2022年5月:“前40名”新CRAN软件包

五月份有179个新包裹送到了CRAN。以下是我在12个类别中选出的“前40名”:计算方法、数据、生态学、流行病学、金融学、机器学习、网络、科学、统计学、时间序列、公用事业和可视化。

计算方法

梯度v1.0.1:实现无导数，优化风格的随机准梯度差分进化优化算法萨拉、巴尔丹齐尼和皮埃里尼(2018)它使用总体成员来建立随机梯度估计。看到自述举个例子。

rxode2V2.0.7:提供了从普通微分方程模型(如药物计量学和其他分隔模型)运行模拟的工具，但需要C和Fortran编译器。看到装饰图案举个例子。

ScaleSpikeSlabv1.0:为高维贝叶斯回归提供一个可扩展的吉布斯采样实现，使用前面描述的连续尖-板比斯瓦斯、麦基和孟(2022年)．看到自述举个例子。

数据

bluebikev0.0.3:提供方便导入和使用波士顿蓝色自行车数据集包括计算行程距离和在给定半径内绘制车站位置的功能。看到装饰图案为例子。

eurodatav1.4.2:实现到的接口欧盟统计局(Eurostat)的批量下载设施与快速data.table基于数据、标签和元数据的导入以及数据搜索、数据描述和比较功能。看到自述开始吧。

gbifdhv0.1.2:实现到全球生物多样性信息设施支持大规模卡塔尔世界杯欧洲预选赛赛程表分析使用SQL或dplyr对完整表的操作。看到装饰图案为例子。

getwikiv0.9.0:实现简单的包装器维基百科数据检索文本在一个整洁的格式，可用于自然语言处理。看到装饰图案．

生态

嘉年华v3.4.1:为分析人员实现一个评估工具，这些分析人员使用来自美国农业部、林业局、森林清查与分析程序。有九个小插图，包括手册模块估计而且人口数据,小面积估计器而且空间的工具．

soiltestcorrv2.1.2:提供旨在帮助用户进行作物产量和土壤测试值的相关性分析的功能，包括使用各种方法估计作物对土壤养分有效性和关键土壤测试值的响应模式的功能。看到Correndo等人(2017)，凯特和尼尔森(1971)，安德森和尼尔森(1975)，《布洛克与布洛克》(1994)而且Melsted & Peck (1977)为背景。有七个小插曲，包括一个简介而且Quadratic-plateau响应．

sspmv0.9.1:实施一个基于gams的空间剩余生产模型，旨在模拟加拿大大西洋北部虾种群，但可能适用于任何地点的任何种群。有一个小插图包装和工作流设计另一个提供例子用模拟数据。

流行病学

EpiInvertv0.1.1:反演更新方程，以估计随时间变化的复制数和恢复的发生率曲线，其中节日天数和周偏差校正，如中所述阿尔瓦雷斯等人(2021)而且阿尔瓦雷斯等人(2022)．看到自述为例子。

linelistv0.0.1:通过向经典添加标记系统，提供帮助存储和处理case行列表数据的工具data.frame目的确定关键的流行病学数据。看到装饰图案为例子。

金融

市场v1.0.3:提供函数来估计市场在均衡和不均衡的基础上给出的全信息最大似然技术马达拉和纳尔逊(1974)并实现了用解析导数表达式计算出来的Karapanagiotis (2020)．有一个概述提供理论和代码和小插图模型初始化细节，市场出清的评估,用例．

portvinev1.01:提供投资组合级别的风险估计，包括风险值和预期不足地梁(2022)通过使用ARMA-GARCH模型对每个资产建模，然后通过滚动窗口的Vine Copula对它们的交叉依赖进行建模。看到装饰图案开始吧。

usincometaxesv0.4.0:实现NBER的包装器TAXSIM 35税收模拟器。TAXSIM 35计算联邦和州所得税。上面有小插图上传数据，输入列，输出列,计算税．

基因组学

MixviRv3.3.5:实现用于探索DNA和氨基酸变异的工具，并从可能包含变异/谱系混合物的微生物高通量基因组DNA样本中推断目标谱系的存在。MixviR最初是为了帮助分析来自废水或灰尘等环境源的环境SARS-CoV-2/Covid-19样本，但可以应用于任何微生物群。看到DePristo等人(2011)而且Danecek等人(2021)作为背景，和装饰图案为例子。

施麦尔v0.9.0.0:实现一个包括动植物基因型、表型、谱系、选择和繁殖在内的数据模拟器，为基因组gselection、全基因组关联和育种研究提供数据。看到Kao和Zeng (2002)而且里普利(1987)为背景。看在这里用于广泛的文档。

机器学习

fastTopicsv0.6-135:为拟合实现快速、可伸缩的优化算法主题模型对计数数据进行非负矩阵分解。这些方法利用了多项主题模型(概率潜在语义索引)和泊松非负矩阵分解。请看小插图:NMF与主题建模的关系而且主题mideling vs.集群．

metricav1.2.3:提供函数来评估点预测模型的预测性能，考虑预测值与观测值之间的一致性的不同方面，包括误差度量、模型效率、一致性指标、拟合优度、一致性相关性和误差分解，并绘制可视化的一致性。请看下面的插图可用的指标而且模型评估．

