照例先上思维导图

D6.png

一、Rstudio设置镜像

与R软件不同，Rstudio不会自动询问是否配置镜像，因此需要自己设置。分别为CRAN和Bioconductor的下载镜像

# options函数就是设置R运行过程中的一些选项设置
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

但这个方法并非一劳永逸，在下次打开Rstudio时，可用options()$BioC_mirror查询镜像发现又回到官方镜像，因此要下载R包又要重新打一遍上面的代码。那有什么办法设置一下么？

高级设置

需要用到R的配置文件 .Rprofile
（1）首先用file.edit()来编辑文件

file.edit('~/.Rprofile')

（2）然后在其中添加好上面的两行options代码

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

最后保存=》重启Rstudio，这时再运行一下：options()$repos和options()$BioC_mirror 就发现已经配置好了，就很方便地省了手动运行的步骤

二、安装及加载R包

install.packages(“包”) #来源CRAN网站
BiocManager::install(“包”) #来源Biocductor
library(包)
require(包)

library和require都可以用于加载R包；注意安装和加载时包名的双引号区别

三、R包实战--dplyr的5个基本函数

dplyr包主要用于数据清洗和整理，主要功能有：行选择、列选择、统计汇总、窗口函数、数据框交集等，是非常高效、友好的数据处理包
使用内置数据集iris作为示例，先把一些行提取出来

test<-iris[c(1:2,51:52,101:102),]

mutate():用于新增列

> mutate(test, new = Sepal.Length * Sepal.Width) #新增的列为前面两列的数据进行相乘得到的结果
  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species   new
1          5.1         3.5          1.4         0.2     setosa 17.85
2          4.9         3.0          1.4         0.2     setosa 14.70
3          7.0         3.2          4.7         1.4 versicolor 22.40
4          6.4         3.2          4.5         1.5 versicolor 20.48
5          6.3         3.3          6.0         2.5  virginica 20.79
6          5.8         2.7          5.1         1.9  virginica 15.66

select():用于按列进行筛选

> select(test,1)  #按列号筛选
    Sepal.Length
1            5.1
2            4.9
51           7.0
52           6.4
101          6.3
102          5.8
> select(test,c(2:4))  #筛选多列
    Sepal.Width Petal.Length Petal.Width
1           3.5          1.4         0.2
2           3.0          1.4         0.2
51          3.2          4.7         1.4
52          3.2          4.5         1.5
101         3.3          6.0         2.5
102         2.7          5.1         1.9
> select(test,Sepal.Length) #按列名进行筛选，对于处理数据大表达矩阵的可以进行特定筛选
    Sepal.Length
1            5.1
2            4.9
51           7.0
52           6.4
101          6.3
102          5.8

filter()：用于按行进行筛选

> filter(test,Species=="setosa") #设定筛选条件，由于Species列的参数是字符串，因此要有双引号
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
> filter(test,Species=="setosa"&Sepal.Length>5)  #可以同时设置多个条件进行精准筛选
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
> filter(test,Species %in% c("versicolor","virginica")) #%in%为管道函数
  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          7.0         3.2          4.7         1.4 versicolor
2          6.4         3.2          4.5         1.5 versicolor
3          6.3         3.3          6.0         2.5  virginica
4          5.8         2.7          5.1         1.9  virginica

x %in% y 的意思是“对x里的每个元素进行判断，判断它是否在y中存在，存在就返回TRUE，不存在就返回FALSE”，多的元素在前，少的元素在后

arrange()：用于根据某一列或某几列对整个表格进行重新排序

> arrange(test,Sepal.Length)  #对某一列进行排序，不加其他参数默认从小到大排序
  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          4.9         3.0          1.4         0.2     setosa
2          5.1         3.5          1.4         0.2     setosa
3          5.8         2.7          5.1         1.9  virginica
4          6.3         3.3          6.0         2.5  virginica
5          6.4         3.2          4.5         1.5 versicolor
6          7.0         3.2          4.7         1.4 versicolor
> arrange(test,desc(Sepal.Length)) #利用desc设置为从大到小排序
  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          7.0         3.2          4.7         1.4 versicolor
2          6.4         3.2          4.5         1.5 versicolor
3          6.3         3.3          6.0         2.5  virginica
4          5.8         2.7          5.1         1.9  virginica
5          5.1         3.5          1.4         0.2     setosa
6          4.9         3.0          1.4         0.2     setosa

对某几列进行排序：
假设有个新的数据框mydata如下

> mydata
  X1 X2
1  2  7
2  2  4
3  2  6
4  1  9
5  1  7
> arrange(mydata,X1,X2) #以X1和X2联合升序排序。也就是说：首先按照X1的升序（从小到大）排序；如果在X1相等的情形下，则按照X2从小到大排序
  X1 X2
1  1  7
2  1  9
3  2  4
4  2  6
5  2  7
> arrange(mydata,X1,desc(X2)) #首先按照X1的升序（从小到大）排序；如果在X1相等的情形下，则按照X2的降序（从大到小）排序
  X1 X2
1  1  9
2  1  7
3  2  7
4  2  6
5  2  4

summarise():用于汇总数据信息，结合group_by()使用实用性强

> summarise(test, mean(Sepal.Length), sd(Sepal.Length))
  mean(Sepal.Length) sd(Sepal.Length)
1           5.916667        0.8084965

