学习R包
本教程整理自生信星球
安装和加载R包
1.镜像设置
使用Rstudio时为了加速包的下载，会配置一个国内镜像
初级模式
在Rstudio的程序中设置
图源生信星球
这个是CRAN的镜像，若要下载Bioconductor的包，该镜像无法用
即使设置了CRAN镜像，Rstudio并非每次均从CRAN下载包，可通过options()$repos来检验
升级模式
# options函数就是设置R运行过程中的一些选项设置
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #对应清华源
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #对应中科大源
# 可以换成其他地区的镜像
若下次再打开Rstudio发现，下载Bioconductor还是会回到官方镜像，可以查询
options()$BioC_mirror，如果依旧是自行设置的国内镜像，则没问题；若发现需要再重新运行一遍代码进行设置，则需要继续看下面的内容
高级模式
不想每次打开Rstudio都要运行一遍镜像配置，就需要用到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/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
#保存并重启Rstudio，检查下列命令
options()$repos
options()$BioC_mirror
2.安装
install.packages(“包”)
BiocManager::install(“包”)
#安装的包存在于CRAN网站还是Biocductor，可通过谷歌搜到
3.加载
library(包)
require(包)
dplyr五个基础函数
1.mutate()-新增列
mutate(test, new = Sepal.Length * Sepal.Width)
2.select()-按列筛选
#按列号筛选
select(test,1)
select(test,c(1,5))
select(test,Sepal.Length)
#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"))
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))
dplyr两个实用技能
1：管道操作 %>%
加载任意一个tidyverse包即可用管道符号，管道符的快捷键：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)
dplyr处理关系数据
#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,取交集
inner_join(test1, test2, by = "x")
## x z y
## 1 b A 2
## 2 e B 5
## 3 f C 6
2.左连left_join
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
## 2 b 2 A
## 3 c 3
## 4 d 4
## 5 e 5 B
## 6 f 6 C
3.全连full_join
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：返回能够与y表匹配的x表所有记录semi_join
#用在比对两个表上或许很有用
semi_join(x = test1, y = test2, by = 'x')
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')
## x y
## 1 a 1
## 2 c 3
## 3 d 4
6.简单合并
相当于base包里的cbind()函数和rbind()函数。★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
