01-chapter1.Rmd

# Вступ до курсу {#chapter1}

## План {-}

- [Що таке R?](#chapter11)
- [Історія створення R](#chapter12)
- [Основи роботи з R](#chapter13)
    - [R Project](#chapter131)
        - [Завантаження та інсталяція R](#chapter1311)
        - [Перший запуск R GUI](#chapter1312)
        - [Поняття робочого простору](#chapter1313)
        - [Поняття робочого каталогу](#chapter1314)
        - [Допомога (help/?)](#chapter1315)
    - [Робота з R Studio](#chapter132)
        - [Завантаження та інсталяція RStudio Desktop](#chapter1321)
        - [Створення першого проекту в RStudio](#chapter1322)
    - [Робота з Jupyter Notebook](#chapter133)
    - [Огляд додаткових IDE та сервісів для роботи з R](#chapter134)
- [Основи роботи з пакетами в R](#chapter14)
  - [Команди для роботи з пакетами](#chapter141)
  - [Робота з пакетами в RStudio](#chapter142)
    
---

## Що таке R? {#chapter11}

R є поширеною мовою програмування для роботи з даними (`DataScience`) та машинного навчання (`Machine Learning`). Але Ви можете скористатися засобами R і для простіших задач: обчислення, візуалізація даних.

Синтаксис мови програмування R є досить простим для вивчення та використання, а широкий набір готових пакетів дозволяє використати готові розробки для виіршення широкого спектру задач від статистичних обчислень до навчання нейронних мереж для розпізнавання/класифікації зображень.

Важливо відмітити, що мова програмування R є безкоштовною (`free`) і має відкритий код (`open source`).

R має ряд корисних властивостей, серед яких варто виділити:

* **Візуалізація даних**. Побудова різноманітих видів графіків, робота з мапами, широкий спектр бібліотек та налаштувань до них.

* **Повторне використання коду**. На відміну від електронних таблиць, що мають обмеження на кількість спостережень (наприклад, MS Excel), R дозволяє працювати з великими масивами даних та перезапускати обчислення у потрібний момент не створюючи додаткових копій даних. 

* **Машинне навчання**. R дозволяє використати для побудови, навчання та тестування моделей, а також оптимізації гіперпараметрів та відбору факторів дуже велику кількість алгоритмів. Існують також спеціальні пакети, що об'єднують у собі усі описані функції та алгоритми, наприклад, `caret` та `mlr`.

* **Автоматизація**. Написаний код та проекти можна перетворити у готові до публікації та впровадження продукти (deployment) або використовувати напрацьовані алгоритми для швидкого вирішення схожих задач (pipeline).

Також можна виділити досить корисні фічі **Розробка веб-застосунків** та **Звітність**, адже, використовуючи спеціальні бібліотеки (`shiny`, `shinydashboard`, `flexdashboard`, `rmarkdown`, `knitr` тощо), результати виконаної роботи можна "оживити" або сформувати "на льоту" готові до презентації документи.

---

## Історія створення R {#chapter12}

Мова програмування `R` виникла як продовження статистичної мови `S`. Назва мови `S` була обрана аналогічно до `C`. Створена `S` була у 1976 році компанією `Bell Labs`. Мова `S` мала кілька версій і широко використовувалася для комерційного програмування. Найпотужнішою була версія `S-Plus`, що мала реалізацію за досить немалу кількість функцій під `Windows` та `Unix`-платформи, що стримувало її розвиток. Саме в цей момент розпочинається історія `R`.

Влітку 1993 року двоє молодих новозеландських вчених анонсували свлю нову розробку, яку вони назвали `R` (є інформація, що  буква "R" була обрана тому, що вона стоїть перед "S" у латинському алфавіті, тут є аналогія з мовою "C", якій передувала мова "B") [@R-stats-book]. За задумом авторів (Robert Gentelman та Ross Ihaka) це повинна була бути нова реалізація мови `S`, що відрізнялася від `S-Plus` деякими деталями, наприклад, роботою з локальними та глобальними змінними, пам'яттю тощо. Фактично було створено нову мову, що відгалуджується від `S`.

