配置下载镜像
options()$repos,options()$BioC_mirror检查镜像源
- Tools--Global options--Packages--CRAN mirrors--change
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
3.配置Rprofile文件
- .Rprofile是一个代码文件，如果启动时找到这个文件，那么就替我们先运行一遍
- .Renviron，是启动时设置R的环境变量
file.edit('~/.Rprofile')
脚本框输入
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
保存后重启即可。
安装
install.packages(“包”) #包在CRAN
或者
BiocManager::install(“包”) #包在Biocductor
加载
library(包)
require(包)
以dplyr为例
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)
数据
test <- iris[c(1:2,51:52,101:102),]
1.png
dplyr五个基础函数
- mutate(),新增列
mutate(test, new = Sepal.Length * Sepal.Width)#新增一列，列名new=sepal.length*sepal.width
1.png
- select(),按列筛选
select(test,1) #第一列
select(test,c(1,5)) #第一列和第五列
select(test,Sepal.Length) #Sepal.Length列
3.filter()筛选行
filter(test, Species == "setosa") #筛选species为setosa
## 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species为setosa，length>5
## 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"))
## 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
x %in% y，判断x是否存在于y中， 存在即TURE,不存在及FALSE。
- 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
- summarise()：汇总
summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))#按speciesfen后计算mean和sd
dplyr两个实用技能
- 管道操作 %>% (cmd/ctr + shift + M)
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
等于
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
- count统计某列的unique值
count(test,Species)
## # A tibble: 3 x 2
## Species n
##
## 1 setosa 2
## 2 versicolor 2
## 3 virginica 2
dplyr处理关系数据
数据准备
options(stringsAsFactors = F)
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)
1.png
- 內连inner_join,取交集
inner_join(test1, test2, by = "x") #根据x取test1、test2的交集
- 左连left_join
left_join(test1, test2, by = 'x') #按表一最左侧行数对其，对其标准为x
left_join(test2, test1, by = 'x') #按表二最左侧行数对其，对其标准为x
- 全连full_join
full_join( test1, test2, by = 'x')
- 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') #合并表格，输出x相同的
- 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')
## x y
## 1 a 1
## 2 c 3
## 3 d 4
- 简单合并
在相当于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
## 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
bind_rows(test1, test2)# 按列合并
## x y
## 1 1 10
## 2 2 20
## 3 3 30
## 4 4 40
## 5 5 50
## 6 6 60
bind_cols(test1, test3) #按行合并
## x y z
## 1 1 10 100
## 2 2 20 200
## 3 3 30 300
## 4 4 40 400
