一、安装和加载R包

1、镜像设置

options()$repos

检验镜像

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

自定义CRAN和Bioconductor的下载镜像

有问题搜索“生信星球 你还在每次配置Rstudio的下载镜像吗？”

2、安装R包dplyr

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

3、加载R包

library(包)
require(包)

3、R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)

R包安装加载三部曲

二、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),]

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)
select(test,c(1,5))

按列号筛选

(2)按列名筛选

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

按列名筛选

3、filter()筛选行

filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))

筛选行

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

排序

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))

三、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))

管道操作

2、count统计某列的unique值

count(test,Species)

统计某列unique值

四、dplyr处理关系数据

示例数据，注意不能引入factor

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 

示例表格

1、內连inner_join,取交集

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

2、左连left_join

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

左连

3、全连full_join

全连

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')

半连接

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')

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（来源：微信公众号 生信星球）

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
bind_rows(test1, test2)
bind_cols(test1, test3)

简单合并