Проект з самого початку розвивався досить повільно, але коли у команди розробників `R` з'явлися ресурси, в тому числі зручна системи створення розширень (пакетів), все більше аналітиків, статистиків, вчених, програмістів почало переходити з `S-Plus` на `R`. Коли були усунуті проблеми роботи з пам'яттю перших версій `R`, на цю мову почали переходити користувачі інших статистичних пакетів (SAS, Stata, SYSSTAT).

Кількість книг та публікацій у мережі Інтернет по роботі з R постійно зростає разом із зацікавленням молодих і вже досвідчених спеціалістів зі сфери ІТ темою науки про дані, машинним навчанням, аналітикою для бізнесу, охорони здоров'я тощо.

---

## Основи роботи з R {#chapter13}

### R Project {#chapter131}

`R` є безкоштовним програмним забезпеченням, що розповсюджується за умовами [GNU General Public License](https://www.r-project.org/COPYING). Код, написаний на `R` компілюється та запускається на різних платформах: UNIX, Windows, MacOS [@R-base].

#### Завантаження та інсталяція R {#chapter1311}

Для завантаження актуальної версії R варто перейти на сайт проекту [https://cran.r-project.org/](https://cran.r-project.org/).

На сайті обираємо завантаження `R` для потрібної операційної системи. У межах курсу ми вокристовуємо `ОС Windows`, проте на синтаксис мови програмування та процес написання коду це не впливає: 

```{r fig.cap="Завантаження R. Вибір ОС", eval=T, echo=F}
knitr::include_graphics("images/chapter1/r_gui_1.png")
```

У наступному вікні клікаємо на **install R for the first time**:


```{r fig.cap="Завантаження R. Перша інсталяція", eval=T, echo=F}
knitr::include_graphics("images/chapter1/r_gui_2.png")
```

Далі обираємо **Download R 4.X.X for Windows**, де `4.X.X` версія `R`, яка може бути відмінною на момент вивчення курсу: 

```{r fig.cap="Завантаження R. Завантаження версії для ОС", eval=T, echo=F}
knitr::include_graphics("images/chapter1/r_gui_3.png")
```

Після завантаження файлу інсталяції потрібно його запустити. Зазвичай завантажений файл можна побачити у лівому нижному кутку браузера або у розділі "Завантаження" Вашого браузера. Наприклад, у браузері `Google Chrome` знайти цей пункт меню так:

```{r fig.cap="Завантаження R. Розділ \"Завантаження\" у Google Chrome", eval=T, echo=F}
knitr::include_graphics("images/chapter1/chrome_download_button.png")
```

Процес інсталяції ПЗ не відрізняється від інших програм і детального опису не потребує. Основним тут є запам'ятати шлях встановлення проекту або "відмітити галочками" пункти щодо публікації на *Робочий стіл* чи у меню швидкого доступу ярликів  для того, щоб знайти файли запуску. 

#### Перший запуск R GUI {#chapter1312}

За замовчуванням під час інсталяції пропонується шлях `C:\Program Files\R\R-4.X.X`. 

Для запуску `R GUI` (стандартного графічного інтерфейсу для роботи з `R`) потрібно зайти у папку `bin\x64` (або `i386`, якщо у Вас 32-х розрядна ОС) та запустити файл `Rgui.exe`.

Вигляд вікна `R GUI` зображено нижче:

```{r fig.cap="Вигляд головного вікна RGui", eval=T, echo=F}
knitr::include_graphics("images/chapter1/r_gui_4.png")
```

<div class="alert alert-info">
<i class="fas fa-info-circle fa-alert fa-2x"></i>
*GUI* (*G*raphical *U*ser *I*nterface) - набір візуальних компонентів для інтерактивної взаємодії користувача з програмним забезпеченням.
</div>

У вікні `R Console` можна вводити команди/інструкції `R`, що будуть виконуватися:

Результати виконання команд зберігаються у памяті програми і можуть бути використані у наступних блоках коду:

```{r fig.cap="Вигляд консолі для команд RGui", eval=T, echo=F}
knitr::include_graphics("images/chapter1/r_gui_5.png")
```
Середовище `R GUI` має широкий спектр функцій і дозволяє написати будь-якого рівня складності проекти на R, проте він є лише базовою графічною обгорткою для `R`. Розглянемо інші зручніші середовища для написання `R`-коду.

