|
如果你还没有完美的配置好R语言，请参考： 软件安装 | CentOS下安装配置Java 软件安装 | CentOS下安装配置Texlive2018 软件安装 | CentOS下安装配置R
正文开始： install.packages
R包安装首先应该知道的方式，这种包主要来自于CRAN库，例如xlsx包，google搜索可见： 
这种包就可以直接使用install.packages('packageName')进行安装，安装的时候会弹出选择镜像，我一般喜欢用兰州大学的镜像，或者可以直接在函数中写明，如下： install.packages('xlsx', repos = 'https://mirror./CRAN/')install.packages('xlsx', repos = 'http://cran.us.') # 或者换个镜像
试开URL’https://mirror./CRAN/bin/macosx/el-capitan/contrib/3.4/xlsx_0.6.1.tgz‘ Content type ‘application/octet-stream’ length 403830 bytes (394 KB) downloaded 394 KB 下载的二进制程序包在 /var/folders/hy/37lqwmm102q4phtx4jsjjv5c0000gn/T//Rtmp0PngqO/downloaded_packages里 >
不报错即表示安装完成！可是，这个xlsx是R中最难安装的包之一，因为它依赖于rJava包，这个rJava就牵扯到Java的配置，所以如果出现如下报错： 报错1：错误: package or namespace load failed for ‘xlsx’: loadNamespace()里算’rJava’时.onLoad失败了，详细内容： 调用: dyn.load(file, DLLpath = DLLpath, …) 错误: 无法载入共享目标对象‘/Library/Frameworks/R.framework/Versions/3.4/Resources/library/rJava/libs/rJava.so’：: dlopen(/Library/Frameworks/R.framework/Versions/3.4/Resources/library/rJava/libs/rJava.so, 6): Library not loaded: @rpath/libjvm.dylib Referenced from: /Library/Frameworks/R.framework/Versions/3.4/Resources/library/rJava/libs/rJava.so Reason: image not found
报错2：configure: error: Java Development Kit (JDK) is missing or not registered in R Make sure R is configured with full Java support (including JDK). Run R CMD javareconf as root to add Java support to R. If you don’t have root privileges, run R CMD javareconf -e to set all Java-related variables and then install rJava.
报错3：conftest.c:1:17:：致命错误 **jni.h：没有那个文件或目录
include 编译中断。 make: * [conftest.o] 错误 1 Unable to compile a JNI program
locate jni.h # 查看jni.h的位置
但其实是有jni.h文件的： /usr/lib/jvm/java-1.8.0-openjdk-1.8.0.181-3.b13.el7_5.x86_64/include/jni.h
遇到这种情况，之前我会花很长时间去想办法解决这个报错点，但是现在我建议直接从正规途径下载并安装新版oracle-jdk即可！ 参考：CentOS下安装配置Java biocLite
生物信息分析必备的安装方式，这种包主要来自于大名鼎鼎的Bioconductor，其中收录了大量的生物学相关统计分析包，以DESeq2为例： 
点击进去即可见到包的安装方法： ## try http:// if https:// URLs are not supported
source('https:///biocLite.R')
第一步要source (如果source函数里用https不行就改成http再试一试！)，如果报错则参考 mac下安装配置R.md biocLite('DESeq2')
… ‘stringdist’, ‘stringi’, ‘subplex’, ‘survival’, ‘sysfonts’, ‘testit’, ‘testthat’, ‘TH.data’, ‘trimcluster’, ‘TSP’, ‘utf8’, ‘vcd’, ‘vegan’, ‘VennDiagram’, ‘VGAM’, ‘viridis’, ‘XML’, ‘yaml’, ‘zoo’ Update all/some/none? [a/s/n]: n >
