R语言包管理
背景R 语言的一大优势就是有各种各样的扩展包，所谓 R 扩展包，就是将数据处理的算法通过 R函数来实现，在加上测试数据，说明文档整合在一起，就是 R 的扩展包。在使用 R 的过程中，肯定需要使用到 R 的包，因此，需要掌握 R 包的管理，包括包的查找，安装，加载，升级，取消加载，删除，查看帮助文档等等操作。
一、如何选择合适的 R 包
1.1通过 R TaskView 查找需要的软件包，根据大类查找。
网址：https://cran.rstudio.com/web/views/
1.2阅读文献，参考里面使用的 R 包。
1.3bioconductor 项目
Bioconductor 是建立在 R 语言环境上的，用于生物信息数据的注释、处理、分析及可视化工具包的总集，由一系列 R 扩展包组成。很多生物数据都是使用 bioconductor 包来分析的。
Bioconductor 官网：http://www.bioconductor.org/
二、R 包的管理
由于不用 R 包之间存在相互依赖的关系，因此，强烈推荐采用在线安装的方式，这样软件可以自动解决依赖关系问题，节约大量时间。R 默认的服务器在国外，为了加快下载速度，需要将 R 镜像站点修改为国内镜像站点。
2.1 R 包默认安装到以下目录
R 包的默认安装路径与登录账号是否为管理员有关，如果登录的为管理员账号，则默认安装到 R 安装目录下。如果登录的为普通账户，则在每个账号下的我的文档中。
#windows 系统：
C:\Program Files\R\R-4.0.3\library
C:\Users\xxxx\Documents\R\win-library\4.0
#macos 系统：
/Library/Frameworks/R.framework/Versions/4.0/Resources/library
#Linux 系统：
/usr/local/lib64/R/library/
~/R/x86_64-pc-linux-gnu-library/4.0/
#查看 R 包安装目录
.libPaths()
.Library
.Library.site
2.2 设置镜像
通过网络安装 R 包，网络速度影响比较大，因此要选择合适的镜像，一般选择距离较近的镜像。
chooseCRANmirror()
chooseBioCmirror()
setRepositories()
常用 R 镜像站点
CRAN 站点：
https://mirrors.tuna.tsinghua.edu.cn/CRAN/
https://mirrors.ustc.edu.cn/CRAN/
Bioconductor 镜像：
https://mirrors.ustc.edu.cn/bioc/
https://mirrors.tuna.tsinghua.edu.cn/bioconductor/
github:
https://github.com/
2.3 R 包管理
可以将每个 R 包看成一个手机 App，R 包的管理类似于手机应用的管理，包括搜索，下载，安装，打开，卸载等操作。
#安装 vcd 包
install.packages("vcd")
#一次安装多个包
install.packages(c("ggplot2","pheatmap"))
#查看已安装的包
installed.packages()
#加载 R 包
library(vcd)
require(vcd)
#升级软件包
update.packages()
#删除扩展包，从磁盘中移除
remove.packages("vcd")
#取消加载，从内存中移除
detach("package:vcd")
#其余函数
#列出 R 包中的函数
ls(package:base)
#加载包中的数据集
data(package="vcd")
#查看当前环境哪些包加载
find.package()
path.package()
#查看当前环境哪些包加载
find.package()
path.package()
search()
#列出当前包
(.packages())
#列出有效包
(.packages(all.available=TRUE))
path.package() #列出加载包的路径
2.4 安装 github 网站的 R 包
# 安装 devtools
install.packages("devtools")
library(devtools)
#github 在线安装
install_github("github_user_name/package_name")
#下载到本地安装
devtools::install_local("path_to_package_file.zip")
三、利用 bioconda 管理 R
bioconda 中包含了大量 R 包，可以通过 bioconda 管理 R 包。相比于 R 内置的函数，bioconda提供了更加方便的环境管理，安装R包更加方便。如果使用bioconda版本的R，使用bioconda安装 R 包更加方便。
在使用 bioconda 管理 R 包之前，首先需要知道 R 包在 bioconda 中名字为名字为 r-base，一些 Bioconductor 包的名字为 bioconductor-前缀。这样就可以使用 conda 命令安装和管理R 包了。bioconda 安装的 R 包，安装路径在下面目录下。
miniconda3/lib/R/library"
conda 几乎可以安装大量的 R 包，这里推荐使用 bioconda 管理 R 包。
#搜索 deseq2 包
$ conda search deseq2
Loading channels: done
No match found for: deseq2. Search: *deseq2*
# Name Version Build Channel
bioconductor-deseq2 1.8.2 r3.2.2_0 bioconda