#### Поняття робочого простору {#chapter1313}

У процесі виконання коду створені об'єкти/змінні та функції зберігаються у поточній сесії. У `R` є можливість переглянути список збережних елментів, видалити усі або окремі, зберегти стан поточної сесії диск та завантажити його пізніше, щоб не проходти усі етапи виконання коду повторно _(інколи дуже складний код може виконувати досить довго і збереження проміжних результатів може бути хорошим рішенням)_.

Для прикладу створимо дві змінні `var1`, `var2` та виведемо на консоль їх значення: 

```{r vars_demo1, eval=T}
var1 <- 10
var2 <- sqrt(15)
var1
var2
```

Для того аби переглянути список змінних у поточній сесії варто скористатися **`ls()`**:

```{r eval=T}
ls()
```

Якщо виникає потреба очистити робочий простір і звільними пам'ять використовується команда `rm()`. Так, щоб очистити усі змінні можна скористатися `rm(list = ls())`, якщо ж Ви хочете видалити якусь одну/дві змінних, то просто вкажіть імена:

```{r eval=T}
rm(list = c("var1"))
ls()
```

Таким чином, після виконання коду вище, залишиться лише змінна `var2`.

Зберігання образу (`image`) робочого простору на диск здыйснюэться за допомогою команди `save.image("шлях до файлу.RData")`, а його зчитування за допомогою `load("шлях до файлу.RData")`:

```{r eval=T}
# Clear workspace
rm(list = ls())

# declare data
a <- 10
b <- a + 15

# Save image to file
save.image("tmp.RData")
```

```{r eval=T}
# Clear workspace
rm(list = ls())

# load image to file
load("tmp.RData")

print(a)
print(b)
```
У прикладі 2 не створюєть жодного параметра, проте вони збережні у файлі сесії.

Для того аби зберегти та зчитати окремий об'єкт, а не всі елементи сесії у `R` э спеціальний формат `.RDS`, який реалізовується методами `saveRDS(об'єкт, file="шлях_файлу.rds")` та `readRDS(file="шлях_файлу.rds")`.

#### Поняття робочого каталогу {#chapter1314}

Робота в будь-якому середовищі передбачає зв'язок із поточним каталогом, відносно якого будуються шляхи до файлів. Звичайно можна писати завжди повний шлях до файла, проте такий підхід є досить негнучким і під час перенесення коду між ПК створює чимало проблем розробникам.

Для визначення базового каталогу `R` в поточній сесії використовують команду `getwd()`. Якщо Ви користуєтеся `RStudio` та створили проект, то цей каталог буде відповідати повному шляху до папки  проекту:

```{r eval=T}
getwd()
```

Для того аби змінити поточний робочий каталог використовують команду `setwd(шлях)`. Після запуску цієї команди функцій `getwd()` буде вказутивати уже на нову адресу/шлях.

<div class="alert aler-warning">
<i class="fas fa-2x fa-life-ring fa-alert"></i>
Варто знати та вміти будувати **абсолютні** та **відносні** шляхи до каталогів та файлів, ці знання корисні для роботи з усіма мовами програмування та більшістю ПЗ для роботи з даними.
</div>

Для запису шляху у ОС Windows можна скористатися 2-ма способами:

* `/` - **_слеш_**, записується як один знак;
* `\\` - **_бекслеш_**, записується як два знаки.

