R包

安装和加载

R包是多个函数的集合，有详细的说明和示例

学生信，R语言必学的原因是丰富的图表和Biocductor上面的各种生信分析R包

intall.packages("包")
BiocManager::install("包")
这两个都可以安装，取决于包是存放在CRAN还是Biocductor网站，可以搜到
library()
require()
都可以加载包，在使用包之前都要加载
安装和加载代码

options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) 
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") 
install.packages("dplyr")
library(dplyr)

由于已经安装了dplyr，因此不再操作一次
今天用的数据是内置数据集iris简化版:
test <- iris[c(1:2,51:52,101:102),]

dplyr五个基础函数

mutate()新增列

> mutate(test,new=Sepal.Length*Sepal.Width)#新增一列，为Sepal.Length*Width
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          5.1         3.5          1.4         0.2
2          4.9         3.0          1.4         0.2
3          7.0         3.2          4.7         1.4
4          6.4         3.2          4.5         1.5
5          6.3         3.3          6.0         2.5
6          5.8         2.7          5.1         1.9
     Species   new
1     setosa 17.85
2     setosa 14.70
3 versicolor 22.40
4 versicolor 20.48
5  virginica 20.79
6  virginica 15.66

select() 按列筛选

> select(test,1)
    Sepal.Length
1            5.1
2            4.9
51           7.0
52           6.4
101          6.3
102          5.8
> select(test,c(1,5))
    Sepal.Length    Species
1            5.1     setosa
2            4.9     setosa
51           7.0 versicolor
52           6.4 versicolor
101          6.3  virginica
102          5.8  virginica
> select(test,Sepal.Length)
    Sepal.Length
1            5.1
2            4.9
51           7.0
52           6.4
101          6.3
102          5.8
> vars <- c("Petal.Length", "Petal.Width")
> select(test, one_of(vars))#one_of()是用来声明选择对象的。比如one_of("x","y")就是表明选择x,y变量
    Petal.Length Petal.Width
1            1.4         0.2
2            1.4         0.2
51           4.7         1.4
52           4.5         1.5
101          6.0         2.5
102          5.1         1.9
> select(test,all_of(vars))
    Petal.Length Petal.Width
1            1.4         0.2
2            1.4         0.2
51           4.7         1.4
52           4.5         1.5
101          6.0         2.5
102          5.1         1.9

filter()按行筛选

> filter(test,Species=="setosa")
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          5.1         3.5          1.4         0.2
2          4.9         3.0          1.4         0.2
  Species
1  setosa
2  setosa
> filter(test,Species=="setosa"&Sepal.Length>5)
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          5.1         3.5          1.4         0.2
  Species
1  setosa
> filter(test,Species %in% c("setosa","versicolor"))
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          5.1         3.5          1.4         0.2
2          4.9         3.0          1.4         0.2
3          7.0         3.2          4.7         1.4
4          6.4         3.2          4.5         1.5
     Species
1     setosa
2     setosa
3 versicolor
4 versicolor

arrange()按某一列或多列对表格排序

> arrange(test,Sepal.Length)#按Sepal.Length的大小排序，默认从小到大排序
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          4.9         3.0          1.4         0.2
2          5.1         3.5          1.4         0.2
3          5.8         2.7          5.1         1.9
4          6.3         3.3          6.0         2.5
5          6.4         3.2          4.5         1.5
6          7.0         3.2          4.7         1.4
     Species
1     setosa
2     setosa
3  virginica
4  virginica
5 versicolor
6 versicolor
> arrange(test,desc(Sepal.Length))#加desc是从大到小排序
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          7.0         3.2          4.7         1.4
2          6.4         3.2          4.5         1.5
3          6.3         3.3          6.0         2.5
4          5.8         2.7          5.1         1.9
5          5.1         3.5          1.4         0.2
6          4.9         3.0          1.4         0.2
     Species
1 versicolor
2 versicolor
3  virginica
4  virginica
5     setosa
6     setosa

