R的可用包名称

Question

我很想知道，

• CRAN上有多少个软件包名称有两个，三个，N个字符？
• 尚未使用哪些组合（“无多普勒”）
• 有多少个软件包名称使用full-caps或camelCase？
• 有多少包名以2结尾？

我认为这可能会揭示一些有趣的事实。

编辑：动画图片的奖励积分，显示CRAN套餐的时间演变。

Answer 1

比抓取网页获取包名称更好的方法是使用available.packages()函数并处理这些结果。 available.packages()返回一个矩阵，其中包含所有可用包的详细信息（但默认情况下已过滤 - 请参阅?available.packages的详细信息部分了解更多信息。）

pkgs <- available.packages(filters = "duplicates")
nameCount <- unname(nchar(pkgs[, "Package"]))
table(nameCount)

> table(nameCount)
nameCount
  2   3   4   5   6   7   8   9  10  11  12  13  14  15  16  17  18  19  20  21 
 32 311 374 360 434 445 368 277 199 132  99  56  56  43  22  19  18   2  12   8 
 22  24  25  31 
  5   2   1   1

使用nameCount我们可以选择包含任意数量字符的包，而无需使用正则表达式等：

> unname(pkgs[which(nameCount == 2), "Package"])
 [1] "BB" "bs" "ca" "cg" "dr" "ez" "FD" "ff" "HH" "HI" "iv" "JM" "ks" "M3" "mi"
[16] "np" "oc" "oz" "PK" "PP" "qp" "QT" "RC" "rv" "Rz" "sm" "sn" "sp" "st" "SV"
[31] "tm" "wq"

Answer 2

这是基于各种建议的一次拍摄。

 packages <- available.packages()[,'Package']

 ggplot(data.frame(n = nchar(packages))) +
   geom_histogram(aes(n), binwidth=1)     

 all <- length(packages)
 ## 3168
 up <- sum(toupper(packages) == packages)
 ## 262
 low <- sum(tolower(packages) == packages)
 ## 1697
 pie(c(up, low, all-up-low), labels=c("UPPERCASE","lowercase","cAmElCaSe"))

 let <- sapply(sapply(letters, grep, tolower(packages)), length)
 barplot(let)

 length(packages[grep("2$", packages, perl=TRUE)])
 # 29

Answer 3

这是一段简短的代码来回答一些问题。我找时间的时候会不断加入答案。

library(XML); library(ggplot2);

url = 'http://cran.r-project.org/web/packages/available_packages_by_name.html'
packages = readHTMLTable(url, stringsAsFactors = F)[[1]][-1,]

# histogram of number of characters in package name
qplot(nchar(V1), data = packages)

Answer 4

使用

制作所有包的矢量

myList <- available.packages()[,'Package']

然后你可以分析你想要的。例如，只包含两个字符名称的包列表

myList[grep('^..$', myList)]