2025年数据科学初学者必学的11个顶级R包

本文作为数据科学博客马拉松的一部分发布。

新功能
Beta

个性化GenAI学习路径2025？专为您打造！
立即下载

引言
R是数据科学和统计分析的热门选择，许多R包提供了广泛的工具和函数来处理数据。我们将讨论2025年数据科学初学者应学习的11个顶级R包。您会发现这些包在所有R项目中都很常见，是新手开始R之旅的绝佳选择。
这些包提供了一系列功能，包括数据操作和整理、数据可视化、机器学习、动态文档以及日期和时间处理。这些包是处理R中数据的基本工具。本文按使用它们执行的特定任务分类介绍了这11个库。

数据预处理包
?dplyr

dplyr是tidyverse库集中最常用的库之一。它主要用于R中的数据操作。dplyr中最常用的五个函数是：

mutate()：此函数向现有数据框添加新列
select()：此函数帮助您从数据框中选择特定列
filter()：此函数根据您提供的逻辑条件从数据框中提取子集
summarise()：summarize函数打印整个数据框的摘要
arrange()：arrange函数根据所选列的值重新排序数据

所有这些函数都可以与“group_by()”函数轻松结合，该函数允许您“按组”执行任何操作。
除了数据框，dplyr还使处理其他计算后端变得简单高效，例如用于大型内存数据集的dtplyr和处理存储在关系数据库中的数据的dbplyr，将代码翻译为SQL，用于处理存储在Apache Spark中的大数据集的sparklyr。您可以在此处了解更多关于dplyr的信息。

stringr

stringr广泛用于数据清理和准备活动。stringr提供了一组使字符串处理变得简单的函数。它基于stringi包，该包使用ICU C库提供快速、准确的基本字符串操作实现。
stringr中的七个主要函数如下，它们以“str_”开头，并将字符串向量作为第一个参数：

strdetect()：此函数检测字符串中是否存在模式匹配
strcount()：此函数计算字符串中的匹配数
strsubset()：此函数返回包含模式匹配的字符串
strlocate()：此函数给出模式匹配在字符串中的位置
strextract()：此函数提取字符串中找到的第一个模式匹配
strmatch()：此函数返回由括号定义的每个字符串中找到的第一个模式匹配
strreplace()：此函数用新文本替换每个字符串中找到的第一个匹配模式
strsplit()：此函数将字符串拆分为多个部分

您可以在此处了解更多关于stringr的信息。

readr

readr的目的是提供一种快速简便的方法来读取分隔文件中的矩形数据，如逗号分隔值（CSV）和制表符分隔值（TSV）。它旨在解析多种数据格式，并在解析产生意外结果时提供信息丰富的问题报告。
readr支持以下文件格式及其对应的read_*()函数：

readcsv()：用于加载逗号分隔值（CSV）文件
readtsv()：用于加载制表符分隔值（TSV）文件
readdelim()：readdelim()函数用于读取最流行的平面文件数据形式，即逗号分隔值和制表符分隔值，分别对应readcsv()和readtsv()函数
readfwf()：用于读取固定宽度文件
readtable()：用于读取每列由空格分隔的文本数据
read_log()：用于读取Web日志文件

您可以在此处了解更多关于readr的信息。

数据可视化包

ggplot2

ggplot2是用于统计编程语言R的数据可视化包。它由Hadley Wickham创建，并实现了Leland Wilkinson的图形语法——一种用于数据可视化的通用方案，将图形分解为语义组件，如比例和图层。ggplot2允许用户使用简洁、一致的API创建各种静态、动画和交互式图形。它对于可视化复杂数据和创建自定义图形非常有用。ggplot2在学术界和工业界广泛使用，并已成为R中数据可视化的必备工具。使用ggplot2，您可以构建几乎任何类型的图表。
通常，您从ggplot()函数开始，提供数据集和aes()函数中的美学映射。然后，您可以添加不同的图层来构建不同的图表。为了使它看起来更漂亮，您可以添加不同的颜色并使用诸如facet_wrap()之类的分面规范。您可以在此处了解更多关于ggplot2的信息。

Leaflet

它是一个开源的JavaScript包，主要用于创建交互式地图。此外，您可以直接从R控制台使用这些地图。您可以使用任意组合的地图瓦片、多边形、标记、线条等设计和自定义您的地图。在此处阅读有关leaflet包的更多信息。