问是否要更新全部/部分R包，还是都不需要更新，我一般不更新输入n回车即可完成，除非遇到不更新不能用的情况… 当然，除了这两种最常用的方式以外，也可以先把包下载到本地再进行安装，但是不在迫不得已的情况下不建议大家这么做，因为包的安装还涉及到众多依赖包的安装，这个是下载后本地安装无法解决的！ 如何一次安装多个包
我们在配置新装的R语言或者突然需要用到很多新的R包的时候，可能需要一下安装很多包，这个时候应该怎么办？ 不管有没有安装过全部重装吗？ 还是，识别未装的包，并仅对其进行安装呢？
#### 安装未安装的包
need.packs = c('survival', 'pROC', 'xlsx') # 想要安装的R包has = need.packs %in% rownames(installed.packages()) # 判断是否已经安装过了if(any(!has)) install.packages(need.packs[!has], repos = 'https://mirror./CRAN/')
看起来这样就可以解决问题了，但是… 哪些包是需要install.packages安装？哪些需要biocLite安装？
小编以前是靠经验，基本上能知道一些熟悉的R包是来源于CRAN还是Bioconductor，剩下的就检索一下，分开进行上面的安装步骤！ 不过，后来小编觉得这样也太不智能了，一定有方法可以再优化一下代码，寻找一个可以判断R包来源的函数/包（主要是懒得搜索…），万万没想到…找到了一个可以自行 判断是否已安装 并 安装还未安装的包 的包： p_load
https://cran./web/packages/pacman/vignettes/Introduction_to_pacman.html p_load是pacman包中的一个函数，所以首先进行安装pacman包：
if (!require('pacman')) install.packages('pacman', repos = 'https://mirror./CRAN/')
在执行完成后会显示如下： Warning message: In library(package, lib.loc = lib.loc, character.only = TRUE, logical.return = TRUE, : 不存在叫‘pacman’这个名字的程辑包
注意，这是一个警告，是在安装之前判断了不存在这个包，所以不代表未安装成功 (可以关闭警告) ！ 为了测试pacman，先把之前已经安装好的xlsx（来源于CRAN）和DESeq2（来源于Bioconductor）给删除掉： remove.packages(c('xlsx', 'DESeq2'))
从‘/Library/Frameworks/R.framework/Versions/3.4/Resources/library’中删除程序包** (因为没有指定‘lib’)
library(pacman) options(warn = -1) # 这里关闭警告
p_load(xlsx, DESeq2, circlize, ComplexHeatmap, ggplot2) # 主函数p_load，一次安装多个包
不知道你有没有发现，这个p_load很符合我们日常（不编程）的使用习惯，不用c()表示向量，也不用给包名加双引号！就可以运行了： 试开URL’http://cran./bin/macosx/el-capitan/contrib/3.4/xlsx_0.6.1.tgz‘ Content type ‘application/x-gzip’ length 403830 bytes (394 KB) ================================================== downloaded 394 KB The downloaded binary packages are in /var/folders/hy/37lqwmm102q4phtx4jsjjv5c0000gn/T//RtmpW01cor/downloaded_packages xlsx installed Bioconductor version 3.5 (BiocInstaller 1.26.1), ?biocLite for help A newer version of Bioconductor is available for this version of R, ?BiocUpgrade for help 试开URL’http:///packages/3.5/bioc/bin/macosx/el-capitan/contrib/3.4/DESeq2_1.16.1.tgz‘ Content type ‘application/x-gzip’ length 3580154 bytes (3.4 MB) ================================================== downloaded 3.4 MB The downloaded binary packages are in /var/folders/hy/37lqwmm102q4phtx4jsjjv5c0000gn/T//RtmpW01cor/downloaded_packages DESeq2 installed
