Lista över R-paket – Bemästra alla de viktigaste paketen i R-programmering!

I den här artikeln kommer vi att gå igenom en lista över några viktiga paket i R. Vi kommer att diskutera de mest populära och vanligaste paketen. Dessa paket är inte rangordnade i någon ordning utan är en del av denna artikel på grund av deras funktioner och olika operationer.

R är datavetenskapens lingua franca som består av ett massivt lager av paket. Dessa paket tilltalar olika områden som använder sig av R för sina dataändamål. Det finns 10 000 paket i CRAN, vilket gör det till ett hav av centrala statistiska funktioner. Även om det inte är möjligt att nämna varje enskilt paket i den här artikeln kommer vi att göra vårt bästa för att inkludera de mest populära och vanligaste paketen i R.

Lista över paket i R

Listan över de viktigaste paketen i programmeringsspråket R är följande:

tidyr

Som namnet antyder använder vi tidyr för att göra data ”snygga”. Det fungerar bra tillsammans med dplyr. Detta är i princip en utveckling av paketet reshape2 som vi kommer att diskutera senare.

Vänta! Lär dig först att installera och använda paket i R-programmering

ggplot2

Med ggplot2 kan du skapa grafik på ett deklarativt sätt. ggplot2 är känt för sina eleganta och kvalitativa grafer som skiljer det från andra visualiseringspaket.

ggraph

ggraph är ett tillägg till ggplot2. Det tar bort begränsningen hos ggplot2, det vill säga dess beroende av tabelldata.

dplyr

Vi använder det här biblioteket för att utföra datahantering och dataanalys. Biblioteket dplyr underlättar flera funktioner för dataramar i R.

Låt oss se över begreppet R Data Frame Operations

tidyquant

tidyquant är ett finansiellt paket som används för att utföra kvantitativa finansiella analyser. Det bidrar till tidyverse-universumet som ett finansiellt paket. Vi kan använda det för att importera, analysera och visualisera data.

dygraphs

Dygraphs-paketet i R tillhandahåller ett gränssnitt till det huvudsakliga JavaScript-biblioteket som vi kan använda för kartläggning. Det används särskilt för att plotta tidsseriedata i R.

leaflet

Flowlet är ett JavaScript-bibliotek med öppen källkod för att skapa interaktiva visualiseringar. Populära webbplatser som New York Times, Flickr, Github osv. använder leaflet. R-paketet för leaflet gör det enkelt att interagera med det.

Alla viktiga JavaScript-bibliotek som du måste känna till!

ggmap

Det här är ett kartläggningspaket som används för att avgränsa rumsliga visualiseringar. Det består också av olika verktyg för geolokalisering och ruttplanering.

glue

Utvecklarna gjorde det här paketet för att utföra dataförbättring. Vi använder det här paketet för att utvärdera R-uttryck som finns i strängen.

shiny

Med hjälp av shiny kan du utveckla interaktiva och estetiskt tilltalande webbapplikationer med hjälp av R. Det ger också olika tillägg med CSS, HTML-widgetar och JavaScript.

plotly

R-paketet ”plotly” ger interaktiva grafer av hög kvalitet online. Det bygger på JavaScript-biblioteket -plotly.js.

tidytext

Det här paketet tillhandahåller olika funktioner för textutvinning för ordbearbetning och för att utföra sentimentanalyser med hjälp av ”dplyr”, ”ggplot” och andra olika verktyg.

Utforska gärna Data Science Project on Sentiment Analysis in R

stringr

Detta paket tillhandahåller konsekventa och lättanvända wrappers för paketet ”stringi” som underlättar vanliga strängoperationer.

reshape2

Detta paket underlättar flexibel omstrukturering och aggregering av data med hjälp av funktionerna melt() och decast().

dichromat

Paketet R dichromat är till för att avlägsna röd-grön eller blå-grön kontraster från färgerna.

digest

Vi använder oss av paketet digest för att skapa kryptografiska hashobjekt av R-funktioner.

MASS

MASS tillhandahåller ett stort antal statistiska funktioner. Det tillhandahåller dataset som är i samband med boken ”Modern Applied Statistics with S”.

caret

Paketet caret tillhandahåller funktioner för att utföra klassificerings- och regressionsuppgifter. CaretEnsemble, en funktion i caret, är till för att kombinera olika modeller.

Du måste känna till Klassificering i R-programmering innan du går vidare

e1071

Det här biblioteket tillhandahåller användbara funktioner som är viktiga för dataanalys, till exempel Fouriertransformationer, Naive Bayes, klusterbildning, SVM:er och andra diverse funktioner.

sentimentr

Det här paketet tillhandahåller funktioner för att utföra sentimentanalyser. Det beräknar textpolaritet på meningsnivå och utför aggregering genom rader eller grupperingsvariabler.

Sammanfattning

I ovanstående artikel gick vi igenom listan över de mest populära paketen i R. Vi diskuterade olika bibliotek som vi använder oss av för datahantering, analys och visualisering. R är ett språk i ständig utveckling som har skapat sig ett fotfäste i datavetenskapsbranschen. Vi hoppas att du tyckte om att läsa den här artikeln. Om vi missade något paket som du anser vara viktigt får du gärna kommentera.

Nästa steg i vår R Tutorial DataFlair-serie – statistik och R-programmering

.