具;

    5、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。
    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

    6、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

    7、机器学习

    H2O:H2O是开源的机器学习算法包;
    factoextra:多变量分析以及其图形化;
    Rstan:Stan概率编程语言的R语言接口,stan的数学库提供了可微的概率函数和线性代数(C ++ autodiff),R包中还提供了基于表达式的线性建模,后验概率可视化和留一法交叉验证。

    8、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。

    9、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。
    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.ioplumber: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

    10、程序开发

    以下这些包主要用于开发自定义的R包:
    【精】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

    11、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
    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

    转自:https://www.jianshu.com/p/684dbd978d7c

  • 相关阅读:
    厘摩(centimorgan,cM)到底是啥鬼
    课程二(Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization),第二周(Optimization algorithms) —— 2.Programming assignments:Optimization
    课程二(Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization),第二周(Optimization algorithms) —— 0.Learning Goals
    课程二(Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization),第一周(Practical aspects of Deep Learning) —— 4.Programming assignments:Gradient Checking
    课程二(Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization),第一周(Practical aspects of Deep Learning) —— 3.Programming assignments:Regularization
    课程二(Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization),第一周(Practical aspects of Deep Learning) —— 2.Programming assignments:Initialization
    课程二(Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization),第一周(Practical aspects of Deep Learning) —— 1.Practice Questions : Practical aspects of deep learning
    课程一(Neural Networks and Deep Learning)总结——2、Deep Neural Networks
    课程一(Neural Networks and Deep Learning)总结——1、Logistic Regression
    课程一(Neural Networks and Deep Learning),第四周(Deep Neural Networks) —— 3.Programming Assignments: Deep Neural Network
  • 原文地址:https://www.cnblogs.com/xuepei/p/13469575.html
Copyright © 2011-2022 走看看