У прикладі нижче обидва шляхи ведуть до тієї ж папки (`drive` - буква диска):

```r
setwd("drive:/folder1/folder2/")
setwd("drive:\\folder1\\folder2\\")
```

Для перегляду інформації про наявні каталоги та файли у поточній робочій папці можна скористатися командою `dir()` або `list.files()`:

```{r eval = T}
dir()
list.files()
```

#### Допомога (help/?) {#chapter1315}

Для отримання швидкої довідки в `R` варто скористатися функціє `help(назва_об'єкта_або_функції)` або `?назва_об'єкта_або_функції`:

```r
# Get help for intersect() function
help(intersect)
```
Якщо є потреба отримати інформацію про пакет скористайтеся:

```r
help(package = "stats")
```

### Робота з R Studio {#chapter132}

#### Завантаження та інсталяція RStudio Desktop {#chapter1321}

**RStudio** - це інтегроване середовище розробки для `R`. Воно включає у себе консоль, підсвічування синтаксису (підказки), прямий запуск коду, інструменти для візуалізації графіків, html-коду, історію виконаних команд, відлагоджування коду, управління робочими просторами, підтримка різних видів розмітки та багато іншого. RStudio має версію з відкритим кодом та комерційну версію для `Windows`, `Linux` та `Mac`, а також веб-версію для серверів на Linux `RStudio Server` та `RStudio Server Pro` [@R-studio-site].

<div class="alert alert-info">
<i class="fas fa-2x fa-info-circle fa-alert"></i>
IDE (`integrated development environment`) - комплексне програмне рішення для розробки програмного забезпечення. Зазвичай, складається з редактора початкового коду, інструментів для автоматизації складання та відлагодження програм. Більшість сучасних середовищ розробки мають можливість автодоповнення коду. <a href="https://uk.wikipedia.org/wiki/%D0%86%D0%BD%D1%82%D0%B5%D0%B3%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B5_%D1%81%D0%B5%D1%80%D0%B5%D0%B4%D0%BE%D0%B2%D0%B8%D1%89%D0%B5_%D1%80%D0%BE%D0%B7%D1%80%D0%BE%D0%B1%D0%BA%D0%B8" target="_blank" >Wikipedia</a>
</div>

Завантажити продукти можна з сайту https://rstudio.com. Щоб знайти середовище, яке ми будемо використовувати під час вивчення курсу варто виконати наступні кроки:

1. У головному меню сайту обрати `Products > RStudio`.
2. Знаходимо на сторінці кнопку для завантаження програми `RStudio Desktop` версії `Open Source` та натискаємо **DOWNLOAD RSTUDIO DESKTOP**:

```{r fig.cap="Вибір версії RStudio Desktop", eval=T, echo=F}
knitr::include_graphics("images/chapter1/rstudio_1.png")
```

3. Далі обираємо завантаження безкоштовної версії `RStudio Desktop` з наданого переліку:

```{r fig.cap="Завантаження RStudio Desktop", eval=T, echo=F}
knitr::include_graphics("images/chapter1/rstudio_2.png")
```

Після завантаження запускаємо інсталятор `RStudio`. Особливих кроків у цьому процесі немає.

Після запуску IDE RStudio зазвичай складається з 3-х або 4-х блоків:
* Файл, з яким працювали останнім (зліва зверху).
* Консоль для введення коду та виведення результатів (зліва знизу).
* Змінні середовища (`Environment`) (справа зверху) + Історія команд (`History`), Зєднання з зовнішніми ресурсами даних, наприклад, бази даних (`Connections`), навчальна інструкція (`Tutorial`).
* Файли каталогу або проекту (`Files`), Інстальовані пакети (`Packages`), Допомога (`Help`), Візуалізація результатів (`Plots`, `Viewer`).

```{r fig.cap="Головне вікно RStudio Desktop", eval=T, echo=F}
knitr::include_graphics("images/chapter1/rstudio_3.png")
```

Для першої демонстрації роботи виконаємо у консолі 2 рядки коду:
```{r fig.cap="Приклад написання коду в RStudio Desktop", eval=T, echo=F}
knitr::include_graphics("images/chapter1/rstudio_4.png")
```

Перший рядок з кодом `data <- c(3,7,1,6,3,4,5,4,2)` створює у пам'яті колекцію чисел. Зверніть увагу, що у блоці **Environments** відобраюаться усі змінні, що уснують у поточному робочому просторі (про це буде далі).

