Linux MintにRとよく使うパッケージとかをインストール

Linux Mintって？

Ubuntu派生のディストロで、使いやすくてUIもよい。
Unityなんてなかった！！（本家Ubuntuでも18からGnomeに戻るらしい）

別にRedHat系でもOpenSuse系でもよいのだけれど、Linuxにすると、RStudioServerが使えて、色んな端末から同じ環境で計算ができるようになる。
やったネ！

ホントはDockerコンテナとか使うともっといいらしいのだけれど、こういうのはちょっとずつね。

今回の動作環境

第7世代Intel CPUにLinux Mint 18.1

RとRStudioServerのインストール

ここに書いてある通りにするだけ。
できたらhttp://localhost:8787/にアクセスしてみよう

英語は嫌だという人のために必要部をコピペしておくと

64bit版のLinux MintやUbuntu,Debianなら

$ sudo apt-get install r-base
$ sudo apt-get install gdebi-core
$ wget https://download2.rstudio.org/rstudio-server-1.0.143-amd64.deb
$ sudo gdebi rstudio-server-1.0.143-amd64.deb

を実行するだけ簡単！

needsの導入

needsパッケージは複数パッケージの読み込みを容易にしつつ、存在しないパッケージを自動でインストールしてくれる優れもの。
詳しい紹介はuriさんの記事を参照。

導入手順としてgithubのページには

install.packages("needs")
# for the dev version:
# devtools::install_github("joshkatz/needs", ref = "development")
library(needs)

# answer "yes" when prompted, and you will never have
# to type library or install.packages again. hooray.

と書かれているが、ターミナルに$ Rと入力してRを立ち上げ、上記を実行しても失敗する。
エラーメッセージのコピーを忘れてしまって申し訳ないが、書き込み制限のある設定ファイルをいじるのが原因のようなので、$sudo RとしてRをスーパーユーザーで立ち上げてやればよい。

tidyverseの導入

みんな大好きtidyverseだが、いかんせん多数のパッケージの集合体であるために、依存関係が複雑なようだ。
R内でのパッケージの依存関係はもちろんのこと、OS側のソフトの依存関係にも注意が必要。
今回の環境では以下の順でコードを実行すると、うまくtidyverseを導入できた。

$ sudo apt-get update
$ sudo apt-get upgrade
$ sudo apt-get install build-essential gfortran g++ libcurl4-openssl-dev libxml2-dev
$ R
> install.packages("readxl")
> install.packages("tidyverse")

上述のneedsを早速使って"tidyverse"をインストールしたいところだが、install.packagesのほうが、インストール過程の詳細なメッセージが見られるので、今回は後者を推す。

うまくいかなかった場合はメッセージを確認しよう。

RStudioServerをインストールした人は、Rコード部分はRStudioServer上でやってもいい。

/bin/bash: g++: command not found

のようなメッセージが出てきた場合は、システム側に不足なソフトウェアがある（上述の場合はg++)
大体のtidyverseインストール周りのトラブルはこのエラーに起因している。
一通りシステムに必要なソフトをインストールしたら、もう一度、tidyverseをインストールしてみよう。

Error in library.dynam(lib, package, package.lib) : 
  shared object ‘readxl.so’ not found

というようなメッセージがあれば、個別にRのパッケージをインストールしてみるといい（上述の場合はreadxl）。

これで、だいたいRを快適に利用できるようになったはずだ。

その他のパッケージの導入

このあたりはお好みで。

needs(data.table, pipeR)

data.tableは、data.frameの拡張するもの。
他に、表形式ファイルをbase::read.csvなどよりも高速に読み込めるfreadや、base::write.csvなどよりも高速に書き込めるfwriteなどの関数が用意されている。

pipeRはRでパイプラインを可能にするパッケージ。
magrittrとライバル関係（？）にあたるが、パフォーマンスなどの観点でpipeRの方が優れているらしい。