安装和加载R包
镜像设置
初级模式
首先就可以在菜单栏当中设置镜像，在菜单栏上选择Tools>global options，然后按照下面的方法设置就可以了
image.png
缺点：这种方法虽然可以设置镜像，但是只适用于cran的镜像，对于BIOCONDUCTOR里面的包，这个镜像是没有办法用的。
如果想要检验自己的镜像是否设置成功了，可以用以下的代码来检验
options()$repos
升级模式
为了保证可以自定义CRAN和BIOCONDUCTOR的镜像，可以在Rstudio中进行设置，只需要运行两行代码：
> # options函数就是设置R运行过程中的一些选项设置
> options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #对应清华源
> options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #对应中科大源
> # 当然可以换成其他地区的镜像
> options()$BioC_mirror
[1] "https://mirrors.ustc.edu.cn/bioc/"
> options()$repos
CRAN
"https://mirrors.tuna.tsinghua.edu.cn/CRAN/"
这个时候再用之前的方法进行检查的时候，就可以发现镜像已经设置成功了。
缺点：可能在下一次使用的时候，又变回了之前的镜像，这个时候需要重新设置才可以。
高级模式
可以直接对R的配置文件 ：.Rprofile进行修改来实现。
这样的话就不用每次都要修改了
安装
安装R包的函数：
install.packages(“包”)
比如所安装dplyr这个包，那么函数就应该如下
install.packages("dplyr")
或者
BiocManager::install(“包”)
（但是在安装之前一定要确定已经联网了）
加载
如果想要使用一个包，那么可以用以下函数来调用
library(包)
require(包)
比如说调用我们刚刚安装好的dplyr这个包的函数就如下
library(dplyr)
dplyr五个基础函数
1.mutate(),新增列
> 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
51 7.0 3.2 4.7 1.4
52 6.4 3.2 4.5 1.5
101 6.3 3.3 6.0 2.5
102 5.8 2.7 5.1 1.9
Species new
1 setosa 17.85
2 setosa 14.70
51 versicolor 22.40
52 versicolor 20.48
101 virginica 20.79
102 virginica 15.66
2.select(),按列筛选
(1)按列号筛选
> select(test,1) #筛选test中的第一列
Sepal.Length
1 5.1
2 4.9
51 7.0
52 6.4
101 6.3
102 5.8
> select(test,c(1,2,5)) #筛选test中的第1,2,5列
Sepal.Length Sepal.Width Species
1 5.1 3.5 setosa
2 4.9 3.0 setosa
51 7.0 3.2 versicolor
52 6.4 3.2 versicolor
101 6.3 3.3 virginica
102 5.8 2.7 virginica
(2)按列名筛选
举例1
> select(test, Petal.Length, Petal.Width)
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
举例2
如果想用select()筛选提取字符向量，那应该怎么办呢？在select()中是不能直接使用字符向量筛选，需要使用one_of函数
比如
> vars <- c("Petal.Length", "Petal.Width") #重新定义了一个字符变量Var
> 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
例2和例1提取的都是同样的列，但是这里的目的是为了说明select()中不能直接提取字符变量，而必须使用其他的函数辅助。
filter()筛选行
我们之前用到的select()函数是用来筛选列的，在筛选行的时候应该用filter()
> filter(test, Species == "setosa") #筛选物种为setosa的行
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
Species
1 setosa
2 setosa
> filter(test, Species == "setosa"&Sepal.Length > 5 ) #筛选物种为setosa并且花萼长度大于5的行
Sepal.Length Sepal.Width Petal.Length Petal.Width
1 5.1 3.5 1.4 0.2
Species
1 setosa
> filter(test, Species %in% c("setosa","versicolor")) #筛选物种为setasa和versicolor的行
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.arrange(),按某1列或某几列对整个表格进行排序
例子如下
> arrange(test, Sepal.Length)#默认从小到大排序
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, desc(Sepal.Length))#用desc从大到小
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
5.summarise()：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
> # 先按照Species分组，计算每组Sepal.Length的平均值和标准差
> group_by(test, Species)
# 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 versic~
4 6.4 3.2 4.5 1.5 versic~
5 6.3 3.3 6 2.5 virgin~
6 5.8 2.7 5.1 1.9 virgin~
> summarise(group_by(test, Species),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
dplyr中的两个实用操作
管道操作 %>%
管道操作的意思是什么呢？就是相当于将左边的作为右边函数的第一个参数。即f(x,y)等价于x %>% f(y)。这个操作可以使代码更加的简洁。
示例
group_by(test,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
count统计某列的unique值
例子：
> count(test,Species)
Species n
1 setosa 2
2 versicolor 2
3 virginica 2
dplyr处理关系数据
首先建立两个数据框用于演示
> 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") #以x去交集
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') #保留test1中的x值，将test2中有的值连接过来
x z y
1 b A 2
2 e B 5
3 f C 6
4 x D NA
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
就是把两张表里面所有的x都连接起来
4.半连接：返回能够与y表匹配的x表所有记录semi_join
> semi_join(x=test1,y=test2,by='x')
x z
1 b A
2 e B
3 f C
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
在相当于base包里的cbind()函数和rbind()函数;注意，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
先建立test1、test2、test3三个数据框
> 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
接下来进行连接
> 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
