继上篇文章R中的哪些命令或者包让你相见恨晚？推出后，这次主要介绍一些比较酷炫和实用的R包。

wordcloud包用来做分词

做相关矩阵的时候corrplot的图形是一大神器

用ggvis做交互图

shiny也很好玩。可以把你的R程序放在网上提供交互式界面给用户使用。可以参考课程用R+Shiny+rCharts快速打造数据产品和RCurl爬虫和Shiny包在游戏行业的应用

Rcpp用C++来加速
Roxygen2开发R包时写文档的利器。
e1071做machine learning的屌包。
ggplot2就不用提了，作图神器。
推荐一个rCharts，网页图酷酷的！参考课程用R+Shiny+rCharts快速打造数据产品
formatR整理代码的包

下面给出R语言专家任坤的回答

=== 数据基础操作 ===
reshape2横向、纵向做数据变换，例如把纵向堆叠在数据库中的证券行情数据转换成一个按照不同证券代码横向排列，按照时间纵向排列收盘价的数据表
stringr方便地用正则表达式做批量字符串操作，可做检测、匹配、替换、计数等等
lubridate方便地做日期/时间操作，各种标准化时间和时区的处理
plyr轻松地在vector,list,data.frame之间做分组变换，实现拆分、变换、合并的操作
dplyr轻松地处理data.frame,data.table以及多种数据库为基础的数据，实现选择、变换、分组等等，速度很快
RODBC连接ODBC数据库接口
RSQLite连接轻量级SQLite数据库连接
jsonlite读写json文件
yaml读写yaml文件，实现灵活的程序外部配置
Rcpp, Rcpp11写C++03/11代码直接编译后给R调用，大幅提升算法性能
data.table快速处理较大数据表
ggplot2高级绘图，一套统一的语法实现复杂图像组合绘制
zoo时间序列数据的预处理，比如滚动平均等等
rmarkdown用Markdown写文档并可方便地运行R代码与绘图
knitr自动文档生成
devtools扩展包开发必备，在线安装托管的扩展包，检查扩展包是否符合CRAN标准等等
testthat扩展包自动测试
pipeR自己写的高性能、低损耗、分工明确的管道操作（pipeline operator）扩展包，使得数据变换流程化

=== 专业领域（数值计算） ===
rootSolve非线性方程求根、ODE均衡状态解
Rsolnp非线性优化

=== 专业领域（计量和统计学习） ===
sde随机微分方程模拟和统计推断
KernSmooth非参数平滑与分布估计
cpm Change Point Detection实时分布或者统计关系变化检测
stats4可用来方便地做MLE估计

本文内容整理自知乎，转载请注明本文原链接 http://www.xueqing.tv/cms/article/view/id/39