如何找出R中加载的包版本？

Question

我正在研究如何使用我的大学集群。 它安装了 2 个版本的 R。 系统范围的 R 2.11 (Debian 6.0) 和 R 2.14.2 位于非标准位置。

我正在尝试将 MPI 与雪一起使用。 我试图运行的代码如下

library(snow)
library(Rmpi)
cl <- makeMPIcluster(mpi.universe.size()-1)
stopCluster(cl)
mpi.quit()

它在 R 2.11 上没有问题。 （我使用mpirun -H localhost,n1,n2,n3,n4 -n 1 R --slave -f code.R ）。 现在，当我尝试使用 R 2.14.2 执行此操作时，收到以下消息：

Error: This is R 2.11.1, package 'snow' needs >= 2.12.1
In addition: Warning message:

所以看起来 R 加载了为 R 2.11 编译的包雪版本。 我已将 R 2.14 下的 snow 安装到我的主文件夹中，并将以下几行添加到我的代码中：

.libPaths("/soft/R/lib/R/library")
.libPaths("~/R/x86_64-pc-linux-gnu-library/2.11")
print(.libPaths())
print(sessionInfo())
print(version)

错误之前的输出确认我确实在运行 R 2.14.2 并且我的 R 包文件夹在搜索路径中的第一个。 但我仍然收到错误。

所以我的问题是如何确定 R 中加载了哪个版本的包？ 我可以使用installed.packages看到所有installed.packages的软件包，所以也许有一些函数列出了已加载软件包的类似信息？

Answer 1

您可以使用sessionInfo()来实现这一点。

> sessionInfo()
R version 2.15.0 (2012-03-30)
Platform: x86_64-pc-linux-gnu (64-bit)

locale:
 [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C               LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
 [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8    LC_PAPER=C                 LC_NAME=C                 
 [9] LC_ADDRESS=C               LC_TELEPHONE=C             LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       

attached base packages:
[1] graphics  grDevices utils     datasets  stats     grid      methods   base     

other attached packages:
[1] ggplot2_0.9.0  reshape2_1.2.1 plyr_1.7.1    

loaded via a namespace (and not attached):
 [1] colorspace_1.1-1   dichromat_1.2-4    digest_0.5.2       MASS_7.3-18        memoise_0.1        munsell_0.3       
 [7] proto_0.3-9.2      RColorBrewer_1.0-5 scales_0.2.0       stringr_0.6       
> 

但是，根据评论和下面的答案，有更好的选择

> packageVersion("snow")

[1] '0.3.9'

要么：

"Rmpi" %in% loadedNamespaces()

Answer 2

您可以使用packageVersion查看加载了哪个版本的包

> packageVersion("snow")
[1] ‘0.3.9’

尽管听起来您想查看正在运行的 R 版本，但在这种情况下，@Justin 的sessionInfo建议是sessionInfo的方法

Answer 3

从技术上讲，此时的所有答案都是错误的。 packageVersion不返回加载包的版本。 它转到磁盘，并从那里获取包版本。

这在大多数情况下不会有什么不同，但有时确实如此。 据我所知，获取加载包版本的唯一方法是相当黑客：

asNamespace(pkg)$`.__NAMESPACE__.`$spec[["version"]]

其中pkg是包名称。

编辑：我不确定何时添加此功能，但您也可以使用getNamespaceVersion ，这更干净：

getNamespaceVersion(pkg)

Answer 4

要检查 R 的版本，请执行： R --version

或者在你进入 R shell 之后打印version$version.string的内容

编辑

要检查已安装软件包的版本，请执行以下操作。

加载库后，可以执行sessionInfo ()

但是要知道所有已安装软件包的列表：

packinfo <- installed.packages(fields = c("Package", "Version"))
packinfo[,c("Package", "Version")]

或者要提取特定的库版本，一旦您使用上述installed.package函数提取了信息，只需在矩阵的第一维中使用包的名称。

packinfo["RANN",c("Package", "Version")]
packinfo["graphics",c("Package", "Version")]

以上将打印 RANN 库和图形库的版本。

Answer 5

你可以尝试这样的事情：

1. package_version(R.version)

2. getRversion()

Answer 6

图形界面解决方案：

如果您使用的是 RStudio，则可以在“ Packages窗格中检查包版本。

Answer 7

使用 R 方法packageDescription获取已安装的包描述，对于版本只需使用$Version作为：

packageDescription("AppliedPredictiveModeling")$Version
[1] "1.1-6"

Answer 8

基于前面的答案，这里有一个简单的替代方法来打印 R 版本，然后是命名空间中加载的每个包的名称和版本。 它适用于 Jupyter 笔记本，在那里我在运行sessionInfo()和R --version遇到了麻烦。

print(paste("R", getRversion()))
print("-------------")
for (package_name in sort(loadedNamespaces())) {
    print(paste(package_name, packageVersion(package_name)))
}

出去：

[1] "R 3.2.2"
[1] "-------------"
[1] "AnnotationDbi 1.32.2"
[1] "Biobase 2.30.0"
[1] "BiocGenerics 0.16.1"
[1] "BiocParallel 1.4.3"
[1] "DBI 0.3.1"
[1] "DESeq2 1.10.0"
[1] "Formula 1.2.1"
[1] "GenomeInfoDb 1.6.1"
[1] "GenomicRanges 1.22.3"
[1] "Hmisc 3.17.0"
[1] "IRanges 2.4.6"
[1] "IRdisplay 0.3"
[1] "IRkernel 0.5"

Answer 9

老问题，但不在答案中的是我最喜欢的命令，可以快速简要地了解所有加载的包：

(.packages())

要查看所有已加载包的安装版本，只需使用上述命令对installed.packages()进行子集化。

installed.packages()[(.packages()),3]

通过更改列号（包版本为 3），您可以获得以易于阅读的矩阵形式存储在installed.packages()中的任何其他信息。 以下是版本号和依赖项的示例：

installed.packages()[(.packages()),c(3,5)]

Answer 10

使用以下代码获取系统中安装的R包版本：

installed.packages(fields = c ("Package", "Version"))

Answer 11

Search() 可以给出会话中附加包的更简化列表（即，没有 sessionInfo() 给出的详细信息）

搜索 {base}-R 文档
描述：提供附加包的列表。 搜索（）

search()
#[1] ".GlobalEnv"        "package:Rfacebook" "package:httpuv"   
#"package:rjson"    
#[5] "package:httr"      "package:bindrcpp"  "package:forcats"   # 
#"package:stringr"  
#[9] "package:dplyr"     "package:purrr"     "package:readr"     
#"package:tidyr"    
#[13] "package:tibble"    "package:ggplot2"   "package:tidyverse" 
#"tools:rstudio"    
#[17] "package:stats"     "package:graphics"  "package:grDevices" 
#"package:utils"    
#[21] "package:datasets"  "package:methods"   "Autoloads"         
#"package:base"

Answer 12

只需使用help(package="my_package")并查看显示的版本。

这假设在同一个.libPaths中没有其他包版本。