summarise()统计 结合group_by使用

> summarise(test,mean(Sepal.Length),sd(Sepal.Length))#计算平均值和标准差
  mean(Sepal.Length) sd(Sepal.Length)
1           5.916667        0.8084965
> #先按照Species分组，然后计算每组的平均值和标准差
> group_by(test,Species)
# A tibble: 6 x 5
# Groups:   Species [3]
  Sepal.Length Sepal.Width Petal.Length Petal.Width
*        <dbl>       <dbl>        <dbl>       <dbl>
1          5.1         3.5          1.4         0.2
2          4.9         3            1.4         0.2
3          7           3.2          4.7         1.4
4          6.4         3.2          4.5         1.5
5          6.3         3.3          6           2.5
6          5.8         2.7          5.1         1.9
# … with 1 more variable: Species <fct>
> summarise(group_by(test,Species),mean(Sepal.Length),sd(Sepal.Length))
# A tibble: 3 x 3
  Species    `mean(Sepal.Length)` `sd(Sepal.Length)`
  <fct>                     <dbl>              <dbl>
1 setosa                     5                 0.141
2 versicolor                 6.7               0.424
3 virginica                  6.05              0.354

dplyr的两个实用技能

%>% ctrl+shift+M 管道功能

> test %>% 
+ group_by(Species) %>% 
+ summarise(mean(Sepal.Length),sd(Sepal.Length))
# A tibble: 3 x 3
  Species    `mean(Sepal.Length)` `sd(Sepal.Length)`
  <fct>                     <dbl>              <dbl>
1 setosa                     5                 0.141
2 versicolor                 6.7               0.424
3 virginica                  6.05              0.354

count() 计算该列的unique值（就是每个元素在整个表中有多少个）

> count(test,Species)
# A tibble: 3 x 2
  Species        n
  <fct>      <int>
1 setosa         2
2 versicolor     2
3 virginica      2
> count(test,Sepal.Length)
# A tibble: 6 x 2
  Sepal.Length     n
         <dbl> <int>
1          4.9     1
2          5.1     1
3          5.8     1
4          6.3     1
5          6.4     1
6          7       1

对两个数据框进行处理

> test1 <- data.frame(x = c('b','e','f','x'), 
+                     z = c("A","B","C",'D'),
+                     stringsAsFactors = F)
> test1
  x z
1 b A
2 e B
3 f C
4 x D
> test2 <- data.frame(x = c('a','b','c','d','e','f'), 
+                     y = c(1,2,3,4,5,6),
+                     stringsAsFactors = F)
> test2
  x y
1 a 1
2 b 2
3 c 3
4 d 4
5 e 5
6 f 6

inner_join(test1,test2,by="x")取交集，by=“x”说明是以x列为参照

> inner_join(test1,test2,by="x")
  x z y
1 b A 2
2 e B 5
3 f C 6

left_join左连，即左边的数据集不变，将右边中和左边相同的元素返回

> left_join(test1,test2,by='x')
  x z  y
1 b A  2
2 e B  5
3 f C  6
4 x D NA
> left_join(test2,test1,by='x')
  x y    z
1 a 1 <NA>
2 b 2    A
3 c 3 <NA>
4 d 4 <NA>
5 e 5    B
6 f 6    C

full_join全连，即取并集

> full_join( test1, test2, by = 'x')
  x    z  y
1 b    A  2
2 e    B  5
3 f    C  6
4 x    D NA
5 a <NA>  1
6 c <NA>  3
7 d <NA>  4

semi_join半连，返回能与y表匹配的所有x表的记录

> semi_join(x = test1, y = test2, by = 'x')
  x z
1 b A
2 e B
3 f C
> semi_join(test1, test2, by = 'x')
  x z
1 b A
2 e B
3 f C

anti_join()返回所有无法和y匹配的x的记录

> anti_join(x = test2, y = test1, by = 'x')
  x y
1 a 1
2 c 3
3 d 4

bind_rows()需要两个函数列数相同
bind_cols()需要两个函数行数相同

在相当于base包里的cbind()函数和rbind()函数;注意，bind_rows()函数需要两个表格列数相同，而bind_cols()函数则需要两个数据框有相同的行数

> test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
> test1
  x  y
1 1 10
2 2 20
3 3 30
4 4 40
> test2 <- data.frame(x = c(5,6), y = c(50,60))
> test2
  x  y
1 5 50
2 6 60
> test3 <- data.frame(z = c(100,200,300,400))
> test3
    z
1 100
2 200
3 300
4 400

> bind_rows(test1,test2)
  x  y
1 1 10
2 2 20
3 3 30
4 4 40
5 5 50
6 6 60
> bind_cols(test1,test3)
  x  y   z
1 1 10 100
2 2 20 200
3 3 30 300
4 4 40 400