19

我很想知道，

  • CRAN 上有多少个包名有两个、三个、N 个字符？
  • 哪些组合尚未使用（“unpoppler”）
  • 有多少包名使用全大写或驼峰式？
  • 有多少个包名以 2 结尾？

我认为它可能会揭示一些有趣的事实。

编辑：显示 CRAN 包的时间演变的动画图形的奖励积分。

4

4 回答 4

14

比抓取网页来获取包名称更好的方法是使用该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（但默认情况下会被过滤 - 请参阅详细信息部分?available.packages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我们可以选择名称包含任意数量字符的包，而无需求助于正则表达式等：

> 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"
于 2011-09-12T09:45:15.337 回答
10

这是基于各种建议的一个镜头。

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

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

直方图

 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"))

馅饼

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

条形图 

 length(packages[grep("2$", packages, perl=TRUE)])
 # 29
于 2011-09-12T09:45:52.573 回答
5

这是一个简短的代码来回答一些问题。当我有时间时，我会继续添加我的答案。

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)
于 2011-09-11T23:43:21.970 回答
1

使用所有包制作一个向量

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

然后，您可以根据需要进行分析。例如，只有两个字符名称的包列表

myList[grep('^..$', myList)]
于 2011-09-12T09:05:46.310 回答