10分钟建构自己的R包，让你的R技能又更进一步

专题介绍：R是一种广泛用于数据分析和统计计算的强大语言，于上世纪90年代开始发展起来。得益于全世界众多 爱好者的无尽努力，大家继而开发出了一种基于R但优于R基本文本编辑器的R Studio（用户的界面体验更好）。也正是由于全世界越来越多的数据科学社区和用户对R包的慷慨贡献，让R语言在全球范围内越来越流行。其中一些R包，例如MASS，SparkR， ggplot2，使数据操作,可视化和计算功能越来越强大。R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。R作为一种统计分析软件，是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上，而且嵌入了一个非常方便实用的帮助系统，相比于其他统计分析软件，R的学术性开发比较早，适合生物学和医学等学术学科的科研人员使用。

【R语言】开通了R语言群，大家相互学习和交流，请扫描下方二维码，备注：姓名-R群，我会邀请你入群，一起进步和成长。

伙伴们，R包是什么？大家都会很亲切。一来，R语言的强大，得益于各种有用的R包；二来，R包，把针对某一主题或者任务的函数集、数据集聚合在一块，方便更多地人使用。

我们如何创建R包？本文说的10分钟建构自己的R包，是在你对R包需要做什么以及相应的函数集知道怎么设计和实现的前提下，我们采用一些构建R包的工具，就可以快速做整合，从而建构属于你自己的R包。

一、准备工作

我们需要用到usethis和devtools包。这些包都是R的额外包，我们需要事先安装它。

代码片段

install.packages('usethis')install.packages('devtools')

二、建构自己的R包

第一步：创建R包项目

想好R包放置的路径和R包的名字，例如：命名CorPack，放在D:My_RPackages下。

使用下面代码，快速创建R包项目

usethis::create_package('D:/My_RPackages/CorPack')

语句执行成功后，会自动生成一个最基本的R包框架，包括：

• 生成一个CorPack包项目

• 为这个R包生成最基本的文件和结构
  

第二步：检查R包

当我们有了R包，对它进行检查（check）。使用devtools::check()的目的就是更新包文件，编译包以及提交元数据、结构、R代码、文档等检查。

执行语句

devtools::check()

检查成功后，提示有1处警告。

要解决这个问题，添加选择许可就可以。一个标准的建议是MIT许可，这个许可范围非常广。

执行下面语句即可。

usethis::use_mit_license("Luqing Wang")

打开和编辑DESCRIPTION，填写个人相关信息。

第二次做检查

执行语句

devtools::check()

第三步：添加函数

R包用于做相关性计算，添加相关性计算代码。

使用如下代码，创建一个compute_corr.R脚本文件，会放在R文件夹下。

usethis::use_r("compute_corr")

在脚本里，添加如下代码

compute_corr <- function(data, var1, var2){
  # compute correlation ----  cor.test(    x = data %>% dplyr::pull({{var1}}),    y = data %>% dplyr::pull({{var2}})  ) %>%    # tidy up results ----  broom::tidy() %>%    # retain and rename relevant bits ----  dplyr::select(    correlation = estimate,    pval = p.value  )
}

对脚本添加注释说明，具体操作如下：

1. 把光标放到函数的大括号里面

2. 按快捷键Cntrl + Alt + Shift + R

结果如下图。

然后按着这个框架，对添加的文本信息根据函数集的具体作用进行描述。

最终结果如下图。

执行下面语句

devtools::document()

它用于保存和提交文档信息。

语句成功执行后，自动生成函数的Rd文件，放在man文件夹下，如下图：

执行下面语句，查看函数的帮助文档，如下图：

我们继续做检查。检查的作用是什么，请伙伴们回顾下？

devtools::check()

结果如下：

结果信息告诉我们

computer_corr需要依赖其他包里面的一些函数，因此我们需要把依赖信息导入进来。

第四步：导入依赖

执行如下语句

usethis::use_package("broom")usethis::use_package("dplyr")usethis::use_pipe(

运行结果，如下图：

执行如下语句

devtools::document() # 把管道符号添加到NAMESPACE

结果如下图：

继续做检查。

devtools::check()

每次做了更新操作后，都需要做个Check。

第五步：安装R包

执行如下语句，安装R包。

devtools::install("D:/My_RPackages/CorPack")

第六步：使用R包

测试CorPack包

library(CorPack)compute_corr(data = faithful, var1 = eruptions, var2 = waiting)

运行结果：

三、总结

伙伴们，现在就可以动手架构自己的R包了，你只需要按着本文的步骤，根据自己的实际问题，创建属于自己的R包，提升自己R语言技能。前面所描述的需要自己编写的内容，就是需要你自己根据实际情况做定制的操作了。

关于建构R包，有什么问题，请留言。

如何说出一口流利的英语？请看视频。

参考资料：

1https://www.pipinghotdata.com/posts/2020-10-25-your-first-r-package-in-1-hour/

好书推荐

1 R语言做商业智能，助你提高商业生产率