Имена доступных R-пакетов

Я очень хочу знать,

  • сколько имен пакетов в CRAN имеет два, три, N символа?
  • какие комбинации еще не использовались ( "непопулярный" )
  • сколько имен пакетов использует full-caps или camelCase?
  • сколько имен пакетов заканчивается на 2?

Я думаю, что это может показать некоторые интересные факты.

Изменить: бонусные баллы для анимированной графики, показывающие эволюцию времени пакетов CRAN.

Ответы

Ответ 1

Лучше, чем очищать веб-страницу, чтобы получить имена пакетов, использовать функцию available.packages() и обрабатывать эти результаты. available.packages() возвращает матрицу, содержащую сведения обо всех доступных пакетах (но по умолчанию фильтруется — более подробно см. раздел "Подробности" ?available.packages).

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

Используя nameCount, мы можем выбирать пакеты с именами, содержащими любое количество символов, без необходимости прибегать к регулярному выражению и т.д.:

> 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"

Ответ 2

здесь один снимок, основанный на различных предложениях.

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

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

histogram

 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"))

pie

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

barplot

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

Ответ 3

Вот короткая часть кода, чтобы ответить на некоторые вопросы. Я буду продолжать добавлять свой ответ, когда найду время.

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)

Ответ 4

Сделайте вектор всех пакетов, используя

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

Затем вы можете анализировать, как хотите. Например, список пакетов с двумя именами символов

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