• Ir al contenido principal
  • Skip to secondary menu
  • Ir a la barra lateral primaria
  • Ir al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Noticias
    • Opinión
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Boletín
  • Contacto
  • Acerca de Analytics Lane
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • GearBest
      • GeekBuying
      • JoyBuy

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Criptografía
  • Python
  • Matlab
  • R
  • Julia
  • JavaScript
  • Herramientas
  • Opinión
  • Noticias

Creación de un CRAN corporativo

junio 1, 2018 Por Daniel Rodríguez Dejar un comentario

Paquetes

La distribución de las librerías en un entrono de trabajo son clave para el éxito. Disponer de la última versión de estas es imprescindible para poder realizar el trabajo de forma efectiva y evitar los errores ya conocidos. En R la forma más popular de instalar paquetes en los entornos de trabajo es a través del CRAN. El CRAN es abierto y esto puede no ser adecuado en un entrono corporativo. En estos se puede desarrollar paquetes de uso interno que no se desean compartir fuera, pero si internamente. Para esto se puede crear un CRAN corporativo al que solamente pueden acceder los miembros del equipo.

Una alternativa para la distribución interna de código es mediante la utilización de repositorios Git privados. Instalar un paquete que se encuentra en un repositorio es algo que se puede realizar de una manera casi tan fácil como desde el CRAN. Aunque presenta algunas desventajas como no actualizar de forma automática el listado de paquetes dependientes. Además, la utilización del CRAN es una forma más natural e intuitiva para la mayoría de los usuarios.

Creación de un CRAN corporativo

La creación de la estructura de un CRAN se puede realizar con el paquete miniCRAN (https://cran.r-project.org/web/packages/miniCRAN/index.html). Este paquete permite descargar un listado de paquetes y las dependencias de estos guardando los mismos es una estructura de carpetas adecuadas. Por ejemplo, para descargar el paquete foreach y todas sus dependencias se pude utilizar: 

library('miniCRAN')

# Obtención del listado de paquetes
pkg <- c('foreach')
pkg_list <- pkgDep(pkg)

# Descarga de los paquetes
pth <-'miniCRAN'
makeRepo(pkg_list, path = pth, type = 'source')
makeRepo(pkg_list, path = pth, type = 'mac.binary')
makeRepo(pkg_list, path = pth, type = 'win.binary')

Inicialmente se carga el paquete miniCRAN y se crea el listado de paquetes utilizando la función pkgDep. Posteriormente se descargan los paquetes en los formatos disponibles: código, binarios para Mac y binarios para Windows. Obviamente, en caso de que no se trabaje con alguna de las plataformas podemos omitir los binarios correspondientes. Estos se almacenarán es la carpeta miniCRAN. La estructura para Windows se puede ver en la siguiente captura de pantalla:

Estructura CRAN corporativo

En esta captura se pude observa que en la capeta existen diferentes archivos zip (en la carpeta src los archivos son tar.gz), uno para cada paquete y tres archivos PACKAGES en los que se encuentra el listado de paquetes disponibles.

Ahora esos esta carpeta se puede publicar en un servidor ftp (o http) dentro de la intranet para acceder a los mismo indicando a R que instale desde el repositorio privado

install.packages('foreach', repos = 'http://miniCRAN')

donde http://miniCRAN es la URL en la que se sitúa el CRAN.

Paquetes propios

La forma de añadir paquetes nuevos al repositorio es incluyendo los mismos en las carpetas src y bin. Una vez realizado estos se han de actualizar los archivos PACKAGES para que se puedan encontrar los nuevos paquetes, para lo que se puede utilizar el comando write_PACKAGES del paquete tools.

write_PACKAGES(pth)

Conclusiones

CRAN es el método más habitual y conocido para la distribución de paquetes en R. Poder replicar el funcionamiento de este con un CRAN corporativo para la distribución del código empleado internamente puede facilitar la vida a nuestros compañeros.

Imágenes: Pixabay (skeeze)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Contenido relacionado

Archivado en:R

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Publicidad


Barra lateral primaria

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

¡Síguenos en redes sociales!

  • facebook
  • github
  • telegram
  • pinterest
  • rss
  • tumblr
  • twitter
  • youtube

Publicidad

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Entradas recientes

Creación de un certificado Let’s Encrypt en Windows con Win-Acme

enero 22, 2021 Por Daniel Rodríguez Dejar un comentario

Aplicaciones de Node en producción con PM2

enero 20, 2021 Por Daniel Rodríguez Dejar un comentario

SQLite en Python

enero 18, 2021 Por Daniel Rodríguez Dejar un comentario

Publicidad

Es tendencia

  • ¿Cómo eliminar columnas y filas en un dataframe pandas? bajo Python
  • Seleccionar filas y columnas en Pandas con iloc y loc bajo Python
  • Excel en Python Guardar y leer archivos Excel en Python bajo Python
  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas bajo Python
  • Unir y combinar dataframes con pandas en Python bajo Python

Publicidad

Lo mejor valorado

5 (3)

Ordenar una matriz en Matlab en base a una fila o columna

5 (3)

Automatizar el análisis de datos con Pandas-Profiling

5 (5)

Diferencias entre var y let en JavaScript

5 (6)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

5 (3)

Unir y combinar dataframes con pandas en Python

Publicidad

Comentarios recientes

  • Daniel Rodríguez en Calculadora de probabilidades de ganar a la lotería
  • abel en Calculadora de probabilidades de ganar a la lotería
  • David Arias en Diferencias entre regresión y clasificación en aprendizaje automático
  • Juan Aguilar en Archivos JSON con Python: lectura y escritura
  • Camilo en Contar palabras en una celda Excel

Publicidad

Footer

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Noticias
  • Opinión

Programación

  • JavaScript
  • Julia
  • Matlab
  • Python
  • R

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Lo más popular
  • Tienda

Tiendas Afiliadas

  • AliExpress
  • Amazon
  • BangGood
  • GearBest
  • Geekbuying
  • JoyBuy

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Amazon

2018-2020 Analytics Lane · Términos y condiciones · Política de Cookies · Política de Privacidad · Herramientas de privacidad · Contacto