学习小组Day6笔记--森蝶

学习R包

（以dqlyr为例）

Day6+学习R包.png

安装和加载R包

1.镜像设置

初级模式

进行相关配置

Rstudio的程序设置

但是这个是CRAN的镜像，如果要下载Bioconductor的包，这个镜像是没有办法用的；另外即使设置了这里，Rstudio也不是每次都能真的从CRAN去下载包，可以通过options()$repos来检验，很多时候还是无奈地回到了R的国外官网，速度超慢

升级模式

在Rstudio中进行设置，自定义CRAN和Bioconductor的下载镜像
但这个方法并不适用于每个电脑，有一部分会失败。随缘，失败的话就每次需要下载R包时运行这两句代码即可

# 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

然鹅我的电脑好像失败了，它出现了NULL

高级模式

R的配置文件.Rprofile(可以多样)

Rstudio最重要的两个配置文件：
.Renviron(设置R的环境变量);
.Rprofile(是一个代码文件，如果Rstudio启动时找到这个文件，那么就替我们先运行一遍)

1.首先用file.edit()来编辑文件：
file.edit('~/.Rprofile')
2.然后在其中添加好上面👆的两行options代码：
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

添加代码

最后保存，之后重启Rstudio，这时再运行一下：options()$repos和options()$BioC_mirror就发现已经配置好了，就很方便地省了手动运行的步骤

重新运行，成功！！！

2.安装

确保联网！！！
R包安装命令是install.packages(“包”)或者BiocManager::install(“包”)
[ 取决于你要安装的包存在于CRAN网站还是Biocductor，存在于哪里？可以谷歌搜到 ]

3.加载

library(包)或require(包)均可

安装加载三部曲

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)

安装与加载

示例数据直接使用内置数据集iris的简化版:
test <- iris[c(1:2,51:52,101:102),]

示例数据

dplyr五个基础函数

1.mutate(),新增列

mutate(test, new = Sepal.Length * Sepal.Width)

新增列

2.select(),按列筛选

(1)按列号筛选

select(test,1)

按一列

select(test,c(1,5))

选两列

select(test,Sepal.Length)

指定列

(2)按列名筛选

select(test, Petal.Length, Petal.Width)

按列名

vars <- c("Petal.Length", "Petal.Width") select(test, one_of(vars))

也是按列名

<one_of()是用来声明选择对象的。比如one_of("x","y")就是表明选择x,y变量>

3.filter()筛选行

filter(test, Species == "setosa")

按列名筛选行

filter(test, Species == "setosa"&Sepal.Length > 5 )

筛选完行之后按某列要求进一步筛选

filter(test, Species %in% c("setosa","versicolor"))

取某一列中多个列名所在的行

%in%判断前面的对象是否在后面的容器中

4.arrange(),按某1列或某几列对整个表格进行排序

arrange(test, Sepal.Length)#默认从小到大排序

从小到大

arrange(test, desc(Sepal.Length))#用desc从大到小

从大到小

desc：降序

5.summarise()：汇总

对数据进行汇总操作,结合group_by使用实用性强
1.summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差

平均值与标准差

2.先按照Species分组，计算每组Sepal.Length的平均值和标准差
group_by(test, Species)

先分组

3.汇总操作
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))

兼顾分组与求职

dplyr两个实用技能

1：管道操作

%>% (cmd/ctr + shift + M)
（加载任意一个tidyverse包即可用管道符号）后面操作顺接前面结果
<tidyverse出自于R大神Hadley Wickham之手,他是Rstudio首席科学家,也是ggplot2的作者。tidyverse就是他将自己所写的包整理成了一整套数据处理的方法>
test %>% group_by(Species) %>% summarise(mean(Sepal.Length), sd(Sepal.Length))

管道操作

2：count统计某列的unique值

count(test,Species)

count

unique值：唯一值的个数，即出现几次

dplyr处理关系数据

即将2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

test1

stringsAsFactors=FALSE就是不变成属性数据，按字符串读入

test2 <-x = c('a','b','c','d','e','f'), 
                    y = c(1,2,3,4,5,6),
                    stringsAsFactors = F)
test2

test2

1.內连inner_join,取交集

inner_join(test1, test2, by = "x")

内连

2.左连left_join

left_join(test1, test2, by = 'x')

左连test1，test2

按test1为主

left_join(test2, test1, by = 'x')

左连test2，test1

按test2为主

3.全连full_join

full_join( test1, test2, by = 'x')

全连

4.半连接：semi_join

返回能够与y表匹配的x表所有记录
semi_join(x = test1, y = test2, by = 'x')

半连接

5.反连接：anti_join

返回无法与y表匹配的x表的所记录
anti_join(x = test2, y = test1, by = 'x')

反连接

6.简单合并

(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)

test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40)) test1