学习小组DAY6笔记-HOO

一、设置镜像

通过file.edit('~/.Rprofile')来编辑R配置文件.Rprofile
在.Rprofile中添加options代码：

options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")

保存后重启RStudio，运行options()$repos和options()$BioC_mirror，可看到镜像网站已经配置成功。

镜像配置成功

二、安装包

install.packages(“包”) 存在于CRAN
BiocManager::install(“包”) 存在于BiocManager

三、加载包

library(包)
require(包)

四、dplyr五个基础函数

创建示例数据

test <- iris[c(1:2,51:52,101:102),]
新建一个名为test的数据集，取iris数据集中第1-2行、51-52行、101-102行的数据。

Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。
来源百度百科

1. mutate()：新增列

mutate(test, new = Sepal.Length * Sepal.Width)
在test数据集中新建一列，命名为new，new为Sepal.Length与Sepal,Width的乘积

Sepal.Length Sepal.Width Petal.Length Petal.Width    Species   new
1          5.1         3.5          1.4         0.2     setosa 17.85
2          4.9         3.0          1.4         0.2     setosa 14.70
3          7.0         3.2          4.7         1.4 versicolor 22.40
4          6.4         3.2          4.5         1.5 versicolor 20.48
5          6.3         3.3          6.0         2.5  virginica 20.79
6          5.8         2.7          5.1         1.9  virginica 15.66

2.select()：筛选列

（1） 按列号筛选

  • select(test,1)
    筛选出test数据集中的第一列
Sepal.Length
1            5.1
2            4.9
51           7.0
52           6.4
101          6.3
102          5.8
  • select(test,c(1,5))
    筛选出test数据集中的第一和五列
 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,Sepal.Length)
    筛选出test数据集中Sepal.Length这一列
Sepal.Length
1            5.1
2            4.9
51           7.0
52           6.4
101          6.3
102          5.8

（2） 按列名筛选

  • 直接筛选
    select(test, Petal.Length, Petal.Width)
    筛选出test数据集中Petal.Length和Petal.Width这两列
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
  • 赋值向量
    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

one_of()用来声明选择对象。

3. filter()：筛选行

  • filter(test, Species == "setosa")
    筛选出test数据集中种类为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 > 5 )
    筛选出test数据集中种类为setosa且Sepal.Length > 5 的行
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
  • filter(test, Species %in% c("setosa","versicolor"))
    筛选出test数据集中种类为setosa和versicolor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
3          7.0         3.2          4.7         1.4 versicolor
4          6.4         3.2          4.5         1.5 versicolor

%in%相当于match()函数的一个缩写。反映了向量之间的包含关系。

4. arrange() ：按某1列或某几列对整个表格进行排序

  • arrange(test, Sepal.Length)
    以Sepal.Length大小排序，默认从小到大
Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          4.9         3.0          1.4         0.2     setosa
2          5.1         3.5          1.4         0.2     setosa
3          5.8         2.7          5.1         1.9  virginica
4          6.3         3.3          6.0         2.5  virginica
5          6.4         3.2          4.5         1.5 versicolor
6          7.0         3.2          4.7         1.4 versicolor
  • arrange(test, desc(Sepal.Length))
    用desc()从大到小
Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          7.0         3.2          4.7         1.4 versicolor
2          6.4         3.2          4.5         1.5 versicolor
3          6.3         3.3          6.0         2.5  virginica
4          5.8         2.7          5.1         1.9  virginica
5          5.1         3.5          1.4         0.2     setosa
6          4.9         3.0          1.4         0.2     setosa

5. summarise()：汇总

  • summarise(test, mean(Sepal.Length), sd(Sepal.Length))
    计算test数据集中Sepal.Length的平均值和标准差
mean(Sepal.Length) sd(Sepal.Length)
1           5.916667        0.8084965
  • summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
    先将test数据集按照Species分组，分别计算每一组中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

tibble是一种在R语言中进行数据分析处理的二维表格的数据结构，主要在dplyr和tibble包中有效，主要关注于列list，支持整洁格式

五、dplyr两个实用技能

1. 管道操作 %>% (cmd/ctr + shift + M)

test %>% group_by(Species) %>% summarise(mean(Sepal.Length), sd(Sepal.Length))