Другий рядок `plot(data, type="l")` дозволяє побудувати простий лінійний графік (`type="l" - linear, "p" - point`, `help(plot)` для деталей). Графіки, що "промальовуються" як картинки выдображаються у блоці **Plots**. Якщо ж графік має більш складну візуалізацію з інтерактивними елементами, що використовують уже засоби html/css/js, то він буде відображений у блоці **View**.

Якщо перемкнутися на вкладку **History**, то ми побачимо перелік раніше виконаних команд.

<div class="alert alert-info text-center">Для швидкого "гортання" уже виконаних раніше команд на консолі (_Console_) можна скористатися клавішами Up/Down на клавіатурі: <br>
![Arrow Keys](images/chapter1/arrow_keys.png)
</div>

#### Створення першого проекту в RStudio {chapter1322}

На відміну від `R Gui` в `RStudio` реалізовано концепцію проектів, що дозволяє організувати код та поєднати різні його частини у межах певного рішення.

Створимо наш перший проект.

Для початку оберемо з верхнього меню пункт `File > New Project`. У вікні вибору способу створення проекту клікаємо `New Directory`. Такий спосіб передбачає, що жодного файлу проекту поки не існує або ми пізніше туди скопіюємо уже готовий код.

```{r fig.cap="RStudio Desktop. Новий проект", eval=T, echo=F}
knitr::include_graphics("images/chapter1/rstudio_6.png")
```

На наступному кроці обираємо `New Project`: 

```{r fig.cap="RStudio Desktop. Новий проект. Тип проекту", eval=T, echo=F}
knitr::include_graphics("images/chapter1/rstudio_7.png")
```

Після кліку на `Create Project` буде створено папку за попередньо обраним шляхом. Для запуску проекту або швидкого перемикання між проектами можна скористатися як пунктами головного меню, так і підменю проектів справа. Також відкрити проект можна запуском файлу `*.Rproj` у провіднику `Windows`.

```{r fig.cap="RStudio Desktop. Новий проект", eval=T, echo=F}
knitr::include_graphics("images/chapter1/rstudio_8.png")
```

Щоб додати новий файл з кодом `R` потрібно обрати з головного меню `File > New file > R Script` або скористатися командою `Ctrl+Shift+N`. Новий файл буде створено з назвою `Untitled[X]`, тому рекомендую одразу його зберегти, наприклад, як `TestCode.R`

Для першого проекту розвяжемо наступну задачу:

> Написати програму, що генерує вектор з 20-ти випадкових чисел у межах [1;5], обчислює середнє та суму чисел, а також виводить гістограму частоти кожного значення (скільки разів дане число повторюється у векторі).

Код для генерації 20-ти випадкових чесел у діапазоні [1;5] матиме наступний вигляд:

```{r eval=T}
vtr <- sample(1:5, 20, replace=TRUE)
vtr
```

<div class="alert alert-danger">
<i class="fas fa-bell fa-2x fa-alert"></i>
Результати виконання на Вашому ПК будуть іншими, адже **псевдо**генератор випадкових чисел буде брати іншу "точку відліку" для генерування чисел. Рекомендую перегляду функцію `set.seed(точка відліку - число)`.

_P.S. Також зустрічав у мережі інформацію, що робота `set.seed()` для `R` у `4+` версії може відрізнятися від `3+`. Після перевірки інформації оновлю даний текст._
</div>

Обчислення та виведення на консоль інформації про суму та середнє значення:

```{r eval=T}
vtr_sum <- sum(vtr)
vtr_mean <- mean(vtr)

print(paste0("Sum: ", vtr_sum))
print(paste0("Mean: ", vtr_mean))
```

Виведемо гістограму:

```{r eval=T, fig.cap="Приклад візуалізації гістрограми в R"}
hist(vtr, breaks = 5)
```

_Примітка. Детальніше про параметри функції `hist()` можна почитати тут:  [https://www.rdocumentation.org/packages/graphics/versions/3.6.2/topics/hist](https://www.rdocumentation.org/packages/graphics/versions/3.6.2/topics/hist)_.

