我一直在为一些 R 中当前不可用的通用工具开发一些 R 包：博客、报告交付、日志记录和调度。这让我想知道：人们希望存在于 R 中但目前不可用的最重要的东西是什么？
我希望我们可以使用它来查明一些差距，并可能合作解决它们。
【问题讨论】：
我以前是 Mathematica 迷，我真正怀念的一件事是笔记本风格的界面。当我用笔记本做研究时，论文几乎会像我做分析一样自己写出来。但是现在我在使用 R，我发现记录我的工作非常乏味。
对于不太熟悉 Mathematica 的人，您可以使用称为“笔记本”的文档，其中可以包含代码、文本、方程式以及执行代码的结果（可以是方程式、文本、图形或交互式工具）。一切都可以整齐地组织成样式化的子部分或可折叠的部分。您可以拥有多个与单个共享内核集成的打开文档。
虽然我不认为完全需要一个成熟的 Mathematica 风格界面，但一些支持文本（用于描述）、代码、代码输出和嵌入式图像输出的交互式文档系统对研究人员来说将是一个真正的福音。
【讨论】：
brew 这样的包，真正缺少实现该功能的用户界面。也许最容易在 Sage 等网络浏览器或 R-studio 中实现？
Real-Time R 包是我的选择，也许使用 C Streaming。
我还想要一个更强大的 Web 开发包。没有什么比 Ruby on Rails 更广泛，但比 Sweave 与 R2HTML 结合的更好，可以在 RApache 上运行。我认为这需要成为 R 的一个重点领域。
我意识到 LaTeX 对某些学术界来说是更好的标记，但总的来说，我认为 HTML 应该是首选的标记语言。在 R Web Apps 方面需要做更多工作，因此应用程序可以远程托管在巨大的 RAM 上，并且 R 可以开始用于 SaaS 数据应用程序和其他图形选择。
【讨论】：
与使用键值对而非标准 RDMS 的任何新型“Web 2.0”数据库的接口。一个非详尽的列表（按字母顺序）将是
如果我们在此之上有一个类似 DBI 的抽象当然会很好。 Jeff 从 RBerkeley 开始，但使用的是老式的 Oracle BerkeleyDB 后端，而不是那些新事物之一。
【讨论】：
产生 Javascript 代码的输出设备，可能使用 protovis 库。
【讨论】：
一般来说与数据库接口的库很少，也没有ORM库。
RMySQL 很有用，但您必须手动编写 SQL 查询，并且无法像在 ORM 中那样生成它们。而且，它只特定于 MySQL。
R 还没有的另一个库集，对我来说，它是一个很好的读取命令行参数的系统：有 R getopt，但它与 Python 中的 argparse 完全不同。
【讨论】：
【讨论】：
FRAQ 的常见问题包，如 fortune()。 R-help 会很有趣：“试试这个，library(FRAQ); faq("lattice won't print")，等等。
【讨论】：
一个wiki 包，将类似于 wiki 的文档添加到 R 包中。您将拥有一个 inst/wiki 子目录，其中包含 markdown、asciidoc、textile 中的纯文本文件，并带有嵌入式 R 代码。使用正确的咒语，这些文件将被执行（想想brew 和/或asciidoc 包），并将相关输出上传到在线给定存储库（github、googlecode 等）。另一个函数可以负责同步所做的更改在线，通常通过svn 或git。
突然间，您有了一个包含可重复示例的软件包的 wiki 文档（甚至可以连接到 R CMD check）。
2012 年编辑：
...现在knitr 包将使这个过程更加简单和整洁
【讨论】：
knitr 看起来很有趣。
我希望用户能够以更直接的方式在 R 中嵌入另一种编程语言。我在一些 common-lisp 实现中举了一个例子，人们可以用这样的嵌入式 C 代码编写一个函数：
(defun sample (x)
(ffi:c-inline (n1 n2) (:int :int) (values :int :int) "{
int n1 = #0, n2 = #1, out1 = 0, out2 = 1;
while (n1 <= n2) {
out1 += n1;
out2 *= n1;
n1++;
}
@(return 0)= out1;
@(return 1)= out2;
}"
:side-effects nil))
如果可以以类似的方式使用嵌入式 C 或 lisp 代码（对后者更感兴趣）编写 R 函数，那就太好了。
【讨论】：
RGUI 的原生 .NET 接口。 R(D)Com 基于 COM，它只允许交换矩阵，不能交换更复杂的结构。
【讨论】：
我非常想要一个线轮廓仪。这存在于 Matlab 和 Python 中，对于查找需要大量时间或执行多于（或少于）预期的代码位非常有用。我的很多代码都涉及函数优化，并且事先可能不知道迭代的次数（尽管大多数迭代是受约束或指定的）。
如果您的所有代码都在 R 中并且非常简单，则调用堆栈很有用，但作为 I recently posted about it，如果您的代码很复杂，则需要付出艰苦的努力。
为给定的代码开发行分析器非常容易。一种天真的方法是索引每一行（或只是预先指定的部分）并插入一个调用以记录 proc.time() 该行。在一个循环中，我只是枚举代码段并将迭代k 中i 部分的proc.time 值存储在二维列表中。 [请参阅下面的更新：这实际上并不是对所有类型的代码进行线分析器的方法。]
人们可以使用这样的工具来查找热点、异常（例如，应该是 O(n) 但实际上是 O(n^2) 的代码）、可能从记忆化中受益的代码（行分析器不会告诉你这个，但它可以让你知道在哪里看）、错误地在循环中的代码等等。
更新 1：在每个函数行之间插入一条时序线是有一点错误的：一行代码的定义不仅仅是由空格分隔的代码。能够将代码解析为 AST 对于了解操作的开始和结束位置是必要的。正如this question 的一些答案中所讨论的，有一些工具（即codetools 包中的showTree 和walkCode）可以执行此操作。简单地将正则表达式应用于源代码将是一件非常糟糕的事情。
【讨论】：