欢迎大家关注全网生信学习者系列:
在R语言中,安装R包是数据分析过程中不可或缺的一部分。当你需要执行特定的统计测试、可视化或其他任务时,你可能会发现相应的功能已经被封装在一个或多个R包中。然而,对于新手或需要一次性安装多个R包的用户来说,这个过程可能会有些繁琐。为了大规模安装所需要的R包,你可以使用几种不同的方法。以下是两种常见的方法:
# Installation of required packages in single model
install.packages("tidyverse")
install.packages("ggplot2")
install.packages("dplyr")
install.packages("tidyr")
# mulitple packages in one command line
install.packages(c("tidyverse", "ggplot2", "dplyr", "tidyr"))
# load packages
library("tidyverse")
library("ggplot2")
library("dplyr")
library("tidyr")
The mission of the Bioconductor project is to develop, support, and disseminate free open source software that facilitates rigorous and reproducible analysis of data from current and emerging biological assays.
# Installation of required packages in single model
BiocManager::install("DESeq2")
BiocManager::install("gsva")
# mulitple packages in one command line
BiocManager::install(c("DESeq2", "gsva"))
# load packages
library("DESeq2")
library("gsva")
devtools::install_github("HuaZou/MyRtools")
remotes::install_github("HuaZou/MyRtools")
devtools::install_version("Rcpp", version = "1.0.4.6",repos = "[http://cran.us.r-project.org](http://cran.us.r-project.org)")
install.packages("local/packagename.tar.gz", repos=NULL, type="source")
随着时间流逝,安装的R包也越来越多,如何快捷分辨出未安装过的R包就显得尤其重要。我们可以通过 installed.packages函数判断,并使用lapply函数分次安装所有的R包。构建函数,使其具有如下功能:
packages_CRAN <- c("tidyverse", "ggplot2", "dplyr", "tidyr")
packages_biocond <- c("DESeq2", "gsva")
InstallPackageFun <- function(packages=packages_CRAN , type="CRAN"){
#packages=packages_CRAN
#type="CRAN"
# Install packages not yet installed
installed_packages <- packages %in% rownames(installed.packages())
if (any(installed_packages == FALSE)) {
if(type == "CRAN"){
lapply(packages[!installed_packages], install.packages)
}else{
lapply(packages[!installed_packages], BiocManager::install)
}
}
# Packages Loading
invisible(lapply(packages, library, character.only = TRUE))
}
InstallPackageFun(packages=packages_CRAN , type="CRAN")
InstallPackageFun(packages=packages_biocond , type="bioconductor")
除了上面这种大规模安装未安装过的R包外,还可以通过已经构建好的R包内置函数安装,例如现在比较友好的R pacman,它提供的p_load函数其实可以看成是上述InstallPackageFun的升级版本。还有一个librarian包提供的shelf函数和p_load有类似的功能。
install.packages("pacman")
pacman::p_load(ggplot2, tidyr, dplyr)
install.packages("librarian")
librarian::shelf(ggplot2, DESeq2)
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。