tag 标签: package经管大学堂：名校名师名课

相关帖子

 版块 作者 回复/查看 最后发表
MS-VAR系列程序和帮助文件（OX3.4） attach_img MATLAB等数学软件专版 xgbb1 2013-3-10 413 94878 cccccccxl 2025-12-9 11:08:24
Nonparametric Econometrics: The np Package attachment R语言论坛 yahoocom 2009-3-11 5 3635 yangming98 2020-9-25 22:11:02
The bootstrap Package：R中自助抽样的软件包介绍 attachment R语言论坛 peterf 2007-5-14 68 23791 freesmog 2020-4-3 15:19:15
[下载] Structural Equation Modeling with the SEM package in R attachment R语言论坛 spoonshen 2007-9-28 21 8461 康康sue 2019-7-10 09:53:56
EVIM A Software Package for Extreme Value Analysis in MATLAB attachment MATLAB等数学软件专版 hellen61190 2008-5-15 22 12655 dtmyjt 2018-10-11 15:49:28
哈佛商学院的financial management的 case package。用美元买的，低价求论坛币！ attach_img 版权审核区（不对外开放） 德吉央宗00 2013-9-5 3 2179 purpleye 2017-12-6 15:27:15
R package: data.table attachment R语言论坛 ltx5151 2013-3-18 18 20015 蒲大星 2017-3-30 12:05:28
【免费下载】Panel Data Econometrics in R: The plm Package attachment digest R语言论坛 huxiao123 2009-3-7 124 29197 景一 2016-8-2 12:12:23
悬赏 门限模型的滞后阶数d如何确定，有没有现成的函数来做 - [!reward_solved!] R语言论坛 sos528 2013-4-6 6 5384 celeste1002 2015-12-21 12:24:54
求助求助！！R软件中VGAM package如何输出模型预测值的标准差 R语言论坛 daniela_dong 2013-4-9 1 4679 DM小菜鸟 2015-2-13 16:31:06
载入程辑包：‘PerformanceAnalytics’ 下列对象被屏蔽了from ‘package:graphics’: R语言论坛 fcfc2013 2013-8-1 3 6929 指尖雪 2014-3-3 18:56:01
请问有谁知道怎样调用stata下载的package吗？ 计量经济学与统计软件 新页4029 2013-3-11 0 2276 新页4029 2013-3-11 22:35:24
Panel Data Econometrics in R ：The plm Package attachment R语言论坛 yahoocom 2009-3-9 16 6182 yuzhenjjx2000 2012-7-11 22:57:16
gauss optimization package attachment Gauss专版 liuleo 2005-10-9 29 12760 zhangxi1987 2011-10-10 12:52:39
R Package for MCMC Output Convergence Assessment and Posterior Inference attachment R语言论坛 yahoocom 2009-6-7 2 4821 tamtam701013 2011-10-2 03:13:14
OX软件使用及Arfima package软件包问题交流贴 计量经济学与统计软件 sossos_001 2006-12-13 17 11356 lvyongqi 2010-3-21 13:14:30
提高R画图质量grImport Package attachment R语言论坛 yahoocom 2009-6-16 5 2799 aresblq 2009-8-28 17:05:21
[求助]大家帮忙看一下这个SAS LICENSE里的PACKAGE够多吗 SAS专版 offerlover 2008-12-21 2 2728 wyying 2009-6-10 10:01:00
[推荐]2009 CFA COMPLETE PACKAGE FOR LEVELS 1 - VIDEOQBANKEXAMS - ON SALE-$50 CFA、CVA、FRM等金融考证论坛 ly1231cn 2009-2-26 4 2679 chessskynet 2009-5-10 10:55:00
更多...

