大约3年前我开始使用R，起初进展很慢，与我习惯的语言相比，语法更加直观也比较简单，而且需要一段时间才能习惯于细微的差别。我还不清楚语言的力量与社区和各种包的密切关系。

和其他语言(比如Python和Java)相比，R可以更模糊和麻烦。好消息是，有大量的包可以在R基础库上提供简单和熟悉的界面。这篇文章是我喜欢和每天使用的10个包，并且我希望自己能早些知道他们。

1. sqldf

R语言学习曲线中最陡峭的一部分就是语法，我花了一段时间才习惯使用<-代替=。我听到很多人问如何实现VLOOKUP?!?R 对于一般的数据粗加工任务非常有用，但需要一段时间才能掌握。可以认为sqldf是我的R”辅助轮子”。

sqldf让你在R数据框上执行SQL查询。来自SAS的人会发现它非常熟悉，任何具有基本SQL技能的人都可以轻松的使用它—sqldf使用SQLite语法。

1. install.packages("sqldf") 
2. library(sqldf) 
3.  
4. sqldf("SELECT 
5.         day 
6.         , avg(temp) as avg_temp 
7.       FROM beaver2 
8.       GROUP BY 
9.         day;") 
10.  
11. #   day avg_temp 
12. #1 307 37.57931 
13. #2 308 37.71308 
14.  
15. #beavers1 和 beavers2 是R base 自带的两个数据集，记录了两种海狸的体温序列 
16.  
17. beavers <- sqldf("select * from beaver1 
18.                   union all 
19.                   select * from beaver2;") 
20. #head(beavers) 
21. #  day time  temp activ 
22. #1 346  840 36.33     0 
23. #2 346  850 36.34     0 
24. #3 346  900 36.35     0 
25. #4 346  910 36.42     0 
26. #5 346  920 36.55     0 
27. #6 346  930 36.69     0 
28.  
29. movies <- data.frame( 
30.   title=c("The Great Outdoors", "Caddyshack", "Fletch", "Days of Thunder", "Crazy Heart"), 
31.   year=c(1988, 1980, 1985, 1990, 2009) 
32.   ) 
33. boxoffice <- data.frame( 
34.   title=c("The Great Outdoors", "Caddyshack", "Fletch", "Days of Thunder","Top Gun"), 
35.   revenue=c(43455230, 39846344, 59600000, 157920733, 353816701) 
36.   ) 
37.  
38. sqldf("SELECT 
39.         m.* 
40.         , b.revenue 
41.       FROM 
42.         movies m 
43.       INNER JOIN 
44.         boxoffice b 
45.           ON m.title = b.title;") 
46.  
47. #               title year   revenue 
48. #1 The Great Outdoors 1988  43455230 
49. #2         Caddyshack 1980  39846344 
50. #3             Fletch 1985  59600000 
51. #4    Days of Thunder 1990 157920733 

如果你喜欢sqldf，可以使用pandasql包来查询pandas中的DataFrame，通过SQL。

2. forecast

我不经常做时间序列分析，但是当我做的时候forecast包是我的选择。forecast对ARIMA，ARMA，AR，指数平滑等时间序列模型的预测简单的令人难以置信。

1. install.packages("forecast") 
2. library(forecast) 
3.  
4. # mdeaths: 英国每月死于肺病的人数 
5. fit <- auto.arima(mdeaths) 
6. #定制你的置信区间 
7. forecast(fit, level=c(80, 95, 99), h=3) 
8. #         Point Forecast    Lo 80    Hi 80    Lo 95    Hi 95    Lo 99    Hi 99 
9. #Jan 1980       1822.863 1564.192 2081.534 1427.259 2218.467 1302.952 2342.774 
10. #Feb 1980       1923.190 1635.530 2210.851 1483.251 2363.130 1345.012 2501.368 
11. #Mar 1980       1789.153 1495.048 2083.258 1339.359 2238.947 1198.023 2380.283 
12.  
13. plot(forecast(fit), shadecols="oldstyle") 

我最喜欢的特性是产生预测的时序图。

3. plyr

当我第一次使用R时，我用基本的控制运算来操纵数据(for, if, while, etc.)。我很快知道这是一个业余的做法，并且有更好的方法去实现。

在R中，apply函数族是在对列表或者向量每个元素调用函数的首选方法。虽然R基础库中有这些函数，但它们的使用可能难以掌握。我发现plyr包 是一个对R基础库中诸如split,apply, combine的泛函的更好用的替代。

plyr 给予你一些函数 (ddply, daply, dlply, adply, ldply)按照常见的蓝图：将数据结构分组拆分，对每个组应用一个函数，将结果返回到数据结构中。

ddply 拆分一个数据框(data frame)并且返回一个数据框 (所以是 dd)。 daply 拆分一个数据框并且返回一个数组(array) (所以是 da)。希望你明白这个想法。

译者注：plyr包包含了12个命名与功能相关的函数，均以..ply命名，第一个.表示输入的数据类型(a数组 d数据框 l列表)，第二个.表示输出的数据类型(_表示不输出)

