1.1　套件管理

數據分析開源（open source）軟件，早已跳脫傳統盒裝軟件以有形光盤傳遞產品與服務的概念了，R與Python將實現數據處理與建模的形形色色套件（或稱包、模塊）提供于互聯網的諸多服務器上，且不斷地推陳出新（evolvable）。截至2021年年初，R語言套件數已接近17 000，Python語言更有超過280 000個開發項目（不僅限于數據分析），兩者在統計計算（statistical computing）與科學計算（scientific computing）方面各有擅長，可謂數據分析不可或缺的利器。使用這些工具須先了解圖1.1中套件管理的兩個步驟，第一步是從云端將套件下載到本機的硬盤中，例如，R語言通過install.packages(pkgs="xxx")，從默認的鏡像網站（mirror sites）下載套件xxx至本機硬盤，函數install.packages()內加套件字符串名，作為參數pkgs的值。第二步是每次啟動新的對話（new session）時，須將本機硬盤中的套件加載至隨機存取內存（Random Access Memory, RAM）中，例如，R語言通過library()函數內加套件字符串名（即library(xxx)）后，方能使用該套件下的數據、函數與說明文件（見圖1.2）。

Python的套件管理概念與R相同，只不過將第一步云端下載的指令改為在命令提示字符模式（Windows操作系統）、終端機模式（Mac OS與Linux操作系統）下輸入pip install xxx來下載套件；第二步則通過import xxx as yy加載Python套件xxx至內存中，并將其簡記為yy，或者通過from xxx import zzz，從較大的套件xxx中加載其中所需的模塊zzz。

套件分類方面，R語言的套件分成三級：

·　基本套件（base packages）：在未更改初始設定下，每次啟動R新對話時，會自動從硬盤加載下列基本套件："package:stats","package:graphics","package:grDevices","package:utils","package:datasets","package:methods","package:base"至內存，也就是說第一次安裝R時，這些由R語言核心開發團隊（R core development team） 維護的基本套件的第一步已經完成，每次啟動R時也會先將之加載至內存中，換句話說第二步也是自動完成的。

·　建議套件（recommended packages）：R語言核心開發團隊建議使用的重要套件，第一次安裝R時也會自動從云端下載這些套件到本機硬盤，每次啟動R新對話時如要使用僅須用library()函數將其加載至內存即可。也就是說第一步已于安裝時完成，第二步須使用者手動完成。

·　貢獻套件（contributed packages）：數量最多的由志愿者提供的套件，第一次使用時須執行前述的兩步驟，爾后僅須執行第二步。

根據圖1.1，套件管理的重點是執行程序代碼時，須留意內存與硬盤中有無所需套件，方能判斷是否應執行第二步，或兩步驟皆須完成。首先，search()函數查看當前R對話已將哪些套件加載至內存中。

上面的程序代碼直接輸入在R語言控制臺（console）中命令提示字符（command prompt）>的后面，再按回車鍵（return key）執行命令；或者是輸入在集成開發環境（Integrated Development Environment, IDE）RStudio的程序代碼編輯區，再送往控制臺執行（請單擊程序代碼編輯區上方工具欄中的Run）。

通過installed.packages()和library()函數可以了解本機硬盤下載了哪些套件，而.libPaths()則返回下載的套件在本機硬盤的存放路徑。如前所示，程序員可以#開頭，在程序代碼中加上批注說明。

以下三小節舉例實際操作三類套件的使用方式。