安装R包
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)
读取iris数据
test <- iris[c(1:2,51:52,101:102),]
head(test)#有5列
1.新增列
- 新增一列：方法一
mutate(test, new = Sepal.Length * Sepal.Width) - 新增一列：方法二
test$new<-test$Sepal.Length*test$Sepal.Width
head(test) - 新增一列：方法三（transform）
test <- iris[c(1:2,51:52,101:102),]
transform(test,new=Sepal.Length * Sepal.Width)
- 新增一列：方法四（transform）
attach(test)
test$new<-Sepal.Length*Sepal.Width
2.按列筛选
- 方法一:dplyr::select
#按照下标或者名字
select(test,1)
select(test,Sepal.Length)
select(test,c(1,5))
select(test, Petal.Length, Petal.Width)
#筛选并且重命名
test %>% select(Length=Petal.Length,Width=Petal.Width)#可以用 %>%
select(test,Length=Petal.Length,Width=Petal.Width)
select(test,Length=1,Width=2)
#选择多列时可以用这个方法
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))
#提取Sepal 开头的列
select(test,starts_with("Sepal"))
#提取h结尾的列
select(test,ends_with("h"))
#提取包含.的列
select(test,contains("."))
#提取匹配数字的列：
test %>% select_if(is.numeric)
#匹配为因子的列：
test %>% select_if(is.factor)
#注意MASS包也有select，此时可以
library(tidyverse)
select = dplyr::select
- 方法二
test[,c(1,5)]
t=test[,1]#此方法提取单列时会变为Values
class(t)
- 方法三
test$Sepal.Length
3.筛选行
test <- iris[c(1:2,51:52,101:102),]
- 方法一：dplyr::filter
filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )#两个条件都符合；
filter(test, Species %in% c("setosa","versicolor"))
#基于逻辑筛选
filter(condition1,condition2)#两个条件都符合；
filter(condition1,!condition2)#条件1是TRUE，条件2是FALSE；
filter(condition1 | condition2)#两个条件符合其中一个即可；
filter(xor(condition1, condition2)#只有一个条件符合！两个都符合不可以。注意使用
- 方法二
test[1,]
4.排序
- 方法一：dplyr::arrange
arrange(test, Sepal.Length)#默认从小到大排序
arrange(test, desc(Sepal.Length))#用desc从大到小
- 方法二：order返回的是下标排名
test[order(test$Sepal.Length),]
test[order(test$Sepal.Length,test$Sepal.Width),] #先按照Sepal.Length排序，再Sepal.Width排序
- 方法三：sort返回的是具体数值
sort(test$Sepal.Length)
test[sort(test$Sepal.Length),]#这样得不到想要的结果
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))
6.管道操作 %>%
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
#count统计某列的unique值
count(test,Species)
7.连接两个表
options(stringsAsFactors = F)
test1 <- data.frame(x = c('b','e','f','x'),
z = c("A","B","C",'D'),
stringsAsFactors = F)
test1
test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6),
stringsAsFactors = F)
test2
#1.內连inner_join,取交集
inner_join(test1,test2,by = "x")
#2.左连left_join
left_join(test1, test2, by = 'x')
left_join(test2, test1, by = 'x')
#3.全连full_join
full_join( test1, test2, by = 'x')
#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')
#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')
8.cbind()：合并列，需要行相同。rbind()：合并行，需要列相同
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
rbind(test1, test2)
cbind(test1, test3)