可见，一个p_load函数就可以胜任（判断出xlsx和DESeq2没装，就直接安装，而其他已经存在的包就不会再重复安装），不报错即表示缺少的包安装成！ 既然安装完了，就可以library加载一下，然后使用啦！ 但是尝试过一次性library很多包的小伙伴可能知道，library并不支持向量形式的多个包一起加载，例如： > need.packs = c(“survival”, “pROC”, “xlsx”) > library(need.packs) Error in library(need.packs) : 不存在叫‘need.packs’这个名字的程辑包
所以小编之前常用lapply来实现： lapply(need.packs, library, character.only = TRUE)
不过，这句微微有些别扭的命令…现在也不需要了，因为p_load函数也一并做了，也就是说： 文化人总结一下：pacman包的p_load函数，嗯，不错！
当然除了常规的CRAN和Bioconductor，你可能也经常会看到，有些R包是放在Github（人们常说的同性交友网站🤔🤔）上的，包括很多R包的作者会把及时更新的包发布在Github上，所以想要使用这些包，就要通过 install_github进行安装 install_github
以TCGAbiolinks为例，虽然在Bioconductor上也有，但是随着GDC的更新完善，TCGAbiolinks也在随之更新，所以安装最新版的TCGAbiolinks极为关键： 
点击进去即可见到包的安装方法： p_load(devtools) # 你需要先有个devtools
install_github(repo = 'BioinformaticsFMRP/TCGAbiolinks')
其实，pacman包中也有从GitHub上安装R包的函数p_load_gh，不过也是基于install_github去写的： p_load_gh('BioinformaticsFMRP/TCGAbiolinks')
不过，不管使用哪种方式，在安装GitHub上的R包时你会发现，一定要告诉函数这个包属于哪个仓库，例如 “BioinformaticsFMRP/TCGAbiolinks” 的 “BioinformaticsFMRP”，否则就无法安装。这样的话，即便我记住了这个包的名称，每次要安装，也还是要去google一下这个包的库，或者翻看自己的脚本记录，然后复制粘贴到函数里，不是很麻烦吗？ 所以，有没有一个包可以直接通过包名就能从Github上安装相应的R包呢？ githubinstall
https://github.com/hoxo-m/githubinstall p_load(githubinstall)githubinstall('TCGAbiolinks')
当然，毕竟是Github，如果网络环境不好的话，很可能会报错： Error in curl::curl_download(input, tmpFile, mode = “wb”, quiet = !showProgress) : Timeout was reached: Connection timed out after 10001 milliseconds
如果提示如下，则表示找到了BioinformaticsFMRP下的TCGAbiolinks包 Suggestion: BioinformaticsFMRP/TCGAbiolinks TCGAbiolinks Do you want to install the package (Y/n)?
输入Y确认安装即可（同时会安装各种依赖包）： Downloading GitHub repo BioinformaticsFMRP/TCGAbiolinks@master from URL https://api.github.com/repos/BioinformaticsFMRP/TCGAbiolinks/zipball/master Installing TCGAbiolinks …
更炫酷的功能1、模糊匹配。例如，你不记得包名哪些字母要大小写： githubinstall('tcgabiolinks')
Suggestion: BioinformaticsFMRP/TCGAbiolinks TCGAbiolinks Do you want to install the package (Y/n)?
2、全局搜索。例如有很多叫cats的包： githubinstall('cats')
Select one repository or, hit 0 to cancel. 1: amurali2/cats cats
2: danielwilhelm/cats No description or website provided.
3: hilaryparker/cats An R package for cat-related functions #rcatladies
4: lolibear/cats No description or website provided.
5: rafalszota/cats No description or website provided.
