studio - superponer graficas en r

Nombres de los paquetes disponibles de R

Question

Estoy ansioso por saber,

• ¿Cuántos nombres de paquetes en CRAN tienen dos, tres, N caracteres?
• qué combinaciones aún no se han utilizado ("unpoppler")
• ¿Cuántos nombres de paquetes utilizan mayúsculas o camelCase?
• ¿Cuántos nombres de paquetes terminan en 2?

Creo que podría revelar algunos hechos interesantes.

Edición: puntos de bonificación para gráficos animados que muestran la evolución en el tiempo de los paquetes CRAN.

Answer 1

Aquí hay un disparo basado en varias sugerencias.

 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 2

Aquí hay un pequeño código para contestar algunas preguntas. Seguiré añadiendo a mi respuesta cuando encuentre tiempo.

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 3

Haz un vector de todos los paquetes usando

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

Entonces puedes analizar como quieras. Por ejemplo, una lista de paquetes con solo dos nombres de caracteres

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

Answer 4

Una forma mejor que raspar una página web para obtener los nombres de los paquetes es usar la función available.packages() y procesar esos resultados. available.packages() devuelve una matriz que contiene detalles de todos los paquetes disponibles (pero se filtra de forma predeterminada; consulte la sección Detalles de ?available.packages para obtener más información).

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

Usando nameCount podemos seleccionar paquetes con nombres que contengan cualquier número de caracteres sin tener que recurrir a nameCount , etc.

> 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"