学习小组Day6-GAGA

Day6.jpg

本文以dplyr包为例

镜像设置

  1. 初级模式
    在Rstudio中设置CRAN镜像,通过options()$repos来检验。(但是如果要下载Bioconductor的包,这个镜像是没有办法用的!!!)

  2. 升级模式
    自定义CRAN和Bioconductor的下载镜像

#options函数就是R运行过程中的一些设置选项
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
  1. 高级模式
    需要用到R的配置文件.Rprofile
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
#保存file
#重启Rstudio
#再运行options()$repos和options()$BioC_mirror就发现已经配置好了

安装(需要联网)

install.packages("包名")
#BiocManager::install("包名")    
#取决于安装的包存在于CRAN网站还是Bioconductor

加载(两种方式)

library(包名)
require(包名)

dplyr的五个基础函数

安装包和加载数据

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
install.packages("dplyr")
library(dplyr)
test<-iris[c(1:2,51:52,101:102),]

函数

  1. mutate():新增列
    mutate(test,new=Sepal.Length*Sepal.Width) #新增一列new,值为Sepal.Length*Sepal.Width

  2. select():按列筛选

select(test,1)    #第一列
select(test,c(1,5))     #第一列和第五列
select(test,Sepal.Length)   #Sepal.Length列
select(test,Petal.Length,Petal.Width)
vars<-c("Petal.Length","Petal.Width")
select(test,one_of(vars))
#也可以是
select(test,all_of(vars))


最好不要用select(test,vars)
会提示Use ‘all_of(vars)’ instead of ’vars‘ to silence this message.

  1. filter():筛选行
filter(test, Species=="setosa")   
filter(test, Species=="setosa"&Sepal.Length>5)
filter(test, Species %in% c("setosa","versicolor")
  1. arrange():按某一列或某几列对整个表格进行排序
arrange(test, Sepal.Length)  #默认根据Sepal.Length值从小到大排序
arrange(test, desc(Sepal.Length))  #desc表示从大到小
  1. summaries():汇总(可结合group_by
summaries(test, mean(Sepal.Length), sd(Sepal.Length))  #计算Sepal.Length的均值和标准差
group_by(test,Species)   #按Species分组
summaries(group_by(test,Species) , mean(Sepal.Length), sd(Sepal.Length))  ##计算根据物种分组后的Sepal.Length均值和标准差

dplyr两个实用技能

  1. 管道操作%>%(cmd/ctr+shift+M)

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

  1. count():统计某列的unique值
    count(test, Species) #一共有多少种品种,以及对应的频数

dplyr处理关系数据

  1. 两个表进行连接,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)
test1  #按列排列

test2 <- data.frame(x = c('a','b','c','d','e','f'),y = c(1,2,3,4,5,6), stringsAsFactors = F)
test2  
  1. inner_join:内部连接,取交集
    inner_join(test1,test2,by="x") #取两个表的x交集

  2. left_join:左连接

left_join(test1,test2,by="x")   #根据test1的x进行连接
left_join(test2,test1,by="x")   #根据text2的x进行连接
  1. full_join:全连接
    full_join(test1, test2,by="x")

  2. semi_join:半连接,返回无法与y表匹配的x表的所有记录
    semi_join(x=test1,y=test2,by="x")

  3. bind_rows:行连接,两个表格列数相同bind_cols:列连接,两个数据框行数相同

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
bind_rows(test1, test2)
bind_cols(test1,test3)
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,928评论 6 509
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,748评论 3 396
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 166,282评论 0 357
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,065评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,101评论 6 395
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,855评论 1 308
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,521评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,414评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,931评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,053评论 3 340
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,191评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,873评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,529评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,074评论 0 23
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,188评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,491评论 3 375
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,173评论 2 357

推荐阅读更多精彩内容