# 按照Species分组
> group_by(test, Species)
A tibble: 6 x 5
Groups:   Species [3]  #根据Species分成了三组
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species   
         <dbl>       <dbl>        <dbl>       <dbl> <fct>     
1          5.1         3.5          1.4         0.2 setosa    
2          4.9         3            1.4         0.2 setosa    
3          7           3.2          4.7         1.4 versicolor
4          6.4         3.2          4.5         1.5 versicolor
5          6.3         3.3          6           2.5 virginica 
6          5.8         2.7          5.1         1.9 virginica 

# 按照Species分组，并计算每组Sepal.Length的平均值和标准差
> 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

四、dplyr 的实用技能

1. 管道符号`%>%` (ctr + shift + M)

> 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

%>%：表示将左边的结果传递给右边，通常右边是一个函数，它会对传过来的结果进行相对应的计算

2. count统计某列的unique值

> count(test,Species)
     Species n
1     setosa 2
2 versicolor 2
3  virginica 2

3. 行名列与第一列之间的相关转换

图片.png

(1）has_rownames(df)
数据df是否有rownanme，返回布尔型数据。
(2)remove_rownames(df)
如果有rowname，移除rowname
(3)rownames_to_column(df, var = "A")
把rownames转换成一列，该列的列名设为：A
(4)rowid_to_column(df, var = "rowid")
移除原有rowname，替换成为rowid，从1自增型，
(5)column_to_rownames(df, var = "C")
把原有数据中名为C的列变成rowname

与data.table包合用,将基因表达矩阵读入，并将第一列设为行名：

df <- data.table::fread("inputfilename.txt") 
df %>% column_to_rownames(df [,1])

五、dplyr处理关系数据

先创建两个数据框test1和test2，注意不要引入factor

> options(stringsAsFactors = F)
> 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

1. 內连`inner_join`：用于取交集

> inner_join(test1,test2,by="x") #以x列为基准取交集
  x z y
1 b A 2
2 e B 5
3 f C 6

2. 左连`left_join`:以第一个表达矩阵的为准，将第二个与第一个匹配

> left_join(test1,test2,by="x")  #以整个test1表为准
  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")  #以整个test2表为准
  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

3. 全连`full_join`：将两个表合并一起，不用管行列是否对齐，没对齐自动用NA进行补全

> 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

4. 半连接`semi_join`：返回能够与y表匹配的x表的所有记录

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

5. 反连接`anti_join`：返回无法与y表匹配的x表的所记录

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

6. 简单合并

创建三个数据框

> test3 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
> test3
  x  y
1 1 10
2 2 20
3 3 30
4 4 40
> test4 <- data.frame(x = c(5,6), y = c(50,60))
> test4
  x  y
1 5 50
2 6 60
> test5 <- data.frame(z = c(100,200,300,400))
> test5
    z
1 100
2 200
3 300
4 400

bind_rows()函数将两个表格的行进行合并，要求两个表格列数相同！！相当于base包里的rbind()函数

> bind_rows(test3, test4)
  x  y
1 1 10
2 2 20
3 3 30
4 4 40
5 5 50
6 6 60

bind_cols()函数将两个表格的列进行合并，要求两个表格行数相同！！相当于base包里的cbind()函数

> bind_cols(test3, test5)
  x  y   z
1 1 10 100
2 2 20 200
3 3 30 300
4 4 40 400

管道操作

magrittr包，主要定义了4个管道操作符，分另是%>%, %T>%, %$% 和 %<>%。其中，操作符%>%是最常用的。
很多比较成熟的项目扩展包都已经实现了管道操作函数的内置（比如dplyr、rvest、leaflet等都实现了默认调用）。

具体应用及区别可参考：
在R语言中含有百分号（%）符号的含义和管道函数

学习小组D6笔记-年糕

学习小组D6笔记-年糕

一、Rstudio设置镜像

高级设置

二、安装及加载R包

三、R包实战--dplyr的5个基本函数

四、dplyr 的实用技能

1. 管道符号`%>%` (ctr + shift + M)

2. count统计某列的unique值

3. 行名列与第一列之间的相关转换

五、dplyr处理关系数据

1. 內连`inner_join`：用于取交集

2. 左连`left_join`:以第一个表达矩阵的为准，将第二个与第一个匹配

3. 全连`full_join`：将两个表合并一起，不用管行列是否对齐，没对齐自动用NA进行补全

4. 半连接`semi_join`：返回能够与y表匹配的x表的所有记录

5. 反连接`anti_join`：返回无法与y表匹配的x表的所记录

6. 简单合并

管道操作

学习小组D6笔记-年糕

一、Rstudio设置镜像

高级设置

二、安装及加载R包

三、R包实战--dplyr的5个基本函数

四、dplyr 的实用技能

1. 管道符号%>% (ctr + shift + M)

2. count统计某列的unique值

3. 行名列与第一列之间的相关转换

五、dplyr处理关系数据

1. 內连inner_join：用于取交集

2. 左连left_join:以第一个表达矩阵的为准，将第二个与第一个匹配

3. 全连full_join：将两个表合并一起，不用管行列是否对齐，没对齐自动用NA进行补全

4. 半连接semi_join：返回能够与y表匹配的x表的所有记录

5. 反连接anti_join：返回无法与y表匹配的x表的所记录

6. 简单合并

管道操作

1. 管道符号`%>%` (ctr + shift + M)

1. 內连`inner_join`：用于取交集

2. 左连`left_join`:以第一个表达矩阵的为准，将第二个与第一个匹配

3. 全连`full_join`：将两个表合并一起，不用管行列是否对齐，没对齐自动用NA进行补全

4. 半连接`semi_join`：返回能够与y表匹配的x表的所有记录

5. 反连接`anti_join`：返回无法与y表匹配的x表的所记录