【服务器-R环境配置】导出配置文件并重建

目录

• 方案一：导出配置文件并在新服务器重建（最推荐，最稳健）
• • R环境验证
• R环境库包安装
• • 方式1：
  • 方式2：
  • 实例：运行R代码
• 参考

方案一：导出配置文件并在新服务器重建（最推荐，最稳健）

# 激活环境
conda activate r_env
source activate r_env

# 导出为 YAML 文件 (包含所有包名和版本)
conda env export > r_env.yml

# 使用 scp 命令 (简单直接)
scp -r /home/u3012339/r_env.yml wanzhougeo@175.159.166.96:/geogfs1/home/wanzhougeo/Packages/

cd /geogfs1/home/wanzhougeo/Packages/

# 确保已安装 Conda
conda env create -f r_env.yml

R环境验证

conda activate r_env
source activate r_env

查看 R 版本，代码如下：

R --version

R环境库包安装

根据以下命令查看库包是否安装：

# 要检查的包列表
packages <- c("MGLM", "spgwr", "robustHD", "raster", "tictoc", "osqp", "doParallel")q

# 检查哪些包没有安装
not_installed <- packages[!packages %in% installed.packages()[,"Package"]]

# 输出缺失的包
if (length(not_installed) == 0) {
  cat("所有包都已安装。\n")
} else {
  cat("以下包未安装：\n")
  print(not_installed)
}

输出显示

 "MGLM"       "spgwr"      "tictoc"     "doParallel"

方式1：

# 设置可靠的 CRAN 镜像
options(repos = c(CRAN = "https://cloud.r-project.org"))

# 一次性安装多个包
install.packages(c("MGLM", "spgwr", "robustHD", "raster", "tictoc", "osqp", "doParallel"))

方式2：

install.packages("devtools",repos="http://cran.r-project.org")

# 使用 https 协议，并选择一个可靠的镜像（如 RStudio 的全球 CDN）
install.packages("devtools", repos = "https://cloud.r-project.org")

library(devtools)

library('BPST')的安装如下：

install_github("作者名/BPST")  # 替换 "作者名/BPST" 为实际的 GitHub 仓库地址
install_github("funstatpackages/BPST")
devtools::install_github("FIRST-Data-Lab/BPST")

library('Triangulation')的安装如下：

install_github("funstatpackages/Triangulation")
install_github("FIRST-Data-Lab/Triangulation")
devtools::install_github("FIRST-Data-Lab/Triangulation")
library('Triangulation')

library('robustHD')的安装如下：

install.packages("scales", type = "binary")
install.packages("ggplot2", dependencies = TRUE, type = "binary")
library('robustHD')

实例：运行R代码

Rscript Main_SVCMsp_GWR_China_years_server.R

参考