bioconductor-deseq2 1.10.0 r3.2.2_0 bioconda
bioconductor-deseq2 1.10.0 r3.2.2_1 bioconda
bioconductor-deseq2 1.10.1 r3.2.2_0 bioconda
#安装 deseq2 包
$ conda install -y bioconductor-deseq2
四、查看帮助文档
学习 R 语言需要经常查看帮助文档，包括 R 包的帮助文档，查看帮助文档可以快速了解一些函数的用法。不过由于开发者不同，因此帮助文档的水平也参差不齐。查看帮助文档，可以使用 help()函数，一般的 R 函数都会自带案例代码，可以直接使用 example()函数运行这些代码。此外，一些 R 包还提供一种 vignette 格式的文档。
#打开帮助页
help()
#查看函数帮助
?ggplot2
#查看扩展包里函数
??heatmap
#查看包帮助文档
help(package="ggplot2" )
#运行函数案例代码
example("heatmap")
#查看 vignettes 格式文档
browseVignettes()
#R 网站搜索
RSiteSearch("heatmap")
五、安装常用 R 包
install.packages("vcd")
install.packages("plotrix")
install.packages("vioplot")
install.packages("venn")
install.packages("RColorBrewer")
install.packages("ggplot2")
install.packages("ggExtra")
install.packages("gcookbook")
install.packages(c("carData","gridExtra"))
install.packages("ggsci")
install.packages("ggpubr")
install.packages("ggthemes")
install.packages(c("Rwordseg","wordcloud2"))
install.packages("pheatmap")
install.packages("qqman")
install.packages("maps")
install.packages("factoextra")
install.packages("circlize")
install.packages(c("FactoMineR", "ggfortify"))
六、R 包迁移
6.1 直接拷贝 R 包
R 包一般都是一个完整文件，只需要将 R 包整个文件夹迁移走，一般就可以运行。对 R 包进行迁移时，尽量保证 R 版本一致。直接将整个 R 包目录拷贝到新的目录下即可。首先找到 R包的安装目录，然后将整个目录打包，拷贝到另外一个目录解压缩。
.libPaths()
# "/share/Software/miniconda3/envs/r4-base/lib/R/library"
# "/home/xhs/R/x86_64-conda-linux-gnu-library/4.1" 该方法只是一种方案，绝大部分包是可以的。但是注意不能将 windows 系统安装的迁移到Linux 下。该方法也不是万无一失，比如 R 包需要系统一些配置，缺少了还是无法运行。
6.2 获取名字重新安装
获取要迁移的 R 包名字列表，在一台设备上使用循环逐个安装。但是该方法无法处理Bioconductor 或者 github 上安装的包。
#保存 A 设备上的 R 包名字列表；
oldip <- installed.packages()[,1]
save(oldip,file = "installedPacckages.Rdata")
#在 B 设备上进行安装；
load("installedPacckages.Rdata")
newip <- installed.packages()[,1]
for (i in setdiff(oldip,newip)) {
install.packages(i)
}
6.3 通过 libPaths（）函数
(base) xiehs 10:24:06 ~
#使用自己安装的 R
$ /ifs1/Software/biosoft/R-4.1.1/bin/R
#列出当前 R 包目录，有两个
> .libPaths()
"/home/xiehs/R/x86_64-pc-linux-gnu-library/4.1"
"/ifs1/Software/biosoft/R-4.1.1/library"
#通过 new 选项增加新的目录
> .libPaths(new="/ifs1/Software/miniconda3/lib/R/library")
#新的目录增加进来了，这样一下子就多了很多包可以使用
> .libPaths()
"/ifs1/Software/miniconda3/lib/R/library"
"/ifs1/Software/biosoft/R-4.1.1/library" new 选项会去掉之前默认的，可以通过在函数中增加一个向量增加多个目录。
> .libPaths()
"/home/xiehs/R/x86_64-pc-linux-gnu-library/4.1"
"/ifs1/Software/biosoft/R-4.1.1/library"
> .libPaths(c(.libPaths(),"/ifs1/Software/miniconda3/lib/R/library"))
> .libPaths()
"/home/xiehs/R/x86_64-pc-linux-gnu-library/4.1"
"/ifs1/Software/biosoft/R-4.1.1/library"
"/ifs1/Software/miniconda3/lib/R/library"
页:
[1]