相关日志

分享 Tips for Python Package:Numpy
Nicolle 2014-8-7 03:06
1. 业界习惯用如下语句导入numpy的package import numpy as np 2. np支持的数据类型：int8, int16, int32, int64, unit8（无符号的整数，unit8是0～255）, unit16~64, float32, 64, complex64, 128, boolean。字母表示数字类型（dtype），后面的数字表示位数，即数值在内存中所占的bit的数目（不明白～）。还有int, float和complex，其位数取决于平台类型，即16或者32位，complex也是，不过因为是两个float表示的，所以位数是64或者 128。还有更高级的类型。 3. 转换数据类型：y=np.int_( )，返回一个np的array。 4. 生成array时指定数据类型：z=np.arange(3,dtype=apos;fapos;/float)，推荐后一种写法。此处虽然写的float，但np会自动把dtype转换成np.flaot。z的转换有两种做法，或者通过类方法：z.astype(int8)，或者通过函数：np.int8(z)。 5. 查看数据类型。也有两种做法，或通过类方法：z.dtype()，或通过函数：np.dtype(z)，或者np.issubtype(d,int)，返回bool值。 6. 创建array的五种方法：a. 从list转换（tuple特殊对待，不转换，见26）；b. 内建函数创建（arange，ones，zeros（这个构建structured array时常用，见30）等等）；c. 从文件读取；d. 直接从raw bytes构建（啥意思？）；e. 借助某些库里的函数生成。 7. 通过转换生成array：x=np.array( , ) 8. 通过内建方法生成array：np.zeros((2,3))，返回array( , )，即维度为2*3的矩阵。 9. arange，类似range，参数可以是小数或者负数 10. np.linspaces，规定起点、终点（包含）、返回array的长度，返回一个两端点间数值平均分布的array。 11. np.indices没看懂，似乎某些情况下可以很有用。 12. 直接从文件读取需借用其他库里的方法 13. x.shape = (2,5)，指定维度，相当于R里的c(2,5) - dim(x)。也可以这样用：y = x.reshape(5,7)。 14. array indexing和slicing跟Python里的一样也是从0开始的。不同的是如果用index array去做reference的话返回的是一个复本，而不是目标array里的原数。这个原则适用于下面的数值和mask index array。这个特性使得赋值（assignment）运算有点奇特，见24。 15. 说到indexing，记一笔前几天新学到的逆序排列的一招：x ，其中x不限于list，只要是能slice的都行。其原理是 x : : ]，其中int1是起点，int2终点（不包含），int3是步长，负数则表示倒着来。如果 int30 and int1int2，那么返回一个len为0的对象，type和x一样。 16. array indexing的输入对象也要求是一个array，比如：x )]。也可以是：x , ])]，返回一个同样维度的array。 17. 多维array的indexing比较麻烦一些，个人认为基本方法就不大直观：y ), np.array( )]返回的是y ，y 和y 。 18. 当然可能也有好处，比如如果取一行/列就为其中每个数指定行/列数，因为有自动broadcasting（不知道啥意思，猜测不止扩展或补齐的意思）功能：y ), 1]。 19. 不指定某一个维度的index则取该维度所有值，如：y )]，返回array的shape是index array的shape串联上所有没指定的维度的部分的shape。如这个例子中，y = np.arange(35).reshape(5,7)，shape是5*7，没有指定第二个维度则返回array的shape是3（index array的shape）*7（所有没指定的维度的部分，即第二个维度，的shape）。 20. array数据筛选。我管这个叫filtering，User Guide上叫mask index arrays。一个指功用，一个指手段。用法：y ，跟R里的用法一样。也可以绕一点，b=y20，这样生成一个 dtype=bool的array，然后又套在y里：y。还可以对b进行slicing，作为index array指定位置，如：y ]，其中b 返回第一维度不限，第二维度是5的array，由于y是5*7的，返回array长度是 5，shape是5*1。把这个array作为index array对y筛值，由于是个一维array，对于y来说第二维没有指定，所以取全部的。b是array( , dtype=bool)，所以仅取第一维度的最后两个，对于二维array来说就是最后两行，每行7个数，返回的是一个2*7的array。 21. index array和slicing的混搭：y ),1:3]，工作原理还是跟index array的差不多，只不过1:3这个部分对第一个array里的每个数所代表的行都起作用（broadcast了）。也可以跟mask index array一起混搭。 22. 插入维度：y .shape成了(5,1,7)。新增的维度里面没有元素，但运算时行为遵照新的array的适用原则，合并array时很有用：（x原为1*5的array）x + x ，返回的是一个5*5的array。