SparseVFCv0.1.0:实现中描述的稀疏向量场共识算法Ma et al. (2013)用于鲁棒向量场学习。看到装饰图案．

网络

Rwclustv0.0.1:实现加权图的随机游走聚类算法哈雷尔和科伦(2001)．看到装饰图案．

科学

EvoPhylov0.1:提供支持自动形态特征划分的功能，用于系统发育分卡塔尔世界杯欧洲预选赛赛程表析和宏观进化参数输出分析。看到Simões和Pierce (2021)为背景。有一个小插图理论背景，还有其他的字符分割，定期监测参数,进化率．

坐在v1.0.0:提供基于应用于卫星图像数据集的机器学习方法的端到端工具包，使用大地球观测数据进行土地利用和土地覆盖分类，如中所述Simoes等人(2021)．从AWS、微软行星计算机、巴西数据立方和数字地球非洲中的集合中使用STAC协议和gdalcubes包中。一个电子书提供大量的文档。

统计数据

biosensors.uscv1.0:提供了一个框架，用于在各种统计建模任务中使用生物传感器数据(如ECG、医学成像或fMRI数据)的分布表示:回归模型、假设检验、聚类分析、可视化和描述性分析。看到Matabuena等人(2021)背景和装饰图案作为介绍。

CopSensv0.1.0:实现了中讨论的观察性因果推断的基于关联的敏感性分析方法Zheng et al. (2022)．看到自述为例子。

GeoModelsv1.0.1:提供了分析高斯和非高斯(双变量)空间和时空数据的函数，并使用似然方法模拟随机场。看到Bevilacqua and Gaetan (2015)而且Vallejos等人(2020)作为背景，看在这里为例子。

nlmixr2v2.0.6:拟合和比较非线性混合效应模型与药代动力学和药效学中常见的灵活剂量信息，使用微分方程求解，由在rxode2包中。看到阿尔姆奎斯特等人(2015)而且王等(2015)作为背景，和装饰图案为例子。

stdmodv0..1.7.1:提供函数，用于计算调节回归中的标准化调节效应，并通过中提出的非参数自举形成其置信区间张等人(2002)．有六个小插曲，包括一个快速入门指南还有一个小插图标准化的适度．

时间序列

活塞v1.0.15:最初编写和优化用于处理昆虫咬合力测量，此包中的函数可用于清理和分析任何时间序列。它们提供了一个工作流程来加载、绘制和裁剪数据，纠正放大器和基线漂移，识别单个峰值形状，重新缩放(归一化)峰值曲线，并找到最佳多项式拟合来描述和分析力曲线形状。看到装饰图案为例子。

ZINARpv0.1.0:提供p阶整值自回归INAR(p)和零膨胀p阶整值自回归ZINAR(p)过程的模拟、探索性数据分析和贝叶斯分析功能，如中所述Garay等人(2020)．

公用事业公司

异步v0.2.1:提供用于编写类似生成器和异步构造的暂停和恢复的顺序代码的函数Python或JavaScript．所生成的对象与迭代器而且承诺包。看到装饰图案举个例子。

记录者v0.2.0:提供工具来修饰函数，以便它返回它的日志以及详细描述函数何时运行、输入是什么、错误是什么(如果函数未能运行)和其他有用信息的日志。请看小插图:一个非数学家对单子的介绍，Maybe单子,一个真实的例子．

jpgridv0.2.0:提供生成日语的函数方格编码从经度，纬度和几何。看到自述为例子。

partialisedv0.1.0:提供一个partialised的分区函数的扩展类purrr让改变参数变得更容易。中类似函数的对象“茱莉亚”．看到自述举个例子。

shinybrowserv1.0.0:提供关于闪亮的应用程序用户包括浏览器名称和版本、设备类型(移动或桌面)、操作系统和版本、浏览器尺寸。看到自述获取更多信息。

webshot2v0.1.0:截取网页的屏幕截图，包括闪亮的应用程序和R Markdown文档使用无头Chrome或铬浏览器作为浏览器后端。看到自述为例子。

可视化

accrualPlotv1.0.1:为临床试验实施权责发生图。看到装饰图案．

ggbraidv0.2.2:实现stat_braid ()的功能扩展geom_ribbon ()为了正确地用两种不同的颜色填充两条交替线(或步骤)之间的区域，和geom_braid ()．三个小插曲,美国最高法院，NBA总决赛,每日平均气温提供例子。

ggisotonicv0.1.2:提供stat_isotonic ()添加加权单变量等张回归曲线。看到自述举个例子。

UpSetVPv1.0.0:使用中所描述的方差分区和层次分区的思想Lai et al. (2022)可视化每个预测因子(或预测因子矩阵)在解释变异方面的独特、共同或个人贡献。看在这里为例子。