Packages-packages-packages ... Quão eficiente você está usando R?

A cultura atual de "competências" e "práticas" pressupõe que uma pessoa receba algumas abordagens e receitas para resolver um conjunto de problemas. Ao mesmo tempo, o tempo de relevância dessas "receitas" está oculto por trás da estrutura e elas, de fato, são lançadas em um monólito, replicado por uma pessoa há anos. Às vezes ouvimos dizeres sobre as "melhores práticas" que já têm 30 anos e, durante esse período, várias mudanças de paradigma foram aprovadas. E com essa "melhor prática", você parece estar em uma cápsula do tempo.



Sim, é mentalmente conveniente e economiza a energia do "especialista". Sim, cria uma sensação de estabilidade. Mas, para um trabalho eficiente e de alta qualidade, é necessário corrigir e afiar constantemente a ferramenta.



O 2020 R é muito diferente do 2018 R. No código muito básico, foram feitas alterações significativas para melhorar a eficiência e a estabilidade (velocidade e consumo de memória). Mas a parte mais dinâmica do ecossistema são os pacotes. É útil revisar sua coleção periodicamente para passar para implementações mais convenientes e eficientes. Desde a última publicação do "conjunto de pacotes R da Gentleman para automatizar tarefas de negócios" , os próprios pacotes passaram por grandes atualizações e seu alcance expandiu-se significativamente e os líderes mudaram de lugar várias vezes.



Não é segredo que o mainstream não significa eficiência e versatilidade máximas. De acordo com o mainstream, é muito fácil perder pacotes que são gems. É especialmente conveniente abri-los nas conferências R UseR!, Rconf, eRum, etc.



Abaixo está uma lista de pacotes de uso geral que provam ser muito úteis para tarefas diárias (x pacotes de> 10K no CRAN). Muitas vezes acontece que muitos itens novos são desconhecidos pelos interlocutores. Para uma revisão resumida do corte de julho de 2020, publico-o como uma compilação. Os links, na maioria dos casos, levam a uma página de coleção de recursos. Estou certo de que todos encontrarão algo útil para si.



R: EDA





R: data_pkg





R: algo_pkg





R: vis_pkg





R: sys_pkg





R: shiny+Rmarkdown





Post anterior - “R Markdown. Como fazer um relatório diante da incerteza? " .




All Articles