不然得赋值z，再指定z的shape等等，较为麻烦。还有一种比较无语的写法：（z的shape是 (3,3,3,3)）z ，相当于z 。 23. array slice赋值，跟Python差不多，需要注意的是每个array都有自己的dtype 24. 赋值（assignment）的时候和reference时不一样，总是array里的原数发生变化（不然还赋个啥劲儿的呀），不过规则有点奇特。比如：x ) += 1，array并非直接赋值，而是先被提取出来（extracted），然后逐个赋值，然后assign回去，在1这个位置的那个值被赋值3次，每次都是+=1之后的那个值，所以结果是1和3位置的值+=1。 25. 也可以将index array赋值给变量，然后用变量做indexing，就像20里的那样。可以混搭，可以懒人：indices = (1, Ellipsis, 1)，然后z 26. list和tuple做indexing结果是不一样的，比如z 相当于z ，仅返回一个数，z ]则返回一个4*3*3*3的array）。 27. broadcast的作用是使得不同shape的array在算术运算的时候shape相符，机制上broadcast使得循环在C中发生，这样就比在Python里发生要快。缺点是额外占用内存，所以不要滥用。 28. 想要能够利用broadcast必须满足两个条件：从后向前匹配，同一维度上的数值相等，或者至少其中为1。维度数目不一定要求一样。如果是一维的则会自动往另外一个array数值相等或者为1的那个维度上靠。 29. 预设结构模板的array（structured array或称record array）：元素是一组对象组成的tuple，类型已经指定。 30. structured array的dtype参数类型有四种：a. 字符串，包括b1, i1, i2, i4, i8, u1, u2, u4, u8, f4, f8, c8, c16, an，分别代表bytes，整数，无符号整数，浮点数和byte长度一定的字符串，还有一些数：int8,...,uint8,...,float32, float64, complex64, complex128。定义的时候很灵活，比如：x = np.zeros(3, dtype=’3int8, float32, (2,3)float64’)，返回的array长度为3，元素是array( , 0.0, , ])。 31. 第二个参数类型是tuple，仅在将structure映射到一个已有的数据类型上时使用，即在tuple里已有的数据类型以及数据类型定义，比如：x = zeros(3, dtype=(’i4’, ))，这样就覆盖了默认名称（f0，f1之类），不过返回没搞明白，为啥是一个1*3的array？行为有点像字典，比如可以这样引用：x （默认的话是x ），返回的是原数据，而非拷贝。 32. 第三个类型是列表，元素是tuple，每个tuple里，可以有名称、类型、shape（可选）的定义。用法：x = np.zeros(3, dtype= )。 33. 更加复杂的是字典，有两种定义方式。一是给键名names和formats指定长度相等的列表为键值，其中names必须为字符串。还有两个可选的键名 offsets和titles。例子：x = np.zeros(3, dtype={’names’: , ’formats’: })。另一种方式是键名是name的值， 键值其他键名的值是组成的tuple。这里offset是必需的。例子：x = np.zeros(3, dtype={’col1’’i1’,0,’title 1’), ’col2’’f4’,1,’title 2’)})。 34. 查看name：x.dtype.names（dtype是个对象）。也可以通过赋值进行调整：x.dtype.names = (’x’, ’y’)。还可以像字典一样查看field：x.dtype.fields 。 35. 接下来的内容跟“类”这个概念有关，我到现在也没搞明白，当然也没怎么真正努力去试图理解它。这次就硬着头皮逼一逼自己，看能不能得到一鳞半爪的。首先，子类化ndarray返回的是一个拷贝，正因为此子类化的方法与标准的做法不太一样。 36. 比如初始化时最开始用__new__，然后通常是调用__init__，二者都可以初始化类实例，不过ndarray没有__init__方法，所有初始化都是由__new__完成的。使用__new__的好处是可以返回其他类的实例，而__init__不行。 37. 子类对象的属性需要继承原对象的，但是__new__不能完成这个功能，所以需要__array_finalize__方法把原对象的属性转移过来。 38. 如果用ufunc（通用函数，universal function）处理自定的和ndarray类实例的话，会调用到__array_wrap__方法，把结果转换成子类的实例。缺省状态下 __array_wrap__调用__array_finalize__。这个方法需要至少一个参数，是ufunc处理的对象，还有一个可选的参数 parameter。有的ufunc返回一个三元tuple，包括ufunc名称、参数和domain，作为parameter。 39. np通过base属性来追踪对象在内存中的位置，这样可以使得在删除view的赋值是不删除原数据本事。原来的array的base一般是None，如果是view，那么其base是所view的原array的名称。 40. 两个科学计算Python合集：Python(x,y)和Enthought Python Distribution (EPD)。