管道函数%>% 将左边的值发送给右边的表达式，并作为右边表达式函数的第一个参数。

# 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

上述代码不使用管道函数则写作：
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))

2. count统计某列的unique值

count(test,Species)
对test数据集中Species的所有行进行计数

# A tibble: 3 x 2
  Species        n
  <fct>      <int>
1 setosa         2
2 versicolor     2
3 virginica      2

六、dplyr处理关系数据

设定两个数据集
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

stringsAsFactors = F意味着数据中的字符串数据不变成属性数据，直接按字符串读入。

1. 內连inner_join,取交集

inner_join(test1, test2, by = "x")
取test1和test2中x的交集

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')
    将test2中的数值按照x-y的关系和test1合并在一起
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')
    将test1中的数值按照x-y的关系和test2合并在一起
 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

3. 全连full_join

full_join( test1, test2, by = 'x')
将test1和test2全部合并在一起

 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

4. 半连接semi_join

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

  x z
1 b A
2 e B
3 f C

5. 反连接anti_join

anti_join(x = test2, y = test1, by = 'x')
返回无法与test1（y表）匹配的test2（x表）的所有记录

  x y
1 a 1
2 c 3
3 d 4

6. 简单合并

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
  • （1）bind_rows(test1, test2)
    将test1和test2两个数据集的行合并
1 1 10
2 2 20
3 3 30
4 4 40
5 5 50
6 6 60

bind_rows()函数需要两个表格列数相同，“列数相同合并行”

  • （2）bind_cols(test1, test3)
    将test1和test3两个数据集的列合并
x  y   z
1 1 10 100
2 2 20 200
3 3 30 300
4 4 40 400

bind_cols()函数需要两个数据框有相同的行数,"行数相同合并列“

©著作权归作者所有,转载或内容合作请联系作者
  • 人面猴
    序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
    沈念sama阅读 204,921评论 6赞 478
  • 死咒
    序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
    沈念sama阅读 87,635评论 2赞 381
  • 救了他两次的神仙让他今天三更去死
    文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
    开封第一讲书人阅读 151,393评论 0赞 338
  • 道士缉凶录：失踪的卖姜人
    文/不坏的土叔 我叫张陵，是天一观的道长。 经常有香客问我，道长，这世上最难降的妖魔是什么？ 我笑而不...
    开封第一讲书人阅读 54,836评论 1赞 277
  • 港岛之恋（遗憾婚礼）
    正文 为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
    茶点故事阅读 63,833评论 5赞 368
  • 恶毒庶女顶嫁案：这布局不是一般人想出来的
    文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
    开封第一讲书人阅读 48,685评论 1赞 281
  • 城市分裂传说
    那天，我揣着相机与录音，去河边找鬼。 笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。 我是一名探鬼主播，决...
    沈念sama阅读 38,043评论 3赞 399
  • 双鸳鸯连环套：你想象不到人心有多黑
    文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
    开封第一讲书人阅读 36,694评论 0赞 258
  • 万荣杀人案实录
    序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
    沈念sama阅读 42,671评论 1赞 300
  • 护林员之死
    正文 独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,670评论 2赞 321
  • 白月光启示录
    正文 我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,779评论 1赞 332
  • 活死人
    序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
    沈念sama阅读 33,424评论 4赞 321
  • 日本核电站爆炸内幕
    正文 年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
    茶点故事阅读 39,027评论 3赞 307
  • 男人毒药：我在死后第九天来索命
    文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,984评论 0赞 19
  • 一桩弑父案，背后竟有这般阴谋
    文/苍兰香墨 我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,214评论 1赞 260
  • 情欲美人皮
    我被黑心中介骗来泰国打工， 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。 一个月前我还...
    沈念sama阅读 45,108评论 2赞 351
  • 代替公主和亲
    正文 我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
    茶点故事阅读 42,517评论 2赞 343

推荐阅读更多精彩内容