R語言中的哪些命令或者包讓你相見恨晚
我從開始學R到現在一直都在發現“相見恨晚”的R包。
我從開始學R到現在一直都在發現“相見恨晚”的R包。
分析與建模：
- Matrix包：先進的稀疏矩陣處理，不了解稀疏矩陣概念的時候內存占用和運行速度都不忍直視。
- Reshape2/ddply：數據處理不用愁。
- *apply系列：比for更好用的函數，其中tapply遠不如lapply流行，但是實用程度不在其下。實際上lapply有沒有變快得看各人的實現，因為雖然lapply調用了C實現，但是它還是要回頭調用在R里用戶定義的函數才能做計算，這個函數速度如何才是關鍵。
- compiler包：即使代碼里有for也可以加速。
- foreach：通用的并行接口，跨平臺多功能。
- lubridate：處理時間日期格式不求人。
- gbm：效果和randomForest相近，但是占用內存很少很幸福，而且支持多核 CrossValidation 運算。
- stats::optim()：做優化的最傻瓜選擇。不信看這個三行R代碼做出SVM：weibo.com/1459604443/A3，不懂牛頓法也沒關系。
報告與可視化：
- knitr/slidify：knitr是 @謝益輝 的代表作。做報告、幻燈片 so easy，但是slidify的作者不喜歡寫文檔，所以很頭疼。
- shiny：用R生成Web App，后端強勁接口統一。例如：hetong.shinyapps.io/img 。
- recharts：在R中方便快捷地生成可交互圖形，再也不用從R換到js了。
其他：
- devtools::install_github()：脫離CRAN強權統治，Github讓世界更美好。
- base::match()：很多情況下比which，is.element不知高到哪里去了。
- utils::read.table()：設置nrows能提前分配內存，設置comment.char=""與colClasses更能加快讀入。
- OpenBLAS庫：雖然不是R包，但是多核CPU上對矩陣運算的加速效果實在是太方便明顯了，而且Ubuntu上安裝方便，并不需要重新編譯R。
- 定義啟動項：如果對stringsAsFactors永遠默認為TRUE深痛惡覺，可以修改Rprofile.site文件，加上每次啟動都自動運行的命令。 @任坤 在評論中提到：定義啟動項比較危險，不注意的話會使得代碼的可移植性出現問題哦，放到別人電腦上一運行發現各種factor。
- 升級R包：R的版本更迭之后，可以把老R包復制到新版本的library目錄下，然后運行 update.packages(checkBuilt=TRUE, ask=FALSE) ，這是官方的提示，放在FAQ里，不知道有多少人留意了：R for Windows FAQ
|
責任編輯：李英杰
來源：
愛數據
分享到微信 
分享到微博
