R包的安装与使用

R语言程序包的简介
R包的主要来源
R包安装前的设置
- 镜像
- 镜像设置方法
R包安装方法
- 1）CRAN平台
- 2）Bioconductor平台
- 3）Github平台
R包检查和加载使用
R包安装与使用的常见问题
温馨提示

R语言程序包的安装与使用问题–入门重要环节之一。我们在编写一份完整代码时可能需要用到各式各样的函数，而函数主要都封装在R包中，仅有各别基础函数是R语言自带，这就意味着需要下载很多程序包。截止至今，R语言程序包已经超过2万个，随着业界大神以及大家在使用过程中的需求，会有更多的R包涌入。尽管常用的R包可能只有几百或上千个，但也是初学者在学习时常遇到R程序包使用和安装的报错问题。之前，我在安装export包及其更新时同样遇到了各种坑，尝试了很多种办法才解决。这里，我总结了以下几种被广泛尝试的安装方法，希望对大家有所帮助。

R语言程序包的简介

R语言程序包是函数、数据、代码的一个集合。R包中主要包含函数的含义及用法，还包括数据集和代码示例等。只有将R包载入R程序环境后，其R包里的函数才能被识别、读取和使用。加载后，使用者可以查询到该R包的所有信息，有助于编译代码。

R包的主要来源

首先，我们需要对R包有一个初步的了解，比如最重要的–它的来源。因为R包并不是凭空产生的，都是作者编译好函数后封装成包，然后将其上传到某个平台储存。目前，R包主要都可以从这三大平台下载，分别是CRAN官网平台，Bioconductor生信平台及Github第三方平台。

简单介绍一下三个平台。

CRAN存储了R最新版本的代码和文档的服务器 (https://cran.r-project.org/)。这是R语言官方平台，市面上常用的R包以及已经功能完整度比较高的R包基本都会上传到CRAN官方平台，因此通常可以从rstudio直接用代码下载。另外，可以从官网平台下载所需压缩包，然后在本地进行安装。
生物信息学领域的Bioconductor平台，它提供的R包主要为基因组数据分析和注释工具(https://bioconductor.org/)。这个平台主要上传了很多关于生信技术相关的R包，如果在遇到相关R包不能从官方CRAN平台下载时，可以优先考虑从这个平台下载。
面向开源及私有软件的第三方平台–Github。R包的作者更愿意将其存储在该平台，因此很多时候需要在上面下载 (https://github.com/)。如果前两个平台都无法下载，这时可以考虑第三方平台github，这里包含了99%的R包。

R包安装前的设置

镜像

因为需要从主网页下载R包，如果出现异常可以选择切换镜像，这是一个常用解决R包无法下载的方法。镜像网站相当于主网站的副本，在访问主网站存在障碍时，访问镜像的网站也是可以的。R和Bioconductor主网站位于国外，因此我们可以选择国内的镜像可加快访问速度。通常选择清华镜像(tuna，Beijing) 中科大镜像(ustc，Hefei)。

镜像设置方法

方法1：在rstudio的工具栏选择 tools —> global option —> packages —>选择中科大或清华
方法2：通过代码完成设定

options("repos"=c(CRAN="http://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="http://mirrors.ustc.edu.cn/bioc/")

R包安装方法

1）CRAN平台

可在CRAN官网查询所需安装R包的名称
单个R包安装方法：方法1，直接通过代码下载：

install.packages("package name") # 直接从CRAN安装

单个R包安装方法：方法2，手动安装，先从https://cran.r-project.org/web/packages下载所需的R包。把该R包保存着适当的本地位置，然后再用代码加载安装。

install.packages (file_name_with_path, repos = NULL, type = "source")
# 例子
install.packages ("C:\Users\ThinkPad\Desktop\vegan_2.5-7.zip", repos = NULL, type = "source")

单个R包安装方法：或者用以下办法完成安装tar.gz/zip格式的程序包。
单个R包安装方法：方法3，
多个R包的安装，方法1，代码如下：

install.packages (c ("package 1", "package 2", "package 3",···) )

多个R包的安装，方法2，利用apply家族函数中sapply，代码如下：

mypackages <-  c("tidyverse","dplyr","stringr","ggplot2","ggpubr") 
sapply(mypackages , install.packages, character.only = T) 
#三个参数：包含要安装的R包的名称的向量
#安装函数install.packages，character.only = T 可以接受一个字符串变量

