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
