• 新鲜事R语言
  • 诚邀广大R语言、数据可视化爱好者和我们一起搬迁升级谢益辉著作《现代统计图形》

目前该书引入的 R 包已经相当多了,R 包需要的系统依赖也很多,接下来将尽量不再引入新的依赖,如非确实必要也可加!感觉维护这玩意太累了,最近一次想添加制作视频动画的依赖就废了好大功夫,目前 Travis 编译一次竟然需要23分钟,这应该也是我想使得本书在线编译的必然结果。

Rscript -e "sessionInfo(.packages(T));capabilities()"
R version 3.6.1 (2017-01-27)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 16.04.6 LTS
Matrix products: default
BLAS:   /home/travis/R-bin/lib/R/lib/libRblas.so
LAPACK: /home/travis/R-bin/lib/R/lib/libRlapack.so
locale:
 [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C              
 [3] LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
 [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8   
 [7] LC_PAPER=en_US.UTF-8       LC_NAME=C                 
 [9] LC_ADDRESS=C               LC_TELEPHONE=C            
[11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       
attached base packages:
 [1] base      compiler  datasets  graphics  grDevices grid      methods  
 [8] parallel  splines   stats     stats4    tcltk     tools     utils    
other attached packages:
  [1] abind_1.4-7             alphahull_2.2           animation_2.6          
  [4] aplpack_1.3.3           askpass_1.1             assertthat_0.2.1       
  [7] av_0.3                  backports_1.1.5         base64enc_0.1-3        
 [10] BH_1.69.0-1             bitops_1.0-6            bookdown_0.14          
 [13] broom_0.5.2             cairoDevice_2.28        callr_3.3.2            
 [16] caTools_1.17.1.2        cellranger_1.1.0        classInt_0.4-1         
 [19] cli_1.1.0               clipr_0.7.0             coda_0.19-3            
 [22] colorspace_1.4-2        corrplot_0.84           cowplot_1.0.0          
 [25] crayon_1.3.4            crosstalk_1.0.0         curl_4.2               
 [28] data.table_1.12.4       DBI_1.0.0               dbplyr_1.4.2           
 [31] deldir_0.1-23           dendextend_1.12.0       digest_0.6.21          
 [34] dplyr_0.8.3             e1071_1.7-2             ellipsis_0.3.0         
 [37] evaluate_0.14           fansi_0.4.0             farver_1.1.0           
 [40] fastmap_1.0.1           filehash_2.4-2          forcats_0.4.0          
 [43] foreach_1.5.1           formatR_1.7             fs_1.3.1               
 [46] fun_0.2                 gclus_1.3.2             gdata_2.18.0           
 [49] gdtools_0.2.1           generics_0.0.2          GGally_1.4.0           
 [52] gganimate_1.0.3.9000    ggplot2_3.2.1           ggpointdensity_0.1.0   
 [55] gifski_0.8.6            glue_1.3.1              goftest_1.1-1          
 [58] gplots_3.0.3            gridExtra_2.3           gtable_0.3.0           
 [61] gtools_3.8.1            gWidgets_0.0-54.1       gWidgetsRGtk2_0.0-86   
 [64] haven_2.1.1             heatmaply_0.16.0        hexbin_1.27.3          
 [67] highr_0.8               hms_0.5.1               htmltools_0.4.0        
 [70] htmlwidgets_1.5.1       httpuv_1.5.2            httr_1.4.1             
 [73] igraph_1.2.4.1          iplots_1.1-7.1          iterators_1.0.12       
 [76] jsonlite_1.6            knitr_1.25              labeling_0.3           
 [79] later_1.0.0             latex2exp_0.4.0         lazyeval_0.2.2         
 [82] leaflet_2.0.2           lifecycle_0.1.0         lmtest_0.9-37          
 [85] lpSolve_5.6.13.3        lubridate_1.7.4         magick_2.2             
 [88] magrittr_1.5            manipulateWidget_0.10.0 maps_3.3.0             
 [91] maptools_0.9-8          markdown_1.1            MatrixModels_0.4-2     
 [94] mime_0.7                miniUI_0.1.1.1          misc3d_0.8-4           