多个R包的安装，方法3，利用循环，代码如下:

mypackages <- c("reshape2", "tidyverse", "ggplot2", "vegan", "caret", "dplyr", "car","ggplot2", "ggpubr", "stringr") 
> for (pkgs in mypackages ){if (! require(pkgs, character.only=T) ) {install.packages(pkgs, ask = F, update = F)require(pkgs, character.only=T) }

2）Bioconductor平台

与CRAN安装相似，先 source (“https://bioconductor.org/biocLite.R”) 链接到Bioconductor，然后 biocLite (“package name”) 进行安装。如果下载过慢，用chooseBioCmirror ( ) 更改镜像。如果 source 失效，则根据网站里的介绍选择BioManager : : install ( ) 安装。

单个R包安装代码如下：

# 如果 source 无效，则看 https://bioconductor.org/install
source ("https://bioconductor.org/biocLite.R") # 然后用 biocLite ("package name") 
# 以下是 https://bioconductor.org/install 的一种方法
if (! requireNamespace ("BiocManager", quietly = TRUE) )install.packages ("BiocManager")
BiocManager : : install (version ="3.10") # 这是基于 3.6 R版本，如果是 4.0 R版本则使用 version = "3.12" 
chooseBioCmirror ( ) # 修改下载镜像 
BiocManager : : install ("ggtreeExtra")
# 指定版本安装
BiocManager : : install ("ggtreeExtra", version = "4.0")

多个R包安装，我们还是可以使用sapply函数，代码如下：

biopackages <- c("pcaMethods", "GO.db", "topGO", "clusterProfiler", "biomaRt")
sapply(biopackages, BiocManager::install, character.only = T) # 提前安装好BiocManager包就可以

3）Github平台

需要 devtools包或 remotes包进行下载。先安装Rtools软件，然后安装devtools或remotes，然后用 devtools / remotes : : install_github 安装，需记住作者和程序包的名字。例如 YuLab-SMU / ggtreeExtra，通常由包的原作者自己取的，各式各样的名称都有。

# 使用 install_github ( ) 前需要预装 rJava、devtools/remotes包
# 其中windows Java环境需要配置，基本思路是：
# 先下载安装jdk，然后添加jdk路径到新建的系统变量
# 具体操作流程可以学习https://blog.csdn.net/weixin_45915507/article/details/105786961# devtools 包
install.packages ("devtools")
library (c ("rJava", "devtools")) 
install_github ("YuLab-SMU/ggtreeExtra")
# 或者
if(!requireNamespace ("devtools", quietly=TRUE)){install.packages ("devtools") 
}
devtools : : install_github ("YuLab-SMU/ggtreeExtra")# remotes 包
install.packages("remotes")
library ("remotes")
install_github ("YuLab-SMU/ggtreeExtra")
# 或者
if(!requireNamespace ("remotes", quietly=TRUE)){install.packages ("remotes") 
}
remotes : : install_github ("YuLab-SMU/ggtreeExtra")

此外，有作者开发了 githubinstall 包，与CRAN的安装方式一致，但注意使用前先安装Rtools软件。安装时我们仅需输入包的名称，即可完成下载。

install.packages ("githubinstall")
library ("githubinstall")
githubinstall ("ggtreeExtra")

R包检查和加载使用

我们先查询当前R包的存储库位置，可以通过 .libPaths ( ) 函数完成。

.libPaths ( ) #点 . 需要注意容易遗漏

得到结果：电脑本身的R位置和本地位置，两条路径。
在这里插入图片描述

获取所有已经安装的R包列表，利用 library ( ) 函数完成。

library ( )

结果如图：该路径下所有R包的列表。
在这里插入图片描述

加载R包的方法：library (“package name”) 和 require (“package name”) 函数。此外，最近有新的方法可以一次性载入多个R包。先install.packages (“pacman”)，然后 library (“pacman”)，用该R包中的一个函数–p_load ( ) 函数完成。即使你所安装的R包与当前R环境不匹配(package is not avaliable for the R version) ，该函数仍能够对其安装。对于pacman包中大部分函数，不需要对括号内packages使用引号" "。

# 正常加载程序包的方法
library ( )
require ( )# 一次性加载多个程序包的方法
if (!require("pacman")) install.packages ("pacman") # 下载 pacman 包
library ("pacman")# library 加载 pacman 包
p_load (ggplot2, ggthemes, dplyr, readr, showtext, export) # p_load 需要 pacman 包才能运行# 或者使用循环加载
check.packages <- function(pkg){new.pkg <- pkg[!(pkg %in% installed.packages()[, "Package"])]if (length(new.pkg)) install.packages(new.pkg, dependencies = TRUE)sapply(pkg, require, character.only = TRUE)
}packages <- c("ggplot2", "GGally", "dplyr","dplyr","lubridate","tidyverse","cluster","factoextra","rdist","gridExtra","chron","reshape2","pheatmap") 
check.packages(packages)

