学习R包

以dplyr为例，学习R包

一、安装和加载R包

1. 镜像设置

image.png

2. 升级模式：第一种模式无法在bioconductor上下载包时使用

# 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
# 也可以换成其他地区的镜像

3. 高级模式：一次设置免去所有烦恼

R的配置文件 .Rprofile：Rstudio最重要的两个配置文件：在刚开始运行Rstudio的时候，程序会查看许多配置内容，其中一个就是.Renviron，它是为了设置R的环境变量；而.Rprofile就是一个代码文件，如果启动时找到这个文件，那么就替我们先运行一遍（这个过程就是在启动Rstudio时完成的

file.edit('~/.Rprofile')
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

最后保存=》重启Rstudio，这时你再运行一下：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

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

三、学习dplyr五个基础函数

内置数据集iris的简化版test <- iris[c(1:2,51:52,101:102),]

image.png

1.mutate(),新增列

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

image.png

2.select(),按列筛选

(1)按列号筛选

select(test,1)

image.png

select(test,c(1,5))

image.png

select(test,Sepal.Length)

image.png

(2)按列名筛选

select(test, Petal.Length, Petal.Width)
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))

(3)filter()筛选行

filter(test, Species == "setosa)
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))

image.png

image.png

image.png

(4).arrange(),按某1列或某几列对整个表格进行排序

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

(5).summarise()：汇总

summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差
# 先按照Species分组，计算每组Sepal.Length的平均值和标准差
group_by(test, Species)
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))

四、dplyr两个实用技能

1：管道操作 %>% (cmd/ctr + shift + M)

test %>% 
group_by(Species) %>% 
summarise(mean(Sepal.Length), sd(Sepal.Length))

2：count统计某列的unique值

count(test,Species)

五、dplyr处理关系数据

即将2个表进行连接，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)
test2 <- data.frame(x = c('a','b','c','d','e','f'), 
                    y = c(1,2,3,4,5,6),
                    stringsAsFactors = F)

test1

test2

常见的六个处理数据关系

inner_join(test1, test2, by = "x")###内连inner_join,取交集
left_join(test1, test2, by = 'x')###左连left_join
left_join(test2, test1, by = 'x')
full_join( test1, test2, by = 'x')###全连full_join
semi_join(x = test1, y = test2, by = 'x')###半连接：返回能够与y表匹配的x表所有记录semi_join
anti_join(x = test2, y = test1, by = 'x')###反连接：返回无法与y表匹配的x表的所记录anti_join

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