1.4 常用包及包的安装、使用与卸载
R包是函数、数据和文档的集合，是对R基础功能的拓展。只有学会如何使用R包，才能真正掌握R语言的精华。使用R语言的过程可以用一句话来描述：用别人的包讲自己的故事。
在安装R的过程中，会自动安装一系列默认包，它们提供了基础的默认函数和数据集。这些包的功能远远无法满足我们的需求，这时我们就需要手动安装一些包。这些包安装好以后，需要通过library()命令载入到会话中才能使用。当你想知道哪些包已加载并可使用，可以使用(.packages())命令。
1.4.1 熟练掌握R语言的10+1包
本书对数据分析常用的包进行了汇总，整理出了以下比较重要的10+1个包供读者参考：
数据读写：readr和readxl包
readr包：把不同格式的数据读入R中，比传统方法快十倍的速度，字符型变量还不会被转化为因子型变量（read.csv等读入时需要加上），如果数据载入时间超过5秒，函数还会显示进度条，支持读入分隔符文件（如用read_csv（）读入CSV格式文件），逐行读入TXT文本文件（用read_lines()函数读取），固定宽度文件（用read_table（）读入表格类文件），网络日志文件（read_log()函数读入日志文件）。
readxl包：如果读入EXCEL文件，首选用这个包，近40万条数据，几秒就读入内存。
上面两个包都是用C++写成，一次读入的数据越多，优势越明显。
数据预处理与重塑：reshape2、dplyr和tidyr、data.table
reshape2，这个包主要功能是对数据格式重塑，两个常用函数melt（）和cast（）。
dplyr，hadley开发的做数据处理的包，功能强大而又实用，主要解决基于数据集的各类dataframe输出，可以说是R语言数据处理必学神器。
tidyr，同上，是对reshape2的升级。
data.table，比dplyr包更高效处理数据的常用包，尤其是在数据集很大的情况下实用，处理速度甚至超过python里的pandas，建议经常处理几百万条以上数据的人员认真掌握（有人试验过，1000多万条，近2G的数据，1分钟就读入内存），建议阅读http://blog.csdn.net/sinat_26917383/article/details/52911734 和 https://zhuanlan.zhihu.com/p/22317779。
日期处理：lubridate包
- lubridate，这个包主要处理日期和时间类的数据。
可视化展现：DT、ggplot2、recharts包
DT包，当需要以表格形式展现一部分数据集或数据分析结果时，DT包是较好的呈现方式。
ggplot2包，这个包基本就是R语言可视化的代言词，功能强大，学习也需要些时间，建议与ggthemes包一起使用
recharts包，这个包是对百度echarts2的封装，即便不会Javascript，也能在R语言中完成各种商业级图表的绘制。详细使用见：http://madlogos.github.io/recharts/index_cn.html#-en
学术研究表格展现：+1包，stargazer包
- stargazer包是经管类学术研究常用的一个分析结果展现表格，由Havard大学学者开发，方便回归分析、面板数据分析等十多种数据分析结果的出版级表格呈现，可以html、Latex或txt形式输出。对于写定量型学术论文的人士大有帮助。
1.4.2 安装R包
R语言包的来源一般有两种：分布在世界各地的CRAN镜像以及github网站。
安装CRAN上的包可以使用install.packages(‘NAME’)命令，NAME是你所需要安装的包的名称。例如：
install.packages('ggplot2')对于托管在github网站上的包，则先要通过install.packages(‘devtools’)命令安装devtools包，之后通过devtools自带的函数install_github()进行包的安装。例如：
devtools::install_github('yihui/knitr')当然也可以手动将包下载到本地进行安装，这种方式在本书中就不做介绍，请读者自行探索。
输入命令library(ggplot2)，对ggplot2这个包进行加载，就可以使用ggplot2这个包开始R语言的探索学习了。