查看R包的方法：
①查看默认加载的R包，getOption(“defaultPackages”) 函数；
②查看已加载的R包，(.packages()) 或者 search ( ) 函数；
③查看所有已安装的R包，(.packages(all.available = T))、installed.packages()、library() 函数。

# 查看默认加载的R包
getOption ("defaultPackages")#查看已加载的R包 
(.packages( ) )# 查看所有已安装的R包 
(.packages (all.available = T) )
installed.packages ( )
library ( )

卸除或者卸载R包的方法：①卸除R包，非卸载，detach(“package:ggplot2”) 函数；②卸载一个或者多个包，remove. packages(c(“package1”,“package2”) …, lib = file.path(“path_to_library”)) 函数。

# 注意是卸除，而非卸载，意味着把包从R运行环境中彻底去除，只是不希望该包被加载使用。在使用包的同名函数发生冲突时，可以检验函数依赖性。
library ("ggplot2") detach ("package:ggplot2") / require ("ggplot2") pkg <- "package:ggplot2"# "package1","package1"表示包名，即可以一次性卸载多个包。
remove. packages (c ("package1", "package2"), lib = file.path ("path_to_library") )
# "path_to_library"表示存储R包的library路径，通常情况下只输一个路径即可。使用命令.libPaths ( )可以查看库路径。# 例子
remove.packages (c ("zoom"), lib = file.path ("C:/Program Files/R/R-3.6.1/library") )

咨询函数和R包帮助的方法：
①help(“package name”) 函数，如 help (“ggplot2”)，再或者 ?ggplot2 来查看ggplot2包的帮助（引号可以省略）；
②example (“ggplot2”) 可以查看ggplot2包里的示例；
③data ( ) 列出当前已经加载包中所含的所有可用示例的数据集。

# 利用帮助代码查询所需要的R包
help ("ggplot2")
# 或者
?ggplot2# 查看R包里的示例
example ("package name")# 列出已加载R包中的所有可用示例的数据集
data ( )

R包安装与使用的常见问题

如果出现了大量的提示信息，不要慌张。只要不是error，都可以忽略。
packages not available。
①可能是R包名称错误
②安装命令使用错误
③计算机当前R语言版本与包所要求的版本不符合
从生信平台下载R包时，不选择更新。能不更新就不更新，除非一直报错。安装命令install.packages() 或者是BiocManager::install()函数可以选择添加参数：update = F, ask = F。问是否更新的、“不存在”的是依赖包
依赖包问题
是否更新的是依赖包，R包之间可能存在复杂的依赖关系，使用A包，就必须同时用B、C，而C又依赖了D包。理论上: 安装A，就会自动安装BCD 加载A，就会自动加载BCD 实际上：常会因为一两个依赖包的安装失败，导致你想安装的那个包安装失败。
R包储存库中显示该R包需要大于某个版本才可以使用，这时需要先将该R包删除（用remove.packages，然后再重新下载就是最新的了。）
connection问题。切换镜像，检查网络连接，如果都没有问题，运行。

温馨提示

使用R包的时候，常常看到成功下载了R包后，我们可以利用R包与函数名的联用代码，主要是这个符号" :: "。For exam.，用devtools :: install_github ( )。符号 :: 表示符号前是R包，以及符号后为该R包中的函数，这更加明确了代码，即某R包下某函数的运行。或者，我们也可以把代码分开运行。下载完R包后，用 library ( ) 先载入所需R包，然后再直接用函数运行。
卸除R包的代码可熟记，随着你R语言知识掌握的越来越多，代码越来越多，函数越来越多，同名函数也会随之出现， detach (“package:pkg name”) 函数能帮你。
通常一些函数名中自带点 (.)，这个要注意，非常容易遗漏。网上有些代码在完成后，可能没有检查，不小心遗漏了 . ，导致很多初学者一脸懵逼，走了很多弯路，浪费了很多时间。因此，希望这份推文能够帮助大家少走弯路吧。
记得用help ()，记得help ()，记得help ()，不懂的一定要学会用 help ( )。该函数的功能非常强大，它如同你学习过程中的老师，只要你看的懂英文，就能把R语言学好。