交互解释器：iPython（装了一个，偶尔用用，还没体会到比Python自带的shell的强大所在及程度）、 spyder（Python(x,y)自带的IDE，模仿MATLAB的workspace功能）。比较有用的函数库：Numpy，SciPy，SymPy（符号运算系虾米？），Traits（界面设计库，说得我都想弃wxPython开始学这个了。在计算机领域学什么是个很重要的问题。），TVTK（用Traits库封装的标准VTK库），Visual（制作3D动画演示），OpenCV（这个前几天还碰到过，感觉跟图像生成渲染之类的有关，对于Python，也提供了API）。 41. 调整shape时数组（就是官方文档里的array）元素在内存中的位置并没有改变，也就是提供了一种view而非copy。如果某一维数值是-1，则按数组的长度和其他维度的数值自动计算。 42. reshape方法也是，返回一个shape修改过的数组，但是还是view而非copy。 43. 和linspace相似，logspace创建在log尺度均匀分布的数值组成的数列，即等比数列。 44. 此外，还可以使用frombuffer, fromstring, fromfile等函数可以从字节序列创建数组，也就是上次没有深入的领域。以fromstring为例，在内存中以字节方式存储。一个字节（byte）占8个bit（终于搞明白byte和bit的关系啦，呼瑞！），如果要转化成int16的话有个两个字节串联顺序的问题。Python里是以little endian（又见little endian！当年写tiqho的时候没整明白的问题终于搞明白了，happy）方式在内存中保存数据的，即低位字节在前，故int16值等于之前的字节*256（应该是因为是一个byte占8个bit，故用2^8，不过还是没彻底明白）加上后一个字节。 45. 还可以使用fromfunction利用自己写的函数进行转换。比如：np.fromfunction(func, (10,))，其中func是自写函数，(10,)是返回数组的shape。func的参数默认从0开始，直到填满指定的shape。 46. 数组的reference还可以用boolean array（一般不是手动一个个敲出来的，见9），此时必须是array，不能再用列表蒙混了，broadcast时都按False算。返回其中为True的元素的相应位置上的目标array中的元素。 47. np.random.rand( ) ：产生一个长度为 ，元素值为0-1的随机数的数组。 48. 对于数组，如果进行大小比较，和Python里类似，返回的也是bool，不过是个数组。这个数组就可以用来做7里的reference。见7。 49. seriously？——“组元不需要圆括号虽然我们经常在Python中用圆括号将组元括起来，但是其实组元的语法定义只需要用逗号隔开即可。 50. 结构数组（structured array）有点像类（或者我理解的类），定义一个dtype对象，有一定模式，然后指定其他对象的dtype是它。 51. 查看dtype：obj.dtype，可能返回如下：dtype( )，其中“|”, “”等字符，这些字符用来描述字段值的字节顺序：“|”：忽视字节顺序，“”：little endian，“”：big endian。 52. 作者认为“在C语言中我们可以通过struct关键字定义结构类型，结构中的字段占据连续的内存空间，每个结构体占用的内存大小都相同”。受教了。 53. 通过调用数组的tostring或者tofile方法，可以直接输出数组的二进制形式。比如：a.tofile("test.bin"。 54. 和C语言协作使用时需要注意的是C语言的结构体为了内存寻址方便，会自动的添加一些填充用的字节，即内存对齐，以保持最终的结构体大小变。因此如果 NumPy中的所配置的内存大小不符合C语言的对齐规范的话，将会出现数据错位。在创建dtype对象时，可以传递参数align=True以确保不发生数据错位。 55. 用字典参数也可以定义dtype对象时，因为字典的关键字是没有顺序的，所以需要在类型描述中给出字段的顺序。用法是在字段（field）后给出偏移量（即offset）的值，单位是byte，如：dtype( )。 56. ndarray在内存中的数据结构太深，不过为了将来万一和其他语言的串接，硬着头皮看一看吧。ndarray数据结构引用两个对象：数据存储区和 dtype对象存储区，具体包括dtype，dim count，dimensions，strides和data。dim count指维度的数目；dimesion指各维度的数字；strides指每个轴的下标增加1时数据存储区中的指针所增加的字节数，比如有个3*3的数组，元素类型是float32，那么每个数占4（32/8）字节。在C语言格式中，第二个维度的数字比第一个变得快，所以第二个维度数字增加1指针增加4 字节，第一个的话就是12（4*3）个字节，所以strides（本身就有步伐”的意思）分别为12和4。不过这要求数据在内存中连续存储。另一种数字跳的方式是Fortran语言格式的，需要重设参数值，改变默认设定：order=apos;apos;Fapos;apos;。 57. ufunc原来是说能对数组里每个元素都操作的函数，ft~ 58. ufunc创建新数组并返回，如果要覆盖的话可以在第二个参数里指定被覆盖的对象，比如：t = np.sin(x,x)，x表现为经过了更新。 59. 