Орієнтовний вигляд вікна `RStudio` після викоання усіх описаних вище операцій матиме настпуний вигляд:

```{r fig.cap="RStudio Desktop. Перегляд змінних", eval=T, echo=F}
knitr::include_graphics("images/chapter1/rstudio_10.png")
```

Варто звернути увагу на виділений блок `Environment`, де можна переглянути усі доступні змінні, що є на даний момент у `пам'яті`. До цих параметрів можна звертатися у коді чи з консолі у будь, який момент. _Детальну інформацію про робоче середовище розглянуто нижче._

### Робота з Jupyter Notebook {#chapter133}

Ноутбуки стали зручним та поширеним інструментом для аналізу даних, а також послідовного викладення матеріалів чи результатів дослідження. Перевагою такого інструменту є перемішування коду, результатів його виконання та іншого текстового наповнення, що дозволяє сформувати "на льоту" готові до читання документи.

_*Примітка. Лекційні матеріали даного курсу виконані саме у ноутбуках._

Використання ноутбуків у навчальному процесі дозволяє описати не лише теоретичний матеріал, але приклади коду, що будуть виконувати безпосередньо під час ознайомлення з лекцією. Також слухач курсу може відредагувати наявний код та перевірити результати його виконання.

Розгялнемо процес інсталяції та запуску `Anaconda` (середовище з відкритим кодом для вирішення задач `Data Science`) та `Jupyter Notebook` на ПК.

Для встановлення середовища `Anaconda` потрібно перейти на сайт проекту та завантажити індивідуальну версію продукту: https://www.anaconda.com/products/individual [@Anaconda-site].

_*Примітка. Усі операції у даному курсі виконуються під операційну систему `Windows 10 Education`_.

Процес інсталяції середовища Anaconda не відрізняється від стандарного покрокового вставнолення програм у `Windows`.

Після запуску `Anaconda Navigator` для початку потрібно створити нове середовище та налаштувати роботу `R`: 

![Anaconda](images/chapter1/anaconda_1.png)

Для початку потрібно перейти на вкладку `Environments` та натиснути `Create`:

```{r fig.cap="Anaconda. Головне вікно", eval=T, echo=F}
knitr::include_graphics("images/chapter1/anaconda_2.png")
```

У вікні, що відкрилося потрібно відмітити [x] вставновлення інструментів для роботи з `R`:

```{r fig.cap="Anaconda. Створення нового середовища на основі R", eval=T, echo=F}
knitr::include_graphics("images/chapter1/anaconda_3.png")
```

Після встановлення R-інструментів оптрібно переключитися на вкладку `Home` та робочий простір:

```{r fig.cap="Anaconda. Зміна середовища", eval=T, echo=F}
knitr::include_graphics("images/chapter1/anaconda_4.png")
```

Після завантаження робочого простору оберіть `Launch` для запуску `Jupyter Notebook` з переліку встановлених засобів. `Jupyter Notebook` буде запущено у браузері за замовчеванням Вашого ПК. Відкрити ноутбук можна обравши потрібний файл, а створити новий у меню справа `New` > `Notebook` > `R`:

```{r fig.cap="Jupyter Notebook. Створення нового ноутбука", eval=T, echo=F}
knitr::include_graphics("images/chapter1/anaconda_6.png")
```

### Огляд додаткових IDE та сервісів для роботи з R {#chapter134}

Окрім середовищ описаних вище існує ряд досить цікавих інструментів, що роблять досить зручною роботу з `R`-кодом. Розглянемо ці інструменти.

**Visual Studio Code** - безкоштовний редактор коду від `Microsoft`, орієнтовний на велику кількість мов програмування та фреймворків [@vs-code]. Серед інших іструментів у VS Code доступні також розширення для роботи з `R`:

```{r fig.cap="Visual Studio Code. Інсталяція RTools", eval=T, echo=F}
knitr::include_graphics("images/chapter1/vs_code.png")
```

**Visual Studio Community Edition** - безкоштовне середовище розробки від компаній Microsoft. VS створено з самого початку для розробки під платформу .NET та мови програмування C#, VB.NET, F# тощо, але з часом отримало багато розширень, що дозволяють у тому числі, працювати і з проектами в `R` [@visual-studio].