1. install.packages("plyr") 
2. library(plyr) 
3.  
4. # 按照 Species 拆分数据库，汇总一下，然后转换结果 
5. # 到数据框 
6. ddply(iris, .(Species), summarise, 
7.       mean_petal_length=mean(Petal.Length) 
8. ) 
9. #     Species mean_petal_length 
10. #1     setosa             1.462 
11. #2 versicolor             4.260 
12. #3  virginica             5.552 
13.  
14. # 按照 Species 拆分数据库，汇总一下，然后转换结果 
15. # 到数组 
16. unlist(daply(iris[,4:5], .(Species), colwise(mean))) 
17. #    setosa.Petal.Width versicolor.Petal.Width  virginica.Petal.Width 
18. #                 0.246                  1.326                  2.026 

4. stringr

我发现R基础库的字符串功能使用起来非常困难和麻烦。Hadley Wickham编写的另一个包， stringr，提供了一些非常需要的字符串运算符。很多函数使用那些做基础分析时不常用的数据结构。

stringr 非常易于使用。几乎所有的(和所有的重要功能)都以”str”为前缀，所以很容易记住。

1. install.packages("stringr") 
2. library(stringr) 
3.  
4. names(iris) 
5. #[1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"  "Species" 
6. names(iris) <- str_replace_all(names(iris), "[.]", "_") 
7. names(iris) 
8. #[1] "Sepal_Length" "Sepal_Width"  "Petal_Length" "Petal_Width"  "Species" 
9.  
10. s <- c("Go to Heaven for the climate, Hell for the company.") 
11. str_extract_all(s, "[H][a-z]+ ") 
12. #[[1]] 
13. #[1] "Heaven " "Hell " 

5. 数据库驱动的包

1. install.packages("RPostgreSQL") 
2. install.packages("RMySQL") 
3. install.packages("RMongo") 
4. install.packages("RODBC") 
5. install.packages("RSQLite") 

每个人(包括我自己)开始的时候都会这样做。你刚在首选的SQL编辑器中写了一个很棒的查询。一切都是完美的—列名都是snake case(译者注：表示单词之间用下划线连接。单词要么全部大写，要么全部小写。)，日期有正确的数据类型，最后调试出了"must appear in the GROUP BY clause or be used in an aggregate function"的问题。你现在准备在R中进行一些分析，因此你可以在SQL编辑器中运行查询，将结果复制到csv(或者……xlsx)并读入R，你并不需要这样做!

R对于几乎每一个可以想到的数据库都有好的驱动。当你在偶尔使用不具有独立驱动程序的数据库(SQL Server)时，你可以随时使用RODBC。

1. library(RPostgreSQL) 
2.  
3. drv <- dbDriver("PostgreSQL") 
4. db <- dbConnect(drv, dbname="ncaa", 
5.                  user="YOUR USER NAME", password="YOUR PASSWORD") 
6.  
7. q <- "SELECT 
8.         * 
9.       FROM 
10.         game_scores;" 
11.  
12. data <- dbGetQuery(db, q) 
13. head(data) 
14. #id         school  game_date spread school_score   opponent opp_score was_home 
15. #1 45111 Boston College 1985-11-16    6.0           21   Syracuse        41    False 
16. #2 45112 Boston College 1985-11-02   13.5           12 Penn State        16    False 
17. #3 45113 Boston College 1985-10-26  -11.0           17 Cincinnati        24    False 
18. #4 45114 Boston College 1985-10-12   -2.0           14       Army        45    False 
19. #5 45115 Boston College 1985-09-28    5.0           10      Miami        45     True 
20. #6 45116 Boston College 1985-09-21    6.5           29 Pittsburgh        22    False 
21. nrow(data) 
22. #[1] 30932 
23. ncol(data) 
24. #[1] 8 

下次你完成了完美的查询后，只需要粘贴到R里面，即可使用 RPostgreSQL, RMySQL,RMongo, SQLite, 或 RODBC执行。不仅可以避免生成数以百计的CSV文件，在R中运行查询还可以节省I/O和转换数据类型的时间。日期，时间等会自动设置为R中的等价表示。它还使你的R脚本可重复，因此你或你团队中的其他人可以轻松获得相同的结果。

6. lubridate

在R中处理日期我从来没有幸运过。我从来没有完全掌握用POSIXs和R内建日期类型合作的方法。请用 lubridate。

lubridate 是那些似乎完全按照你期望的神包之一。这些函数都有易懂的名字如 year,month, ymd, 和 ymd_hms。对于熟悉javascript的人来说，它类似于Moment.js 。

1. install.packages("lubridate") 
2. library(lubridate) 
3.  
4. year("2012-12-12") 
5. #[1] 2012 
6. day("2012-12-12") 
7. #[1] 12 
8. ymd("2012-12-12") 
9. #1 按照 %Y-%m-%d 的方式解析 
10. #[1] "2012-12-12 UTC" 

这是我在一篇文章发现的非常方便的参考卡片。它涵盖了你处理日期时可能想要做的一切事情。 我还发现了这个日期速查表也可以作为一个方便的参考。

7. ggplot2

另一个Hadley Wickham的包，也许是他最知名的一个。 ggplot2在每个人“喜爱的R包”的列表中排名很高。 它很容易使用，并且产生一些很好看的图像。 这是介绍你的工作的好方法，有很多资源可以帮助你开始使用。

• ggplot2：数据分析与图形艺术 by Hadley Wickham (Amazon)
• 从Excel到ggplot的罗塞塔石碑 (Yaksis Blog)
• Hadley Wickham在Google的ggplot2演讲 (youtube)
• R数据可视化手册 by Winston Chang (Amazon)

8. qcc

1. install.packages("qcc") 
2. library(qcc) 
3.  
4. # 均值为10的序列，