R_让人觉得相见恨晚的包

分析与建模:

Matrix包:先进的稀疏矩阵处理,不了解稀疏矩阵概念的时候内存占用和运行速度都不忍直视。

Reshape2/ddply:数据处理不用愁。

*apply系列:比for更好用的函数,其中tapply远不如lapply流行,但是实用程度不在其下。实际上lapply有没有变快得看各人的实现,因为虽然lapply调用了C实现,但是它还是要回头调用在R里用户定义的函数才能做计算,这个函数速度如何才是关键。

compiler包:即使代码里有for也可以加速。

foreach:通用的并行接口,跨平台多功能。

lubridate:处理时间日期格式不求人。

gbm:效果和randomForest相近,但是占用内存很少很幸福,而且支持多核 CrossValidation 运算。

stats::optim():做优化的最傻瓜选择。不信看这个三行R代码做出SVM:weibo.com/1459604443/A3,不懂牛顿法也没关系。

报告与可视化:

knitr/slidify:knitr是 @谢益辉 的代表作。做报告、幻灯片 so easy,但是slidify的作者不喜欢写文档,所以很头疼。

shiny:用R生成Web App,后端强劲接口统一。例如:hetong.shinyapps.io/img 。

recharts:在R中方便快捷地生成可交互图形,再也不用从R换到js了。

其他:

devtools::install_github():脱离CRAN强权统治,Github让世界更美好。

base::match():很多情况下比which,is.element不知高到哪里去了。

utils::read.table():设置nrows能提前分配内存,设置comment.char=""与colClasses更能加快读入。

OpenBLAS库:虽然不是R包,但是多核CPU上对矩阵运算的加速效果实在是太方便明显了,而且Ubuntu上安装方便,并不需要重新编译R。

定义启动项:如果对stringsAsFactors永远默认为TRUE深痛恶觉,可以修改Rprofile.site文件,加上每次启动都自动运行的命令。 @任坤 在评论中提到:定义启动项比较危险,不注意的话会使得代码的可移植性出现问题哦,放到别人电脑上一运行发现各种factor。

升级R包:R的版本更迭之后,可以把老R包复制到新版本的library目录下,然后运行 update.packages(checkBuilt=TRUE, ask=FALSE) ,这是官方的提示,放在FAQ里,不知道有多少人留意了:R for Windows FAQ

你可能感兴趣的:(R_让人觉得相见恨晚的包)