**Google Collab** - онлайн сервіс для роботи з ноутбуками для `Data Science` від компанії `Google` [@google-collab]:

```{r fig.cap="Google Collab", eval=T, echo=F}
knitr::include_graphics("images/chapter1/google_collab.png")
```

_Примітка. Код у прикладі вище написаний на `Python`._

[**kaggle.com**](https://kaggle.com) - сервіс для змагань з `Data Science` та `Machine Learning`. Окрім переліку змагань, наборів даних сервіс має досить зручні ноутбуки.

```{r fig.cap="Kaggle.com", eval=T, echo=F}
knitr::include_graphics("images/chapter1/kaggle.png")
```

Загалом сервісів та середовищ для розробки в `R` існує досить багато і їх кількість зростає, але це не впливає на принципи написання коду та роботу з даними.

---

## Основи роботи з пакетами в R {#chapter14}

### Команди для роботи з пакетами {#chapter141}

Своєю популярністю `R` завдячує, у тому числі, і можливості швидко реалізувати досить складні дослідження за допомогою наборів уже готових функції. Такі функції обєднуються у пакети та публікуються вченими, досліджниками та розробниками зі всього світу.

**Пакети в R** - організовані набори методів та класів для виконання вузького набору задач під час програмування на `R`. Вони містять як функції так і опис способів їх використання, а чтакож дані для відтворення прикладів коду.

Пакети можуть бути завантажені з офіційного сайту проекту [cran.r-project.org](https://cran.r-project.org/web/packages/available_packages_by_name.html) / [@R-base] або інших джерел (dev-версії є доступні на `github`). Завантаження пакетів у `R` можна здійснювати як з локального диска, так і з серверів у мережі інтернет.

Для встановлення пакету використовується команда **`install.packages()`**:

```r
install.packages("fun")
```

Для підключення пакету та його використання варто скористатися `library()`:

```r
packageDescription("fun")
help(package = "fun")
```

<br>
<div class="alert alert-success">
<i class="fas fa-book fa-2x fa-alert"></i>
Дуже рекомендую почитати детальніше про пакети у статті на `DataCamp`:
<a href="https://www.datacamp.com/community/tutorials/r-packages-guide" target="_balnk">R Packages: A Beginner's Guide</a>.
</div>

### Робота з пакетами в RStudio {#chapter142}

Робота з пакетами в RStudio організована досить зручно і дозволяє швидко переглянути інформацію про пакет та функції, які він дозволяє використати.

Для інсталяції та оновлення пакетів можна скористатися меню `Tools`:

```{r fig.cap="RStudio Desktop. Меню інсталяції пакетів", eval=T, echo=F}
knitr::include_graphics("images/chapter1/packages_1.png")
```

Після вибору `Install Packages...` відкриється вікно, де можна обрати як джерело інсталяції пакету так і сам пакет з переліку, ввівши кілька перших букв його назви: 

```{r fig.cap="RStudio Desktop. Вибір пакету для інсталяції", eval=T, echo=F}
knitr::include_graphics("images/chapter1/packages_2.png")
```

`RStudio` дозволяє також переглянути інстальовані пакети/бібліотеки, розроблені іншими користувачами та завантажені у пам'ять ("галочка" навпроти назви пакету):

```{r fig.cap="RStudio Desktop. Перегляд інстальованих пакетів", eval=T, echo=F}
knitr::include_graphics("images/chapter1/packages_3.png")
```

Доступ до функцій та інших елементів пакету можна здійснювати використавши запис `назва_пакету::назва_функції()` без підключення бібліотеки за допомогою `library()`:

```{r fig.cap="RStudio Desktop. Приклад використання пакету `fun`", eval=T, echo=F}
knitr::include_graphics("images/chapter1/packages_4.png")
```

Користувачі можуть не тільки завантажувати існуючі пакети,але істворювати власні та роботи їх доступними для дослідників зі всього світу.