进入学习小组第六天课程，开始初步接触R包的安装和使用
安装和加载R包：
install.packages("R包的名字") #R包在CRAN网站上，别忘记R包的名字需要用引号“ ”引起来。
BiocManager::install("R包的名字") #R包在Biocductor网站上，别忘记R包的名字需要用引号“ ”引起来。
library(R包的名字) #加载的时候可以不用引号。
如果安装的R包安装速度比较慢，可以在安装前临时设置源
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #设置CRAN的源为清华R镜像
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #设置Biocductor源为国内的镜像
在Rstudio中设置安装源
在Tools->Global Options->Packages中的CRAN mirror选择不同的镜像
image.png
开始练习dplyr包中的五个基本函数
1. 首先生成练习数据集
test <- iris[c(1:2,51:52,101:102),] #采用内置数据集生成
library(dplyr) #加载dplyr包
2. 第一个函数“mutate()”，新增列
mutate(test, new = Sepal.Length*Sepal.Width) #r如果要直接使用变量需要用attach或是with函数将test数据集加载到环境中
3. 第二个函数“select()”,按列筛选
select(test,1) #将数据集第一列筛选出来
select(test,c(1,5)) #将数据集第1列和第5列同时筛选出来
select(test,Sepal.Length) #也可以按照数据集中的变量名选择
4. 第三个函数“filte()”,按行筛选
filter(test, Species == "setosa") #筛选出Species为setosa的行
filter(test, Species == "setosa"&Sepal.Length > 5) #筛选出Species为setosa并且Sepal.Length > 5的行
filter(test, Species %in% c("setosa","versicolor")) #筛选出Species中包含了setosa和versicolor的行
5.第四个函数“arrange()”,按某一列或某几列对整个表格进行排序，默认从小到大排序
arrange(test, Sepal.Length) #根据Sepal.Length的从小到大排列表格
arrange(test, desc(Sepal.Length)) #desc()从大到小排列表格
6. 第五个函数“summaries()”，对数据汇总，与group_by联合效果更好
summarise(test, mean(Sepal.Length), sd(Sepal.Length)) # 计算Sepal.Length的平均值和标准差
group_by(test, Species) #按照Species分组
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length)) #先按照Species分组，再分别计算各组的均值和标准差
注意“：一开始直接用group_by()函数总是出错:Error: 'data_frame'不是'namespace:vctrs'内的出口对象，后来加载了“tidyverse”包才正常
7. dplyr包的两个技巧
7.1 管道操作： %>% (cmd/ctr + shift + M)，类似于Linux的管道操作
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length)) #一步完成，但是记着加载”tidyverse“包
7.2 统计某列的unique值：count()
count(test,Species)
8. dplyr处理关系数据:即将2个表进行连接，注意：不要引入factor类型数据，构建两个测试数据集test1和test2
options(stringsAsFactors = F) #设置字符格式的数据不为因子
test1 <- data.frame(x = c('b','e','f','x'),
z = c("A","B","C",'D'),
stringsAsFactors = F)
test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6),
stringsAsFactors = F)
8.1 inner_join，内联，取交集
inner_join(test1, test2, by = "x") #注意x的引号不能丢，否则不认识
8.3 left_join，左连接
left_join(test1, test2, by = 'x')
left_join(test2, test1, by = 'x')
8.4 full_join，全连接
full_join( test1, test2, by = 'x')
8.5 semi_join，半连接：返回能够与y表匹配的x表所有记录
semi_join(x = test1, y = test2, by = 'x')
8.6 anti_join，反连接：返回无法与y表匹配的x表的所记录
anti_join(x = test2, y = test1, by = 'x')
8.5 bind_rows()和bind_cols，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)) #测试数据集1
test2 <- data.frame(x = c(5,6), y = c(50,60)) #测试数据集2
test3 <- data.frame(z = c(100,200,300,400)) #测试数据集3
bind_rows(test1, test2)
bind_cols(test1, test3)
