<孤注一掷> 观后感
其中，一句话记忆犹新：人有两个心，一颗贪心，一颗不甘心。
好似世间丰富多彩的动力，又好似人间罪恶的源泉。
日常瞎掰
之前在<R语言的碎碎念>提到过，R使用起来那么方便的原因之一是函数调用。这些函数来自哪里呢？一部分自然是来自R语言本身，另一部分更实用的功能无疑是来自扩展包的函数。那么，今天咱们就接着往下说，概括一下R包的安装方法。
根据R包所属于的库，可以将安装方式分为三种，每一种分别借用不同的函数来完成。另外，所有的R包都可以用一种统一的安装方式来解决。下面一起来看看具体是怎么回事。
安装方法
1、CRAN
R包的官方库，里面有各式各样的包，当然也包括很多可用于生信分析的包。既然是官方库，那安装起来自然是方便的。
install.packages('ggplot2')
上面的安装命令虽然简洁，但有局限性。如果在服务器上安装，做为分析人员大概率是没有管理员权限，这时默认的R包路径应该也不会有写入的权限，这个时候可以创建一个属于个人的安装路径，用来存放需要的包，集中管理方便使用：
install.packages('ggplot2', lib='~/rlib/r-3.3_lib')
通过指定lib参数可以自定义包的安装路径，如上面所示，会将包安装在家目录下的rlib子目录里的r-3.3_lib目录里面。当然，这是个人习惯，可以按照自己喜欢的方式来管理。不过，还是要区分不同的R版本，避免版本之间的兼容性问题。安装后，想要加载包也需指定一下个性化的安装路径，否则无法加载：
library('ggplot2', lib.loc='~/rlib/r-3.3_lib')
上面的方式虽然可以指定个人路径，但每次安装或者使用都要指定一下，这就显得比较麻烦，有没有更便捷的方式呢？答案有两个，一种是利用.libPaths函数修改包的目录；另一种是修改系统的环境变量R_LIBS_USER。这里展示一下前一种方式，感兴趣的可以自行尝试第二种：
.libPaths('~/rlib/r-3.3_lib')
install.packages('ggplot2')
library('ggplot2')
Tips：如果需要安装多个包，直接以向量的方式提供即可，这就是前面提到过的向量化操作的特性，无需显式地循环，R本身就能基于向量循环：
install.packages(c('ggplot2', 'pheatmap', 'ggpubr', 'ggnewscale'))
有时候安装会受到网速的限制，这个时候可以尝试将库地址指定为国内的镜像库，只需添加参数repos="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"即可。国内的镜像库有很多，很容易搜索到，这里展示的是清华的镜像库。
另外，强调一下，这里提到的一些设置和特性也同样适用后面的方法，后续就不再重复了。
根据库名的前三个字母便可以顾名思义，这个库跟生物相关，收藏了用于生物信息相关的R包。安装此库里面的包时，需要根据R的版本采用不同的策略：
- R >= 3.5.0
借助BiocManager包来安装该库里面的包，安装BiocManager用install.packages即可。
library(BiocManager)
install("GenomicFeatures")
- R < 3.5.0
source("https://bioconductor.org/biocLite.R")
biocLite("GenomicFeatures")
3、GitHub
一般处于开发状态的最新版或者没有发布稳定版的包会放置在github网站上面，如果想尝鲜的话可以安装：
library(devtools)
install_github('satijalab/seurat-data')
4、install.packages
上面虽然列举出了三种安装方式，本质上后两种都可以被第一种替代，都可以用install.packages来安装。这种方式相对更自由，但也更为麻烦。之前在<clusterProfiler: No gene can be mapped | 怎么破？>中提到，R包之间的相互依赖形成了套娃式的结构，牵一发而动全身。
采用这种手动的方式就要自己解决依赖包的问题，这可不是什么好主意，所以不推荐用这种浪费时间的方法。除非，你有自己的想法，比如想修改包里面的函数。那么，如果想用这种方式安装时，应该怎么做呢？
- 首先，在对应的库里面下载R包的压缩包到本地，注意R的版本
- 再者，检查R包依赖的其他包有没有安装，以上图的
ggplot2为例，可以看看其需要导入很多其他的包，Imports那一行所示。如果依赖的包不存在，需要先安装好。
- 最后，使用
install.packages函数安装：
install.packages('ggplot2_3.4.2.tar.gz')
结束语
R包的前三种安装方式正常情况下都不难，就是不同函数的调用而已，尤其是在windows上面基本不会有问题。最后一种方法，较为麻烦，但有时候却也不失为一种办法，可以用来快速自定义地修改包以到达自己想要的分析需求。根据情况而定选择合适的方式很重要，好的方法可以事半功倍，毕竟时间才是珍贵的存在！
往期回顾
clusterProfiler: No gene can be mapped | 怎么破？
R语言的碎碎念
linux入门学习指南
武林大会之对角线热图
ggplot2 | 绘制双y轴的图型
