如何能又全又快地找到所需方法的R包？

截止202311月R官网共计2.0万个package，学R其实大部分时间都在调包，也就是“调包侠”。新学R的小伙伴们可能遇到这2万多个package，第一时间就犯了选择困难症。

“

请问如何能又快又好的找到所需方法的R包？”

这也是小编一直想去深入挖掘的问题，今天抽空研究了一遍。

其实，CRAN上一直存在这里的问题，R的最大的局限就是R包碎片化。2万个R包就像地摊货一样丢在CRAN上，带来3个污染眼球的问题。

①信息冗余：当使用CRAN进行检索时，可能会遇到大量的搜索结果。逐一查看查看CRAN (https://cran.r-project.org/web/views/Survival.html)或https://cran.r-project.org/web/packages/available_packages_by_name.html#available-packages-S 或https://cran.r-project.org/web/packages/available_packages_by_date.html，这些结果以了解它们的功能和用途将花费大量时间和精力。

②R包质量参差不齐：难以确定下载量和更新日期等方面的信息，哪个R包最适合自己的需求，R包的质量和可靠性需要估计。

③CRAN排序功能少：默认时间或name排序可能并不符合用户的期望，许多优秀的R包被埋没在庞大不相关或低质量的包海中。

因此，是否能够根据关键词快速、准确地检索到相关R包，同时提供一定程度的结果筛选和排序功能？

一、 搜索某方法R包

1.1 excel法

#获取CRAN上package的数据库
set.seed(11)
p_db<-tools::CRAN_package_db()
#查看有多少packages
dim(p_db)
#截止20231121，共20072个
#查看p_db中包的信息
#View(p_db)
#----对p_db进行清洗、预处理！强大----
package_db <- cranly::clean_CRAN_db(p_db) 
save(p_db,file = "p_bd.rdata")
save(package_db,file = "package_db.rdata")
#----方法1，CRAN_package_db 手动excel----
write.csv(p_db, file="D:/聂个人文件/我的公众号/R包下载量/R包下载.csv")

##1.1----总重要性top30----
plot(package_summaries, according_to = "degree", top = 30)
#plot(package_summaries, according_to = "n_imported_by", top = 30)

1.2 CRAN网页法

1.3 cranly包名

1.4 推荐！自定义函数top_CRAN_pkg

#CRAN网站抓取R包列表后需要分批次读取下载量
#本公众号耗时30分钟更新好，很费劲啊！
load(file = "D:/聂个人文件/我的公众号/R包下载量/total_downloads_by_package.rdata")
pacman::p_load(tools,dlstats,cranly,dplyr)
#----3.获取CRAN上package的数据库，合并----
set.seed(11)
p_db<-tools::CRAN_package_db()
p_db$package <- p_db$Package
#查看有多少packages
#dim(p_db)
#使用 merge 函数合并数据框,不同行;新增count列
p_dbpool <- merge(p_db, total_downloads_by_package, by = "package", all = TRUE)

#该函数的主要参数包括：
#char：您输入的关键词,ignore.case默认为TRUE不区分大小写。
#top：返回结果的数量，默认为10;Description：是否在R包描述中搜索关键词，默认为TRUE。
d <- p_dbpool[,c(1,40,69)]
top_CRAN_pkg <- function(char, ignore.case = TRUE, top = 10, Description = TRUE){
    # 初始化 topcran_1month
    topcran_1month <- data.frame(package = character(), count = numeric(), Description = character(),stringsAsFactors = FALSE)
    if(Description){
    if(ignore.case){
    # 查询包描述文件
      a1 <- grep(char, d$Description, ignore.case = TRUE, value = TRUE)
      d1 <- d %>% 
        filter(Description %in% unique(a1))
      # 查询包名
      a2 <- grep(char, d$package, ignore.case = TRUE, value = TRUE)
      d2 <- 
        d %>% 
        filter(package %in% a2)
      
     topcran_1month <-  rbind(d1, d2) %>% 
        .[!duplicated(.$package),] %>% 
        arrange(desc(count)) %>% 
        head(top)  
    }
      else{
      # 查询包描述文件
      a1 <- grep(char, d$Description, ignore.case = FALSE, value = TRUE)
      d1 <- d %>% 
        filter(Description %in% unique(a1))
      
      # 查询包名
      a2 <- grep(char, d$package, ignore.case = FALSE, value = TRUE)
      d2 <- 
        d %>% 
        filter(package %in% a2)
      
      topcran_1month <- rbind(d1, d2) %>% 
        .[!duplicated(.$package),] %>% 
        arrange(desc(count)) %>% 
        head(top)
    }
  }
  else{
    if(ignore.case){
      # 查询包描述文件
      a1 <- grep(char, d$Description, ignore.case = TRUE, value = TRUE)
      d1 <- d %>% 
        filter(Description %in% unique(a1))
      
      # 查询包名
      a2 <- grep(char, d$package, ignore.case = TRUE, value = TRUE)
      d2 <- 
        d %>% 
        filter(package %in% a2)
      
      topcran_1month <- rbind(d1, d2) %>% 
        .[!duplicated(.$package),] %>% 
        arrange(desc(count)) %>% 
        head(top) %>% 
        select(-4)
      
    }else{
      # 查询包描述文件
      a1 <- grep(char, d$Description, ignore.case = FALSE, value = TRUE)
      d1 <- d %>% 
        filter(Description %in% unique(a1))
      
      # 查询包名
      a2 <- grep(char, d$package, ignore.case = FALSE, value = TRUE)
      d2 <- 
        d %>% 
        filter(package %in% a2)
      
      topcran_1month <- rbind(d1, d2) %>% 
        .[!duplicated(.$package),] %>% 
        arrange(desc(count)) %>% 
        head(top) %>% 
        select(-4)
    }
  }
  # 返回 topcran_1month 数据集
  assign("topcran_1month", topcran_1month, envir = .GlobalEnv)  
  return(topcran_1month)
}

# 查询与ROC相关的R包，返回前10个结果,区分大小写
#缩写大写
top_CRAN_pkg(char='ROC',ignore.case = F,top = 10,Description = TRUE)[,c(1,3)]
#全称
top_CRAN_pkg(char='receiver operating characteristic curve',ignore.case = F,top = 10,Description = TRUE)[,c(1,3)]
# 查询与rcs相关的R包，top10,不区分大小写
top_CRAN_pkg(char='Restricted Cubic Spline',ignore.case = TRUE, top = 10,Description = TRUE)[,c(1,3)]
#新发现RCS包
#devtools::install_github("crtahlin/peRiodiCS")

二、小结

“

获取你想要某方法的R包，CRAN官网搜索最懒，excel筛选自由度高但很卡，top_CRAN_pkg搜索最全最快！

”