Які пакети R ви вважаєте найбільш корисними у своїй щоденній роботі?

Дублікат потоку: я щойно встановив останню версію R. Які пакунки потрібно отримати?

Які R- пакети ви не уявляли щоденної роботи з даними? Перерахуйте, як загальні, так і конкретні інструменти.

ОНОВЛЕННЯ: Щодо 24.10.10, ggplot2схоже, переможець набрав 7 голосів.

Інші згадані пакети є:

• plyr - 4
• RODBC, RMySQL- 4
• sqldf - 3
• lattice - 2
• zoo - 2
• Hmisc/rms - 2
• Rcurl - 2
• XML - 2

Дякую всім за відповіді!

Перейдіть за посиланням: ТОП 100 Р ПАКЕТИ НА 2013 рік (JAN-MAY) http://www.r-statistics.com/2013/06/top-100-r-packages-for-2013-jan-may/

Я використовую plyr та ggplot2 найбільше щодня.

Я також дуже покладаюся на пакети часових рядів; особливо, зоопарк .

Я використовую пакет xtable . Пакет xtable перетворює таблиці, вироблені R (зокрема, таблиці, що відображають результати anova), у таблиці LaTeX, які будуть включені до статті.

багатоядерний дуже приємний інструмент для швидшого створення сценаріїв.
cacheSweave економить багато часу при використанні Sweave.

ggplot2 - знизити найкращу візуалізацію для Р.

RMySQL / RSQLite / RODBC - для підключення до баз даних

sqldf - маніпулює data.frames за допомогою SQL-запитів

Hmisc / rms - пакети від Frank Harrell, що містять зручні різні функції та приємні функції для регресійного аналізу.

GenABEL - приємний пакет для досліджень, пов'язаних з геномом

Rcmdr - гідний графічний інтерфейс для R, якщо він вам потрібен.

Також перегляньте CRANtastic - це посилання містить список найпопулярніших R-пакетів. Багато хто з перших у списку вже готові

data.table - мій улюблений зараз! Дуже сподіваємось на нову версію з більш реалізованим списком бажань.

Пакети я часто використовую є растрові , зр , spatstat , веганські і splancs . Я іноді використовую ggplot2, tcltk та решітки.

Для мене особисто я використовую три наступні пакунки, усі вони доступні в дивовижному проекті Omega для статистичних обчислень (я не претендую на експерт, але для моїх цілей вони дуже прості у використанні):

• RCurl : У ньому є безліч варіантів, що дозволяє отримати доступ до веб-сайтів, про те, що функції за замовчуванням у базі R матимуть труднощі з, я думаю, це справедливо сказати. Це R-інтерфейс до бібліотеки libcurl, який має додаткову користь для всієї спільноти за межами R, яка розвиває її. Також доступний на CRAN .

• XML : Це дуже прощає розбір неправильно сформованого XML / HTML. Це R-інтерфейс до бібліотеки libxml2 і знову має додаткову перевагу для цілого спільноти поза R, розвиваючи його Також доступний у CRAN .

• RJSONIO : Це дозволяє розібрати текст, повернений з виклику json, та організувати його в структуру списку для подальшого аналізу. Конкурентом цього пакету є rjson, але цей має перевагу бути векторизованим, легко розширюваним через S3 / S4, швидко і масштабується до великих даних.

Sweave дозволяє вставляти код R у документ LaTeX. Результати виконання коду та необов'язково вихідний код стають частиною підсумкового документа.

Отже, замість того, щоб, наприклад, вставити зображення, вироблене R, у файл LaTeX, ви можете вставити код R у файл і зберегти все в одному місці.

зоопарк і xts - це обов’язково в моїй роботі!

Мені здається решітка разом із супутниковою книгою "Решітка: багатовимірна візуалізація даних за допомогою R" від Deepayan Sarkar неоціненною.

Якщо ви займаєтесь будь-яким методом прогнозування, карета - знахідка. Особливо в поєднанні з багатоядерним пакетом можливі деякі досить дивовижні речі.

Щоденний найкорисніший пакет повинен бути "іноземним", який має функції для читання та запису даних для інших статистичних пакетів, наприклад, Stata, SPSS, Minitab, SAS тощо. Робота в полі, де R не є таким звичним, означає, що це є дуже важливим пакетом.

я використовую

car, doBy, Epi, ggplot2, gregmisc (gdata, gmodels, gplots, gtools), Hmisc, plyr, RCurl, RDCOMClient, переформатувати, RODBC, TeachingDemos, XML.

багато.

Я не міг би жити без:

• решітка для графіки
• xlsx або XLConnect для читання файлів Excel
• rtf для створення звітів у форматі rtf (я вважаю за краще Sword або R2wd, але не можу встановити statconn на роботі; я обов'язково спробую odfWeave незабаром.)
• nlme та lme4 для змішаних моделей
• ff для роботи з великими масивами

RODBC для доступу до даних із баз даних, sqldf для виконання простих SQL-запитів у фреймах даних (хоча я змушую себе використовувати рідні команди R), а також ggplot2 та plyr

Я працюю і з R, і з MATLAB, і я багато використовую R.matlab для передачі даних між ними.

Ми в основному використовуємо:

• ggplot - для діаграм
• статистика
• e1071 - для SVM

решітка, машина, МАСС, іноземна, партія.

Для мене я використовую kernlab для лабораторії машинного навчання на основі ядра та e1071 для SVM та ggplot2 для графіки

Я досить часто використовую ggplot2, vegan та reshape.

Мені подобається роксиген за його функцію Curry ().

Тут не згадується RColorBrewer , я часто використовую його для побудови графіків, якщо мені потрібні кольорові схеми

Я великий шанувальник RCPP, коли мені потрібен швидкий цикл або для виконання не дуже сумісних з лікуванням процедур. Він дуже добре реалізований в системі R eco, може приймати матрицю / розріджену матрицю без перетворення в якості аргументів у функції.

Синтаксис C ++ простий, коли ти робиш прості речі (що часто буває в моєму випадку).

Дійсно, вам не потрібно бути виробником упаковки, щоб мати потребу в цій чудовій мовці.

Я сказав, що C ++ дуже швидкий?

DoParallel і Foreach пакети зробили моє життя набагато простіше, дозволяючи мені распараллелить мій код і запустити його на обчислювальному оптимізованої наприклад , на Amazon EC2 ! Я їх дуже часто використовую. Але це було б неможливо без RStudio AMI, випущених Луї Аслеттом. Нарешті, я мушу згадати струнний пакет, який справді робить роботу зі струнами прогулянкою по парку. Використовуйте його в кожному додатку для видобутку тексту. А також я дуже часто використовую плетисту для створення високоякісних звітів про свою роботу. Велике спасибі за цей дивовижний пакет Yihui Xie!

Я частіше використовую ggplot2, переформатувати, решітку, в'язальну машину.