刚好之前也纠结过类似的问题，分享两个实用的方法给你：

一、获取已安装R包的磁盘大小（无需查看目录） #

不用手动翻文件目录，R自带的工具包就能搞定：

• 精准获取实际磁盘占用：用tools::package_size()，它会计算指定包在磁盘上的真实占用空间（包括所有关联的帮助文档、数据文件等），返回值单位是字节，转成MB更直观：

  # 查看dplyr包的大小
  dplyr_size <- as.numeric(tools::package_size("dplyr")) / (1024^2)
  cat("dplyr包实际磁盘大小：", round(dplyr_size, 2), "MB\n")
  

• 批量查看所有已安装包：结合installed.packages()可以快速统计所有包的大小，不过要注意这里的Size字段是包在CRAN上的压缩包大小，和实际安装后的占用有差异：

  # 获取所有已安装包的大小（单位KB），转成MB并排序
  pkg_sizes_mb <- installed.packages(fields = "Size")[, "Size"] / 1024
  sort(pkg_sizes_mb, decreasing = TRUE)[1:10] # 显示前10大的包
  

二、查看已加载/附加包的内存占用 #

当包被加载到工作区后，会占用内存，两种方法可以查看：

方法1：基础R函数手动统计 #

无需额外安装包，通过遍历包的环境来计算：

# 获取所有已加载的包（以package:开头的环境）
loaded_pkgs <- grep("^package:", search(), value = TRUE)

# 计算每个包的内存占用（转成MB）
pkg_mem <- sapply(loaded_pkgs, function(pkg) {
  # 列出包内所有对象并累加大小
  total_size <- sum(sapply(ls(pos = pkg), function(obj) {
    object.size(get(obj, pos = pkg))
  }))
  total_size / (1024^2)
})

# 按内存占用从大到小排序输出
sort(pkg_mem, decreasing = TRUE)

方法2：用pryr包快速可视化 #

pryr是专门做内存分析的工具包，用它能更简洁地查看：

# 首次使用先安装
install.packages("pryr")
library(pryr)

# 直接输出所有已加载对象（包括包）的内存占用
mem_usage()

这个函数会返回一个清晰的列表，不仅包含每个包的内存占用，还会列出工作区里的其他对象，非常直观。

内容的提问来源于stack exchange，提问作者zjzjzj