学习小组Day6-MN

1. 安装包

install.packages("包")
Biocmanager::install("包")
安装命令的选择取决于包在CRAN镜像中还是Biocductor中。

2. 加载包

library(包)
require(包)
==安装与加载包的模版==

> 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)

3. dplyr中的函数

1. 新增列mutate()

> mutate(test, new = Sepal.Length * Sepal.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

mutate(数据框，新增列名=什么数据)

2. 按列筛选select()

1. 按列号筛选

> test <- iris[c(1:2,51:52,101:102),]
> 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,(1:3))
    Sepal.Length Sepal.Width Petal.Length
1            5.1         3.5          1.4
2            4.9         3.0          1.4
51           7.0         3.2          4.7
52           6.4         3.2          4.5
101          6.3         3.3          6.0
102          5.8         2.7          5.1

2. 按列名筛选

> select(test,Sepal.Length,Sepal.Width)
    Sepal.Length Sepal.Width
1            5.1         3.5
2            4.9         3.0
51           7.0         3.2
52           6.4         3.2
101          6.3         3.3
102          5.8         2.7
> vars <- c("Petal.Length", "Petal.Width")
> select(test, one_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

3. 按行筛选filter()

> filter(test,Species=="setosa")#搜索Species中含有setosa的行
  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>4)#取符合两个变量筛选条件的交集
  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 %in% c("setosa","versicolor"))# 一个变量符合两个条件
  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

4. 按1行或几行排序arrange()

> arrange(test,Sepal.Length)#按Sepal.Length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,Species,Sepal.Width)#按Species,Sepal.Width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          7.0         3.2          4.7         1.4
4          6.4         3.2          4.5         1.5
5          5.8         2.7          5.1         1.9
6          6.3         3.3          6.0         2.5
     Species
1     setosa
2     setosa
3 versicolor
4 versicolor
5  virginica
6  virginica
> arrange(test,desc(Sepal.Length))#按Species,Sepal.Length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
> arrange(test,desc(Species,Sepal.Length))#按Species,Sepal.Length从大到小排列
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          6.3         3.3          6.0         2.5
2          5.8         2.7          5.1         1.9
3          7.0         3.2          4.7         1.4
4          6.4         3.2          4.5         1.5
5          5.1         3.5          1.4         0.2
6          4.9         3.0          1.4         0.2
     Species
1  virginica
2  virginica
3 versicolor
4 versicolor
5     setosa
6     setosa

5. 汇总

> summarise(test,mean(Sepal.Length),sd(Sepal.Length))#计算Sepal.Length的平均值和标准差。
  mean(Sepal.Length) sd(Sepal.Length)
1           5.916667        0.8084965
> group_by(test,Species)#对数据按照Species进行分组
# A tibble: 6 x 5
# Groups:   Species [3]
  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 versico…
4          6.4         3.2          4.5         1.5 versico…
5          6.3         3.3          6           2.5 virgini…
6          5.8         2.7          5.1         1.9 virgini…
> summarise(group_by(test,Species),mean(Sepal.Length),sd(Sepal.Length))#按照分组计算Sepal.Length的平均值和标准差
# 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

4. dplyr的实用技能

1. 管道操作

%>%是管道操作符，就是把左侧准备的数据或表达式，传递给右侧的函数调用或表达式进行运行，可以连续操作就像一个链条一样。
具体介绍可以看R语言中管道操作 %>%, %T>%, %$% 和 %%。

> 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

2. count统计某列唯一值及重复次数

> count(test,Species)
# A tibble: 3 x 2
  Species        n
  <fct>      <int>
1 setosa         2
2 versicolor     2
3 virginica      2

5. dplyr处理关系数据

1. 创建两个表格

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

默认stringAsFactor=F。如果不默认，需要变为

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

2. 取交集

> inner_join(test1,test2,by='x')对x列取交集
  x z y
1 b A 2
2 e B 5
3 f C 6

3.提取数据

> left_join(test1,test2,by='x')#从test2中提取与test1中x所对应的y的数值
  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')#从test1中提取与test2中x所对应的y的数值
  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

4. 取并集

> full_join(test1,test2,by='x')#以X取并集
  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

5. 半连接

> semi_join(x=test1,y=test2,by='x')#返回test1中与test2的x取交集的x所对应的所有信息。
  x z
1 b A
2 e B
3 f C

6. 反连接

> anti_join(x=test2,y=test1,by='x')#返回test2中与test1的x无法匹配的x的全部信息
  x y
1 a 1
2 c 3
3 d 4

7. 简单合并

用cling()合并具有相同行数的数据框
用rbind()合并具有相同列数的数据框

> 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_cols(test1,test3)#按列合并
  x  y   z
1 1 10 100
2 2 20 200
3 3 30 300
4 4 40 400
> bind_rows(test1,test2)#按行合并
  x  y
1 1 10
2 2 20
3 3 30
4 4 40
5 5 50
6 6 60