R 语言包：install.packages()、library() 和 CRAN

什么是包

包（package）是一组函数、文档，有时还带有数据，用来扩展 R 的功能。基础 R 提供了向量、模型和绘图；其他所有功能都来自包，而这个“其他所有功能”的范围非常大。CRAN（Comprehensive R Archive Network）上托管着大约 20,000 个包，每一个在发布前都要通过 CRAN 的提交检查。正是这个仓库让 R 在数据工作中始终保持竞争力：不管你要做什么分析，很可能已经有人把它做成了包。

CRAN 不是唯一的来源。Bioconductor 托管着生物信息学的生态，很多还在开发中的包放在 GitHub 上（可以用 remotes::install_github() 安装）。不过作为初学者，你可以把 CRAN 当作默认来源，其他来源等到某个 README 让你用时再说。

有少数几个包是随 R 一起安装的（stats、utils、graphics 等），并且会自动加载，所以 mean() 和 plot() 可以直接用。其他所有包都要走下面这两步。

install.packages() 装一次，library() 每次会话都要加载

这是初学者最常见的困惑，所以这里尽量讲清楚。让一个包能用起来，是两个不同的操作，生效的时间范围也不同：

install.packages("dplyr")   # ONCE per machine: downloads from CRAN and installs
library(dplyr)              # EVERY session: loads it so your code can use it

• install.packages("dplyr") 就像买一本书：只做一次，从此它就放在你的书架上（你的硬盘里）。注意这里的引号：你传入的包名是一个字符串。
• library(dplyr) 就像把书从书架上取下来：每次开始 R 会话时都要做（实际上就是写在每个脚本的开头）。这里不需要引号，library() 比较特殊，可以直接接受不带引号的名字（如果你想保持一致，library("dplyr") 也可以）。

两种报错会告诉你漏了哪一步。library() 报出 Error: there is no package called 'dplyr'，说明这个包从来没装过。脚本运行到一半报 Error: could not find function "filter"（或 "%>%"），说明包已经装了，但这次会话没有加载它。把所有 library() 调用都放在脚本最顶部，而不是散落在中间，第二种错误在第一秒就会暴露出来，顺便也列出了这个脚本依赖哪些包。安装 tidyverse 也是一样：install.packages("tidyverse") 装一次，每次会话 library(tidyverse)，一行就能加载 dplyr、ggplot2 和其余核心包。

你不应该把 install.packages() 留在需要反复运行或要分享给别人的脚本里：它每次运行都会重新下载，还可能让运行脚本的人措手不及。安装是在控制台里做的事，加载才是脚本里做的事。

require() 和 pkg::fun()

require() 看起来像是 library() 的同义词，很多人也确实把它当同义词用，这是一个常见的误用。区别在于包不存在时会发生什么：library() 报错并停止；require() 打印一条警告，返回 FALSE，然后让脚本继续运行，结果往往是二十行之后报出一个让人摸不着头脑的 "could not find function"，而不是直接告诉你 "no package called"。加载依赖时请用 library()：在脚本开头就明确地失败，是一个优点。require() 只在条件判断里才有用武之地，因为这时你要的正是它的返回值：

if (!require(praise)) {
    install.packages("praise")
    library(praise)
}

还有一种完全不加载包也能用它的方式：:: 运算符通过完整地址调用某个函数，即 package::function()。包必须已经安装，但不会附加任何东西到你的会话中：

print(stats::sd(c(2, 4, 6, 8)))   # full address: package stats, function sd

print(exists("some_dplyr_thing")) # nothing extra was attached to the session

（stats 本来就会自动加载，所以直接写 sd() 也能用，但对任何已安装的包，语法都是一样的。）:: 在两种场景下特别好用：只调用一次、不值得写一整行 library() 的时候；以及两个已加载的包导出了同名函数、需要区分的时候，dplyr::filter() 和 stats::filter() 就是经典的冲突。

保持包为最新版本

包的更新和 R 本身是独立的，所以更新要靠你自己：

update.packages()          # offers to update everything outdated
update.packages(ask = FALSE)   # same, without prompting per package

有一条不太显眼的规则：包是针对 R 的某个 major.minor 版本构建的。当你升级 R 本身时（比如从 4.3 升到 4.4，参见安装 R），旧的包库通常不会被带过去，解决办法很简单：在新版本下重新安装你用到的包。花十分钟跑一遍 install.packages()，不是什么大事，但第一次遇到时，看到脚本在新装的 R 上报出一大串 "no package called" 错误，很多人都会吓一跳。

查看你装了哪些包

有三个函数可以回答“装了什么、装在哪里”：

installed.packages()[, "Version"]   # every installed package with its version
sessionInfo()                       # R version + what THIS session has loaded
.libPaths()                         # the folders where packages are installed

installed.packages() 返回一个矩阵，每个包占一行，你通常需要的是 Version 这一列。sessionInfo() 是保证可复现的工具：把它的输出贴到 bug 报告里，读者就能知道你的 R 版本、操作系统，以及每个已加载包的确切版本。.libPaths() 显示 R 搜索包的库文件夹；知道有这个函数，“那个包到底装到哪里去了？”就不再神秘，也能明白为什么在共用的电脑上有时需要管理员权限。

值得了解的包

今天你还用不到它们，但以后会经常遇到。知道每个包是做什么用的，能帮你读懂别人的代码：

• dplyr：数据处理的动词，filter、mutate、group_by、summarize。
• ggplot2：标准的绘图包，你在网上看到的 R 图形大多是用 ggplot2 画的。
• tidyr：在宽格式和长格式之间转换数据（pivot_longer、pivot_wider）。
• readr / readxl：分别用于快速读取 CSV 和读取 Excel 文件。
• lubridate：让日期的行为符合你的预期。
• stringr：风格统一的字符串处理。
• data.table：另一套高性能的数据框生态，和 tidyverse 是不同的写法，处理大数据时很受欢迎。
• shiny：完全用 R 编写交互式网页应用。

前六个是 tidyverse 的核心，用 install.packages("tidyverse") 会一起装好。你没有义务用其中任何一个（基础 R 全都能做到），但现代 R 代码大多都生活在这个生态里。

要点回顾

• CRAN 托管着约 20,000 个经过审核的包；Bioconductor 和 GitHub 覆盖其余部分。
• install.packages("name") 每台电脑一次（必须加引号）；library(name) 每次会话一次，写在脚本顶部。
• library() 会明确地失败，这是好事；require() 返回 FALSE，只适合用在条件判断里。
• pkg::fun() 可以在不附加整个包的情况下使用其中一个函数，还能解决名字冲突。
• update.packages() 让包保持最新；R 的大版本升级意味着要重新安装包。
• sessionInfo() 能告诉别人（或将来的你）你的代码到底是在什么环境下运行的。

下一篇：工作目录，也就是 R 在哪里查找文件，以及为什么读取数据失败时首先要检查它。