R问题|如何本地安装 R 包

简介: R问题|如何本地安装 R 包

简介

平常在各种 R 语言群里,总会遇到关于安装 R 包的问题,例如:搭载在github上的 R 包,由于网速(外网)原因而无法下载该怎么办?

这里小编分享下平常逼不得已才使用的“下三滥”方法——直接下载包,通过本地安装

网上好多解决方案都是基于R GUI的,但现实中使用 RStudio 这个 IDE 会更多些。接下来以 gmm 包在 RStudio 下安装为例:

教程

  1. 使用 bing 网站搜索该包,找到相应网站[1]

关键词:R 包名称 + R,或者可以再加上 CRAN。


922af8c30b074c021dd256cd05ee6653.png


搜索技巧:R 包名称 + R

  1. 找到 Downloads 板块,下载对应的压缩包

这里以 mac 电脑为例


a790b1aba4aded3253fe7991b317875b.png


mac为例

  1. 打开 RStudio,点击右下角的 Packages,Install from 选择为 Ppackage Archive File


206f0838281193f75689cdfae566ed0e.png

打开Rstudio

  1. 载入刚才下好的压缩包


edd7611bb27e5ab9b764a8ef6a634b63.png


加载该包

  1. 测试是否安装成功


b2ddca33441db1ca6d87cb0028ddc47d.png


小编有话说

  • 这种方法可以作为最后的备选方案。如果直接使用install.packages("")或者 devtool 包下载无效,则可以使用这种方法。
  • 这个方法对一些有很多依赖包的包可能会很头疼,就怕安装完成,他还说你有其他包没安装,那你只能“将错就错”了!

参考资料

[1]

gmm 包对应网站: https://cran.r-project.org/web/packages/ggm/index.html

目录
相关文章
|
机器学习/深度学习 算法 PyTorch
大规模模型训练tricks集锦
大规模模型训练tricks集锦
740 1
|
存储 算法 搜索推荐
时间复杂度:一步步理解算法效率
时间复杂度:一步步理解算法效率,更多文章可关注我的微信公众号:Python学习杂记
935 0
|
2月前
|
存储 SQL 机器学习/深度学习
一文辨析:数据仓库、数据湖、湖仓一体
本文深入解析数据仓库、数据湖与湖仓一体的技术原理与适用场景。数据仓库结构严谨、查询高效,适合处理结构化数据;数据湖灵活开放,支持多模态数据,但治理难度高;湖仓一体融合两者优势,实现低成本存储与高效分析,适合大规模数据场景。文章结合企业实际需求,探讨如何选择合适的数据架构,并提供湖仓一体的落地迁移策略,助力企业提升数据价值。
一文辨析:数据仓库、数据湖、湖仓一体
|
12月前
|
存储 Cloud Native NoSQL
云原生时代的数据库选型与架构设计
云原生时代的数据库选型与架构设计
211 0
|
消息中间件 架构师 Java
阿里面试:秒杀的分布式事务, 是如何设计的?
在40岁老架构师尼恩的读者交流群中,近期有小伙伴在面试阿里、滴滴、极兔等一线互联网企业时,遇到了许多关于分布式事务的重要面试题。为了帮助大家更好地应对这些面试题,尼恩进行了系统化的梳理,详细介绍了Seata和RocketMQ事务消息的结合,以及如何实现强弱结合型事务。文章还提供了分布式事务的标准面试答案,并推荐了《尼恩Java面试宝典PDF》等资源,帮助大家在面试中脱颖而出。
|
存储 索引 Python
生信教程:使用全基因组SNP数据进行ABBA-BABA分析
生信教程:使用全基因组SNP数据进行ABBA-BABA分析
|
机器学习/深度学习 人工智能 数据可视化
大数据时代的数据可视化技术:趋势、挑战与未来展望
【7月更文挑战第22天】随着技术的不断进步和应用场景的不断拓展,数据可视化技术将在更多领域发挥更大的作用。未来,我们可以期待更加智能化、实时化、沉浸式和民主化的数据可视化解决方案的出现。同时,随着数据量的不断增加和数据类型的不断丰富,数据可视化技术也将面临更多的挑战和机遇。只有不断创新和优化技术才能满足日益增长的需求并推动数据可视化技术的持续发展。
1598 3
|
存储 监控 算法