算数计算运算符和函数，其中 是可选参数，用于指定覆盖对象，除号运算符的处理根据是否激活__future__.division有所不同：x1+x2，相当于add(x1, x2 )；x1-x2，相当于subtract(x1, x2 )；x1*x2，multiply(x1, x2 )；x1/x2: divide(x1, x2 )，整数除法；x1/x2: true divide (x1, x2 ), 返回精确的商；x1//x2，floor divide (x1, x2 )，地板除；-x，negative(x )；x1**x2，power(x1, x2 )；x1%x2，remainder(x1, x2 ), mod(x1, x2, )。 60. 复杂的算式处理大数组会产生大量的中间结果而导致速度减缓，一个小技巧是手工拆分算式分解，以尽量减少内存分配，提高速度。 61. 下一个是应该算是神器级别的函数：frompyfunc，把Python里的函数（可以是自写的）转化成ufunc，用法是 frompyfunc(func, nin, nout)，其中func是需要转换的函数，nin是函数的输入参数的个数，nout是此函数的返回值的个数。注意frompyfunc函数无法保证返回的数据类型都完全一致,因此返回一个中间类型object，需要再次obj.astype(np.float64)之类将其元素类型强制调齐。 62. 作者对broadcast的处理是直接翻成“广播”。补齐的规则除了以前记下的，还有：维度差异的部分通过在已有的维度前面加1进行补齐；输出数组的 shape是输入数组shape的各个轴上的最大值；当输入数组的某个轴的长度为1时，沿着此轴运算时都用此轴上的第一组值。 63. repeat方法：b.repeat(6,axis=0)，在第0轴（shape里的第一个维度）的方向上长度扩展为6，也就是第2个维度重复5次（有点绕，呵呵）。 64. ogrid对象：用切片组元作为下标进行存取，返回一到多个可以用来广播计算的数组。有两种用法：开始值:结束值:步长，和np.arange类似（不包含结束值喽）； 开始值:结束值:长度j，当第三个参数为虚数时，它表示返回的数组的长度，和np.linspace类似（包含结束值）。 65. ufunc的reduce 方法：和Python的reduce函数类似，沿着一个指定的轴将运算符插入这根轴上所有子数组或者元素当中，并返回结果，比如：np.add.reduce( , ], axis=1)，其中axis为1，指的是第2个维度上的元素，即 和 。 66. accumulate与reduce类似，不同之处在于返回的数组里包括所有中间结果，致使其shape与输入数组的相同。比如：np.add.accumulate( , ], axis=1)，返回array( , ])，其中1（1），3（1+2），4（4），9（4+5）是中间结果。 67. reduceat方法通过indices参数（列表形式）指定一系列插入reduce的起始和终止位置（reduce at嘛），规则如下：如果indice中某元素小于其后元素，则相应结果为对以这两个元素为位置产生的slice里的数组元素进行reduce；否则结果是这个元素对应的数组元素。对于最后一个元素，因为其后再没元素，结果为对所有元素进行reduce。例子：np.add.reduceat(np.array( ),indices= )，返回 array( )。 68. outer方法，op.outer(a,b)方法的计算等同于如下程序：a.shape += (1,)*b.ndim op(a,b) a = a.squeeze()。例子：np.multiply.outer( , )。在这个例子中，首先，a.shape += (1,)*1，即a.shape变成了(5,1)，然后multiply(a,b)，然后，a = a.squeeze()剔除数组a中长度为1的轴，也就是恢复a的shape，把a给还原了。 69. 终于进入矩阵部分了，NumPy和Matlab不一样，对于多维数组的运算，缺省情况下并不使用矩阵运算。但因为NumPy中同时存在ndarray和 matrix类，用户很容易将两者弄混，有违the Zen of Python（import this！），因此matrix类的优先状态是不启用。 70. 矩阵乘法：如果需要将一维数组当作列矢量或者行矢量进行矩阵运算时，推荐先reshape之。 71. dot函数：对于一维数组，计算内积，就是两个数组对应下标元素的乘积（应该就是点积）；对于二维数组计算矩阵乘积（嘛意思？）；对于更高维数组，规则是：dot(a, b) = sum(a * b )，即结果数组中的每个元素都是数组a的最后一维上的所有元素与数组b的倒数第二维上的所有元素的乘积之和。 72. np.alltrue()，check是否数组每个元素均为True。 73. inner : 对于两个一维数组计算内积；对于多维数组，它计算的结果数组中的每个元素都是：数组a和b的最后一维的内积，因此数组a和b的最后一维的长度必须相同，即：inner(a, b) = sum(a *b )。 74. outer : 只按照一维数组进行计算，如果传入参数是多维数组，则先将此数组展平为一维数组之后再进行运算，结果是列向量和行向量的矩阵乘积。感觉跟multiply.outer没啥区别啊，见29。 75. np.linalg库还有很多线性代数领域的函数和功能，比如以前用过的np.linalg.det。这本书里提到了可求逆矩阵的inv函数，和求解多元一次方程组的solve函数。后者用法：np.linalg.solve(a,b)，其中a是一个N*N的二维数组，而b是一个长度为N的一维数组，solve函数找到一个长度为N的一维数组x，使得a和x的矩阵乘积正好等于b，数组x就是多元一次方程组的解。 76. 现在进入文件存取了。使用tofile可以方便地将数组中数据以二进制的格式写进文件。