6: tahir275/cats ff Selection:
3、列举R包。例如hadley开发了哪些包，或者作者是不是叫hadly？ gh_suggest_username('hadly')
[1] “hadley” # 应该是hadley
hadleyverse = gh_list_packages(username = 'hadley')[1:3,] # 列举hadley开发的包
username package_name title 1 hadley RcppDateTime 2 hadley S3 Helpers for Programming with the S3 Object System 3 hadley assertthat User friendly assertions for R
repos <- with(hadleyverse,="" paste(username,="" package_name,="" sep="">'/')) # 一次安装hadley所有的包githubinstall(repos)
例如，有哪些lasso算法相关的R包： gh_search_packages('lasso')
4、查看Github上函数的源代码： gh_show_source('gh_search_packages', repo = 'githubinstall')
githubinstall的更多功能大家可以参考官方文档，接下来，让我们再详细叙事下镜像的事情... 默认的镜像是什么？
install.packages() 的时候需要你选择镜像，当然你可以在脚本中直接设置 repos 参数: install.packages('xlsx', repos = 'https://mirror./CRAN/')
但是在安装依赖包的时候，包的默认下载的路径则是https://cran.，如下： 试开URL’https://cran./src/contrib/bit_1.1-14.tar.gz‘ Content type ‘application/x-gzip’ length 54779 bytes (53 KB)
而安装Bioconductor包的时候，不会有弹框让你选择镜像，此时默认的镜像就是： http:///packages
Installing package(s) ‘limma’ 试开URL’https:///packages/3.7/bioc/src/contrib/limma_3.36.2.tar.gz‘
为什么要设置镜像？
很显然，本来默认的镜像都是美帝那一套，有时候不太符合我们中国的国情，所以…不稳定或者墙很难爬的时候就需要换成一个国内的镜像，用起来会比较安逸！ 有哪些可用镜像？
官方给出的CRAN和Bioconductor镜像源可以分别进到网页里查看： CRAN： https://cran./mirrors.html Bioconductor： https://www./about/mirrors/ 其中，Bioconductor在国内可用镜像目前只有两个： 中科大： https://mirrors.ustc.edu.cn/bioc/ 清华： https://mirrors.tuna./bioconductor 如何设置镜像？
# 设置CRAN镜像(可以换成任意其他可用镜像)
options(CRAN='https://mirrors.tuna./CRAN')# 设置bioconductor镜像options(BioC_mirror='https://mirrors.tuna./bioconductor')
biocLite('limma') # 测试一下
BioC_mirror: https://mirrors.tuna./bioconductor
Using Bioconductor 3.7 (BiocInstaller 1.30.0), R 3.5.1 (2018-07-02).
Installing package(s) ‘limma’
试开URL’https://mirrors.tuna./bioconductor/packages/3.7/bioc/src/contrib/limma_3.36.2.tar.gz‘ Content type ‘application/octet-stream’ length 1465903 bytes (1.4 MB) downloaded 1.4 MB
可见，这个包是从刚设置的清华源上下载的（速度确实快到飞起…）。按理说这种临时设置的方式足够用了，但是有两个问题： 这种设置方式是一次性的，即当你重新打开了一个R窗口，需要再次运行options才能使用该镜像！ 安装依赖包时，仍然会用R默认的镜像去下载！
file.path(R.home(), 'etc', 'Rprofile.site')
如果不存在这个文件，就要在上示命令返回的路径下新建这个Rprofile.site文件，并在文件中粘贴如下内容： ## local creates a new, empty environment## This avoids polluting the global environment with## the object rlocal({ r = getOption('repos') r['CRAN'] = 'https://mirrors.tuna./CRAN' # 更换成清华源 options(repos = r)})options(BioC_mirror='https://mirrors.tuna./bioconductor')
此处注意，BioC_mirror 一定要在末尾处添加，如果是直接添加在local内部，运行： install.packages('xlsx')
会报如下错误： Warning: 无法在貯藏處https://mirrors.tuna./bioconductor/src/contrib中读写索引: 无法打开URL’https://mirrors.tuna./bioconductor/src/contrib/PACKAGES‘
镜像源测试
重新打开R，安装TCGAbiolinks： library(githubinstall)githubinstall('TCGAbiolinks')
我们截取其中两个依赖包的安装： 试开URL’https://mirrors.tuna./bioconductor/packages/3.7/bioc/src/contrib/AnnotationDbi_1.42.1.tar.gz‘ Content type ‘application/octet-stream’ length 4337155 bytes (4.1 MB) ================================================== downloaded 4.1 MB Installing AnnotationDbi 试开URL’https://mirrors.tuna./CRAN/src/contrib/RSQLite_2.1.1.tar.gz‘ Content type ‘application/octet-stream’ length 2192835 bytes (2.1 MB) ================================================== downloaded 2.1 MB Installing RSQLite
可见，不管是CRAN还是Bioconductor的包，全部是来自清华源，安装的是又快又好，因为TCGAbiolinks需要大量的依赖包，所以在新机器上基本上很难一次安装成功，而国内源就可以极大的克服这个问题！ ** installing vignettes ** testing if installed package can be loaded * DONE (TCGAbiolinks) > library(TCGAbiolinks) >
哈哈，果然厉害！
|