机器学习包

Caret

caret包（分类和回归训练的缩写）是一组用于在R中构建预测模型的工具。它提供了用于预处理数据、创建模型对象、训练模型、评估模型性能和调整模型超参数的函数。caret包旨在简化模型训练过程，并允许用户轻松比较和选择各种模型类型和调整参数。它支持多种模型类型，包括线性和非线性回归、分类和聚类算法，并为处理这些模型提供一致的接口。caret包在R中广泛用于机器学习。您可以在此处了解更多关于caret的信息。

动态文档包
knitr

knitr包是一个R包，允许用户在各种文档格式中嵌入R代码和输出，包括HTML、PDF和Microsoft Word。它基于Sweave系统构建，该系统由Friedrich Leisch开发，允许用户混合R代码和LaTeX文档。
knitr为Sweave添加了许多功能，包括：

能够包含来自其他语言的代码和输出，如Python和SQL
创建动态报告，当基础数据或代码更改时可以自动更新

knitr是创建可重复研究文档的热门选择。

R Markdown

R Markdown包是一个R包，允许用户创建结合文本、代码和输出的动态文档。R Markdown文档使用一种简单易学的标记语言Markdown创建，该语言是流行的Markdown语法的变体。R Markdown文档可以呈现为各种格式，包括HTML、PDF和Microsoft Word。它们对于创建可重复研究非常有用，允许用户直接在文档中嵌入R代码和输出。R Markdown包提供了许多用于格式化和自定义R Markdown文档的功能，包括能够包含图像、表格和其他格式化元素。它是创建各种文档的强大工具。

日期和时间包

?lubridate

lubridate包是一组用于处理R中日期和时间数据集的工具。它提供了用于解析、操作和格式化日期和时间的函数，以及用于执行常见操作（如查找两个日期之间的差异或将指定天数添加到日期）的函数。lubridate通过为常见任务提供一致、直观的界面，使在R中处理日期和时间数据变得容易。它还支持处理时区，并自动处理诸如夏令时之类的问题。lubridate是处理R中日期和时间数据的热门选择，是初学者必须了解的包。您可以在此处了解更多关于lubridate的信息。

交互式表格包

DT

DT包是一个R包，支持在R中创建交互式表格。它基于DataTables JavaScript库，该库提供了一个快速且功能丰富的界面，用于在Web浏览器中生成交互式表格。DT包允许用户创建可以排序、过滤和搜索的表格，并且可以对大型数据集进行分页。它还提供了用于自定义表格外观和行为的函数，包括能够添加格式化、工具提示和其他功能。DT包是在R中生成交互式表格的热门选择，初学者可以轻松使用。您可以在此处了解更多关于DT的信息。

仪表板包

Shiny

Shiny是R中广泛使用的包。Shiny帮助您通过可视化与他人分享您的发现，并使其更易于理解。使用Shiny创建交互式Web应用程序更简单。
您可以创建仪表板，将独立应用程序嵌入R Markdown文档中，并将其托管在网站上。此外，您还可以将CSS主题、HTML小部件和JavaScript操作添加到Shiny应用程序中。您可以在此处了解更多关于Shiny的信息。

结论
总之，本文中提到的2025年数据科学初学者必学的11个R包提供了广泛的工具和功能，用于在R中处理数据。从数据操作和可视化到机器学习和动态文档，这些包是任何R用户的基本工具。本文的一些关键要点包括：

dplyr、stringr和readr包是数据操作和整理的必要工具。
ggplot2和leaflet是创建静态、动画和交互式图形的强大工具。
caret是R中机器学习初学者的热门选择。
knitr和R Markdown有助于创建动态研究文档。
lubridate是处理R中日期和时间数据的强大工具。
DT提供了在R中创建交互式表格的界面。
Shiny是创建漂亮仪表板的热门工具。

总体而言，这些包是2025年初学者必须学习的基本工具，因为它们提供了广泛的R中数据处理功能。
本文中显示的媒体不属于Analytics Vidhya，由作者自行决定使用。

Devashree
Devashree拥有德国信息技术硕士学位和数据科学背景。作为一名工程师，她喜欢与数字打交道，并揭示来自不同领域的不同数据集中隐藏的见解，以构建漂亮的可视化，尝试解决现实世界中有趣的机器学习问题。
在业余时间，她喜欢烹饪、阅读和写作，发现新的Python机器学习库或参加编码比赛。

初学者库列表R