tofile输出的数据不带格式，shape和dtype都没有，且使用C语言格式输出，不管数组本身的格式。因此，用fromfile读回来的时候需要自己格式化数据。 77. tofile方法还可以输出为文本格式，此时需要指定sep参数。用fromfile读取时也需要指定此参数。 78. 较为方便的方法是用load和save函数进行数据存取，文件名后缀是.npy，格式是NumPy专用的二进制类型，不用再管shape和dtype这些，不过代价是很难与其他语言的程序协作。通用和专有的矛盾！ 79. savez：多个数组保存在同一文件中，第一个参数是输出文件名，后面是其后的参数都是需要保存的数组，自动起名为arr_0, arr_1, ...，也可以使用关键字参数为数组起一个名字。输出文件扩展名为.npz，是一个压缩包，其中每个文件都是.npy，内含一个数组，文件名即内涵数组名。 80. 对于.npz文件，load函数自动识别并且返回一个类似于字典的对象，可以通过数组名作为关键字获取数组的内容。 81. savetxt和loadtxt分别存取txt文件，与tofile不同的是数字此时不是以二进制的方式保存的。用法：np.savetxt("a.txt", a, fmt="%d", delimiter=","，fmt默认为apos;%.18eapos;，delimiter默认为apos; apos;。显然如果以非默认设置输出了读取时也要修改相应参数。 82. load和save函数还可以对已经打开的文件对象进行操作，比如：f = file("result.npy", "wb" np.save(f, a) f.close()，其中a是一个数组。读取时也是先定义一个句柄f，然后多次np.load(f)，可以顺序（save时的顺序）读取数组。
个人分类: Python|4 次阅读|0 个评论
分享 如何开发R包
一路嘿嘿 2014-8-2 18:21
注： 本文档是Rmd文档,复制下面文本至Rstudio,通过knitr html即可生成html格式文本 --- output: html_document: default pdf_document: includes: in_header: header.tex keep_tex: yes latex_engine: xelatex --- ```{r setup, include=FALSE} library(knitr) library(hello) opts_chunk$set(fig.width=8, fig.height=5) knit_hooks$set(htmlcap = function(before, options, envir) { if(!before) { paste('p class="caption" style="text-align: center; font-size: 20px; color: blue"',options$htmlcap,"/p",sep="") } }) set.seed(60823316) ``` STYLE type="text/css" h1,h2,h3,h4{ color: royalblue; } h1,h2,h5,h6{ text-align: center; } h2{ font-family: palatino, georgia, serif; } body{ font-size: 0.9em; line-height: 23px; } h3{ font-weight: normal; } h6{ font-size: 0.9em; font-weight: normal; line-height: 5px; } hr{ border-top-style: solid; border-top-width: medium; } code { font-size: 80%; line-height: 140%; border: 1px solid #ccc; } @media print{ hr { visibility: inherit; page-break-before: auto; } p { align. } /STYLE ## R package development ### 一. 系统环境要求 **我用的是windows, linux下没测试过** 1. 需要安装的R包 * devtools：开发R包更容易,提供了`load_all`,`document`,`build`,`check`,`insall`等开发包的函数 * roxygen2：R文档中的注释语句可以自动生成函数的帮助文档Rd文件,不用手动编写 ```{r, eval=FALSE} install.packages("devtools", dependencies = TRUE) install.packages("roxygen2", dependencies = TRUE) ``` 2. 生成手册所需软件 * Rtools: http://cran.r-project.org/bin/windows/Rtools/ * Miktex: http://miktex.org/download、 更多可参考： (https://support.rstudio.com/hc/en-us/articles/200486498-Package-Development-Prerequisites) ### 二. 以Hello包为例说明写包的步骤 1. 加载`devtools`,可以更容易的创建包 ```{r,eval=FALSE} library(devtools) ``` 2. 