 [97] modelr_0.1.5            MSG_0.4                 munsell_0.5.0          
[100] mvtnorm_1.0-11          network_1.15            openssl_1.4.1          
[103] pdftools_2.2            pillar_1.4.2            pkgconfig_2.0.3        
[106] plogr_0.2.0             plot3D_1.1.1            plotly_4.9.0           
[109] plotrix_3.7-6           plyr_1.8.4              png_0.1-7              
[112] polyclip_1.10-0         prettyunits_1.0.2       processx_3.4.1         
[115] progress_1.2.2          promises_1.1.0          ps_1.3.0               
[118] purrr_0.3.2             qap_0.1-1               qpdf_1.1               
[121] quantreg_5.51           R.methodsS3_1.7.1       R.oo_1.22.0            
[124] R.utils_2.9.0           R6_2.4.0                randomForest_4.6-14    
[127] raster_3.0-7            RColorBrewer_1.1-2      Rcpp_1.0.2             
[130] readr_1.3.1             readxl_1.3.1            registry_0.5-1         
[133] rematch_1.0.1           remotes_2.1.0           reprex_0.3.0           
[136] reshape_0.8.8           reshape2_1.4.3          rgeos_0.5-2            
[139] rggobi_2.1.22           rgl_0.100.31            RgoogleMaps_1.4.4      
[142] RGtk2_2.20.36           rJava_0.9-11            rlang_0.4.0            
[145] rmarkdown_1.16          rstudioapi_0.10         rvest_0.3.4            
[148] scales_1.0.0            scatterplot3d_0.3-41    selectr_0.4-1          
[151] seriation_1.2-8         sf_0.8-0                sgeostat_1.0-27        
[154] shiny_1.4.0             showtext_0.7            showtextdb_2.0         
[157] signal_0.7-6            sm_2.2-5.6              sna_2.4                
[160] sourcetools_0.1.7       sp_1.3-1                SparseM_1.77           
[163] spatstat_1.61-0         spatstat.data_1.4-0     spatstat.utils_1.13-0  
[166] splancs_2.01-40         statnet.common_4.3.0    stringi_1.4.3          
[169] stringr_1.4.0           svglite_1.2.2           sys_3.3                
[172] sysfonts_0.8            systemfonts_0.1.1       TeachingDemos_2.11     
[175] tensor_1.5              tibble_2.1.3            tidyr_1.0.0            
[178] tidyselect_0.2.5        tidyverse_1.2.1         tikzDevice_0.12.3      
[181] tinytex_0.16            transformr_0.1.1        tripack_1.3-8          
[184] TSP_1.1-7               tuneR_1.3.3             tweenr_1.0.1           
[187] units_0.6-5             utf8_1.1.4              vcd_1.4-4              
[190] vctrs_0.2.0             vioplot_0.3.2           viridis_0.5.1          
[193] viridisLite_0.3.0       webshot_0.5.1           whisker_0.4            
[196] withr_2.1.2             xfun_0.10               xml2_1.2.2             
[199] xtable_1.8-5            yaml_2.2.0              zeallot_0.1.0          
[202] zoo_1.8-7               boot_1.3-22             class_7.3-15           
[205] cluster_2.1.0           codetools_0.2-16        foreign_0.8-71         
[208] KernSmooth_2.23-15      lattice_0.20-38         MASS_7.3-51.4          
[211] Matrix_1.2-17           mgcv_1.8-28             nlme_3.1-140           
[214] nnet_7.3-12             rpart_4.1-15            spatial_7.3-11         
[217] survival_2.44-1.1
       jpeg         png        tiff       tcltk         X11        aqua 
       TRUE        TRUE        TRUE        TRUE        TRUE       FALSE 
   http/ftp     sockets      libxml        fifo      cledit       iconv 
       TRUE        TRUE        TRUE        TRUE       FALSE        TRUE 
        NLS     profmem       cairo         ICU long.double     libcurl 
       TRUE        TRUE        TRUE        TRUE        TRUE        TRUE 

