学习R包

包是 R 函数、实例数据、预编译代码的集合，包括 R 程序，注释文档、实例、测试数据等。R 语言相关的包一般存储安装目录下对 "library" 目录

安装和加载R包

1.镜像设置

file.edit(‘~/.Rprofile’)           #编辑一个文件
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))  #对应清华源
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")         #对应中科大源
options()$repos
options()$BioC_mirror                             #配置好镜像

Snipaste_2020-10-21_16-35-01.png

2.安装R包

install.packages("dplyr")                      #两个命令根据安装的包存在的位置来选
BiocManager::install(“包”)                    # “包”为你需要下载的R包

Snipaste_2020-10-21_17-02-55.png

3.加载R包

library(dplyr)                 #载入程序包dplyr
require(包)                    #两个命令选一个即可，同样（包）为你要下载的包的名称

Snipaste_2020-10-21_17-05-37.png

dplyr五个基本函数

R包dplyr 可用于处理R内部或者外部的结构化数据，专注接受dataframe对象
当然在进行函数操作前咱们得先有一些数据，所以呢先建一个数据集
test <- iris[c(1:2,51:52,101:102),] #内置数据集iris的简化版

1.新增列 mulate()

mutate(test, new = Sepal.Length * Sepal.Width)

Snipaste_2020-10-21_18-08-49.png

2.按照列来筛选select()

按照列号筛选

 select(test,1)                   #选择第一列
select(test,c(1,5))             #选择第一列和第五列
select(test,Sepal.Length) #选择名为Sepal.Length的列

Snipaste_2020-10-21_18-14-54.png

按照列名来筛选

select(test,Petal.Length, Petal.Width)            #选择名为Petal.Length, Petal.Width的列
vars <- c("Petal.Length","Petal.Width")          #将vars赋值为Petal.Length, Petal.Width
select(test, one_of(vars))                               #便捷的查看Petal.Length, Petal.Width

Snipaste_2020-10-21_18-24-57.png

3.按照行来筛选 filter()

filter(test, Species == "setosa")                                  #选择名为setosa的行
filter(test, Species == "setosa"&Sepal.Length > 5)    #选择名为setosa且Sepal.Length>5的行
filter(test, Species %in% c("setosa","versicolor"))      #选择setosa和versicolor的行

Snipaste_2020-10-21_18-31-37.png

4.按照某一列或着某几列对整个表格进行排序

 arrange(test, Sepal.Length)                    #从小到大排序
arrange(test, desc(Sepal.Length))           #用desc从大到小排序

Snipaste_2020-10-21_18-35-50.png

5.汇总summarise()

summarise(test, mean(Sepal.Length), sd(Sepal.Length))                               #计算Sepal.Length的平均值和标准差
group_by(test, Species)                                     #按照Species分组
summarise(group_by(test, Species), mean(Sepal.Length), sd(Sepal.Length))  #分完组之后计算每个组的平均值和标准差

Snipaste_2020-10-21_18-41-54.png

今日份人生启示：一定要严格区分: ; , . 这几个标点符号，不然后报错报到怀疑人生

dplyr两个实用技能

1.管道操作 %>%

>test %>%
+ group_by(Species) %>%
+ summarise(mean(Sepal.Length), sd(Sepal.Length))    #用group-by分的组直接传给summarise进行统计，就不需要重新输入（相当于Linux中的|）

2.统计某一列的unique值

count(test,Species)

Snipaste_2020-10-21_18-57-12.png

dplyr处理关系数据

同样我们首先需要一些数据

options(stringsAsFactors = F)                     #设置环境函数
test1 <- data.frame(x = c('b','e','f','x'), z = c('A','B','C','D'), stringsAsFactors = F)    #给test1赋值
test1
test2 <- data.frame(x = c('a','b','c','d','e','f'), z = c(1,2,3,4,5,6), stringsAsFactors = F)  #给test2赋值
 test2

Snipaste_2020-10-21_19-16-16.png

1.内连 取交集inner_join()

inner_join(test1, test2, by = "x")

2.左连left_join()

left_join(test1, test2, by = "x")

3.全连full_join()

full_join( test1, test2, by ='x')

4.半连接：返回能够与y表匹配的x表所有记录 semi_join()

semi_join(x = test1, y = test2, by = 'x')

Snipaste_2020-10-21_19-19-34.png

5.反连接：返回无法与y表匹配的x表的所记录 anti_join

anti_join(x = test2, y= test1, by = 'x')

Snipaste_2020-10-21_19-20-13.png

6.简单合并

test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
test1
test2<- data.frame(x = c(5,6), y = c(50,60))
test2
test3 <- data.frame(z = c(100,200,300,400))
test3                                                                                      #先设置一些 参数
bind_rows(test1, test2)         # bind_rows()函数需要两个表格列数相同
bind_cols(test1, test3)          #bind_cols()函数需要两个数据框有相同的行数

Snipaste_2020-10-21_19-22-16.png

今日份思维导图

Snipaste_2020-10-21_21-35-51.png