调用`devtools::create`函数,创建包hello,这样会在工作目录下建立hello文件夹，里面包含了必要的文件: ```{r,eval=FALSE} create("hello") ``` * DESCREPTION：包的描述,包括作者,依赖和导入的其他的包,包的功能等,可以参考 * http://cran.r-project.org/doc/manuals/R-exts.html#The-DESCRIPTION-file * http://adv-r.had.co.nz/Package-basics.html * 包的说明(hello.R):包含了命名空间文件的生成NAMESPACE,命名空间可以查看: * http://adv-r.had.co.nz/Namespaces.html * http://cran.r-project.org/doc/manuals/R-exts.html#Package-namespaces 形如: ```r #' The ReverseEcologyR package #' #' This package implementation the applications of reverse ecology. Reverse #' ecology refers to the use of genomics to study ecology with no a priori #' assumptions about the organism(s) under consideration, linking the organism #' and their environment. Prediction the cooperation among species and hosts. #' #' @name ReverseEcologyR #' @docType package #' @importFrom igraph graph.dfs get.adjacency delete.vertices graph.adjacency #' V V- neighborhood.size plot.igraph print.igraph subcomponent is.igraph #' @importFrom Matrix t #' @importFrom Biobase listLen #' @importFrom KEGGREST keggGet keggList #' @importFrom stringr str_replace_all str_count #' @importFrom XML getNodeSet xmlToList xmlParse #' @importFrom magrittr extract is_greater_than %% #' @importFrom gtools permutations #' @importFrom rlist list.append #' @importFrom mmnet updateKEGGPathway NULL ``` 3. 之后就可以在编写函数,如`hello.R`保存在*R*文件夹下 ```{r,eval=FALSE} #’ a simple example function hello #' a simple example function hello #' @author LiLei #' @details more details #' @export hello - function(){ print("Hello, welcome") } ``` 为了方便在写函数的时候把注释写在`.R`文件中,会调用`roxygen2`自动生成函数的*Rd*文件， 即帮助文档，保存在man文件夹下,详细说明可以看roxygen2的说明文档和http://adv-r.had.co.nz/Documenting-functions.html 4. `load_all`加载所有关于hello包中的信息 ```{r,eval=FALSE} ## change the workspace setwd("./hello") load_all() ``` 5. `document`调用`roxygen2`包生成*Rd*文件和NAMESPACE文件 ```{r,eval=FALSE} document() ``` 6. 接下来就可以利用`build` `install` `check`来创建 安装 检查包 ```{r,eval=FALSE} check() build() install() ``` 安装之后, 可以查看包的帮助文档 ```{r, eval=TRUE} help(package="hello") ``` **上面只是建立一个最简单的包,用到的`devtools`中的函数详细用法可以查看帮助** **关于包中数据的存储,类的操作等可以看相关文档,上面方法是hardley wickham书中adv-r 介绍的过程, 我觉得最简单的一种方法了,碰到什么问题我们也可以共同讨论** ### 三. 资料 ### * http://www.bioconductor.org/developers/package-guidelines/ * http://adv-r.had.co.nz * http://cran.r-project.org/doc/manuals/R-exts.html
38 次阅读|0 个评论
更多...

京ICP备16021002号-2 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问：王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2025-12-24 21:55