    Cloud2016

    依赖地狱…

    从我几次重装R包的经历来看,涉及Rjava的包容易出错,涉及RCPP的包有时候系统缺库也会出错…反而是纯R的包基本没啥事。

    搞得我现在自己写东西也遵循“如无必要勿曾依赖”的原则了…

    之前大鹏玩了个类似fortune的sinx包特喵的有三十多个包的依赖,简直想打他。

      tctcab

      有时候只用到一个大包的一个小函数,不妨自己替换一下,若是在文中重复用到倒也不必替换。举个栗子,我看到 Hadley 的书 《Advanced R》里写了 ruler 函数,它的作用是显示当前页面一行容纳的字数。这个玩意和调用 LaTeX 里的文武线有点相似!

      https://github.com/hadley/adv-r/blob/4915e2984168da50671491db238d351e5590c07b/Introduction.Rmd#L267

      ruler <- function(width = getOption("width")) {
        x <- seq_len(width)
        y <- case_when(
          x %% 10 == 0 ~ as.character((x %/% 10) %% 10),
          x %% 5 == 0  ~ "+",
          TRUE         ~ "-"
        )
        cat(y, "\n", sep = "")
        cat(x %% 10, "\n", sep = "")
      }
      ruler()

      替换为下面这样

      https://github.com/XiangyunHuang/MASR/blob/83f6faad32ca2e4114d043b8d21284fb4b9d4685/index.Rmd#L118

      ruler <- function(width = getOption("width")) {
        x <- seq_len(width)
        y <- ifelse(x %% 10 == 0, as.character((x %/% 10) %% 10),
          ifelse(x %% 5 == 0, "+", "-")
        )
        cat(y, "\n", sep = "")
        cat(x %% 10, "\n", sep = "")
      }
      ruler()

      从而去掉 dplyr 及其相关依赖。我这拨操作会不会引来一些负面效应?比如侵权啥的?如果不会的话,我真希望大家把自己的包的依赖都搞得尽可能小(在性能不会有显著损失的情况下)。

        tctcab
        这没有解决依赖的问题。如果不是常用包,还是需要:
        if(!requireNamespace("dplyr")) install.packages("dplyr")

        Cloud2016 如果是曾国藩来写这个函数,恐怕会是这种天然呆风格:

        ruler <- function(width = getOption("width")) {
          x <- seq_len(width)
          y <- rep('-', width)
          y[x %% 5 == 0] <- '+'
          y[x %% 10 == 0] <- seq_len(width %/% 10) %% 10
          cat(y, "\n", sep = "")
          cat(x %% 10, "\n", sep = "")
        }
        ruler()

        你用 ifelse() 当然也是极好的。此处用 dplyr::case_when() 在我看来就属于杀鸡用牛刀了,用一个笨重的依赖完成了一个细枝末节的任务,我觉得不值当。

        净土宗在包的依赖问题方面确实是有不少问题,它的那些不靠谱的反对党还煞有介事地搞了个踢馆的网站名曰 Tinyverse:http://www.tinyverse.org 但基本上都是说了些废话(谁还不知道引入依赖的坏处?)、给自己的个人网站打广告(独孤求赞)、以及展示他们自己的确认偏误(看!Tidyverse 又搞砸了吧)。这个问题不能一概而论,不同人的平衡点不一样:你是选择臃肿而方便,还是选择轻量而麻烦?就以上的 ruler() 函数而言,引入 dplyr 当然是毫无必要;但如果在一个项目中大量使用了 dplyr 包中的其它主打函数,那么顺手用一下 case_when() 也无妨。就是看引入依赖的动机和目的是什么了。我一般倾向于用基础 R 函数,如果有什么杂项任务需要完成,我就写个零依赖的函数丢到 xfun 包中,当然偶尔也需要用到依赖,但 xfun 包本身没有硬性依赖,依赖按需安装就好了。ruler() 这种函数就适合放在这般乌合之众的包中。

          yihui
          看你的代码之后我也用了不少xfun里的函数

          @yihui 谢大在这里提到曾国藩,我乍一看不明白其中逻辑!搜罗一番才知道他有个特点:结硬寨、打呆仗!吸引我去搜罗的另一个原因是我以前看过《走向共和》这部剧,里面多次提到李鸿章的老师曾国藩,同治中兴的重要人物!这部剧我觉得是对李鸿章一个富有立体感的呈现,非常推荐!以前有人推荐我看《曾文正公》文集,说里面还有很多为人处世的东西,今天搜罗一番后,我觉得我应该弄来好好看看!

