学习R包
安装和加载R包
1镜像设置
首先用file.edit()来编辑文件：
file.edit('~/.Rprofile')
然后在其中添加好上面👆的两行options代码
图片
最后保存，重启Rstudio，这时你再运行一下：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
成功安装
2.安装
安装命令：
install.packages("包")
BiocManager::install("包")
取决于要安装的包存在于CRAN网站还是Biocductor，存在于哪里？
3.加载
library(包)
require(包)
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)
现在已经完成了dplyr包的安装加载过程，然后开始应用这个包的各种方程函数。
dplyr五个基础函数
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),]
示例表格test
1.mutate(),新增列
mutate(test, new = Sepal.Length * Sepal.Width)
意思是新增加一个列命名为new，其结果是这两个列相乘的结果
2.select(),按列筛选
(1)按列号筛选
select(test,1)
按照数字1筛选test这个表第一列
select(test,c(1,5))
按照数字1和5筛选这个表第一列和第五列
select(test,Sepal.Length)
筛选名为Sepal.Length的列
(2)按列名筛选
select(test, Petal.Length, Petal.Width)
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))
3.filter()筛选行
filter(test, Species == "setosa")
筛选名为Species这一列里，名为setosa的行
filter(test, Species == "setosa"&Sepal.Length > 5 )
筛选名为Species这一列里，名为setosa，且Sepal.Length这一列里数值>5的行
&可以用于添加第二个不同列的条件
filter(test, Species %in% c("setosa","versicolor"))
筛选Species这一列里为setosa或versicolor的行
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
这一列从小到大排列
arrange(test, desc(Sepal.Length))#用desc从大到小
这一列从大到小排列
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))
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))
2：count统计某列的unique值
count(test,Species)
dplyr处理关系数据
先建立两个表，再将两个表进行链接
1.內连inner_join,取交集
inner_join(test1, test2, by = "x")
1
2.左连left_join
left_join(test1, test2, by = 'x')
保留第一个表格，把第二个表格匹配上
2
3.全连full_join
full_join( test1, test2, by = 'x')
3
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')
表现出能够与y表匹配的所有x表的数据
4
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')
5
6.简单合并
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))
test2 <- data.frame(x = c(5,6), y = c(50,60))
test3 <- data.frame(z = c(100,200,300,400))
bind_rows(test1, test2)
bind_cols(test1, test3)
DAY学习生信第六天.png