          回到正题,我其实没想那么多,引起 tidyverse or not 的讨论?tidyverse 本身是好的,它的一致性胜过一切,在《现代统计图形》这本书所有内容都完备的时候,我会再清理一遍代码,看一些地方是不是值得用,或者是不是某一章可以全部转化为 tidyverse 风格,但是最后应该不是随处散落 tidyverse 的代码

          至于宣传方面,《Tidyverse design principles》<https://principles.tidyverse.org/> 《Tidyverse 设计原理》的风格就是举例子说明 Base R 哪个地方不好,所以我要造一个新的东西!这本身就是一个强大的宣传攻势,新事物诞生往往也是靠这个路子,这个风有点猛,一些 R 前辈老人可能受不住!两边能融合该多好,不要去学习两个新的东西,让 R 来一次壮士断腕,奔向一个 4.0 or 5.0 时代,像 Python2 走向 Python3 那样?

            Cloud2016
            别了别了,python闹得我不得不建两个conda的环境,用不同软件的时候还得来回切换,很烦啊w

            Cloud2016 你可能没仔细看我说的 Tinyverse 的拼写,是 Tiny,不是 Tidy。我说的宣传是反对党在自己宣传自己。

            结硬寨、打呆仗正是我的意思。用中括号下标索引就是这种风格,一步一结寨、一步一呆仗,每行代码不多不少只做一件事,毫无技巧可言。

              7 天 后
              22 天 后

              @yihui @dapengde @所有关心和帮助本书变得更好的朋友们

              我已经想好了,仗着自己对书籍的控制,凡是净土代码一律替换或注释掉(最终也要替换掉),凡是提交含有净土代码的 PR 一律不合并!

                举个栗子

                library(tidyverse)
                death_tidy <- death %>%
                  as.data.frame() %>%
                  rownames_to_column(var = "population_group") %>%
                  pivot_longer(cols = -population_group, names_to = "age", values_to = "count") %>%
                  mutate(
                    age = fct_inorder(factor(age)),
                    population_group = factor(
                      population_group,
                      levels = c("Rural Male", "Rural Female", "Urban Male", "Urban Female")
                    )
                  )

                会被替换为

                reshape_VADeaths <- transform(
                  expand.grid(
                    sex = colnames(VADeaths),
                    age = rownames(VADeaths)
                  ),
                  rates = as.vector(t(VADeaths))
                )

                本人水平有限,一方面看不懂净土代码,另一方面也很是怀疑其稳定性,为了后续维护计,我放弃了书籍中所有净土代码,一律会被替换掉,类似上面的例子。

                Cloud2016 上帝的归上帝,凯撒的归凯撒。

                此前我提议过三步走,以现有版本里的“道”为芭比娃娃的“体”,保持其稳定性,然后换不同的衣服(“用”),各自独立维护,也许比较可行。

                  dapengde 那新开一个分支就好了,很简单,不同的娃娃在不同的分支上,我主要负责 master 分支的维护,你来负责各条线上的芭比娃娃?

                    把 tidyverse 相关的代码替换掉以后,又可以运行了 😂 😂

                      Cloud2016

                      你链那篇谭显英的博客提到的mutate_at 的问题我也碰到过,一年前写的dplyr相关代码一编译出错, 结果发现语法变了。

                      感觉向后兼容性真是开发过程里很重要的问题。前几天看了python2/3 为什么分家的博客,大概就是引入了不向后兼容的变化(比如print加括号),现在说是2020年py2不再维护寿终正寝,但library下载统计显示40%的下载量依然基于2.7。python2/3生生把社区割裂开我觉得算是软件史上因为引入不兼容改变走过的最长弯路了😂

                      但是一昧向后兼容也会导致积重难返,很多东西明知有更好的做法但为了不破坏下游的依赖也只能将”错”就”错”,比如r里stringasfactor=TRUE, R选项默认保存当前工作环境的image等等…

                      总之我很同意谭那篇博客里提的“不要在生产环境里用净土宗”,好多基础性的语法都在变来变去的话,在我看来是跟鼓吹多年的reproducible research背道而驰的。