镜像设置

1.菜单法 可以配置CRAN镜像，一般选清华

*但是bioconductor上R包没法用这个CRAN镜像下载，而且无法保证一定从此CRAN下载R包。

options()$repos  
options()$BioC_mirror
#可以通过此命令查找目前Rstudio通过什么镜像下载R包

2.代码法

*同时设置CRAN镜像及bioconductor镜像

options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))  #清华源CRAN
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #中科大源bioconductor

*每次启动都需要先运行。

3.高级模式 一劳永逸

R的两个最重要的配置文件
.Renviron #设置R的环境变量用，此处按下不表
.Rprofile #R的代码文件，启动Rstudio时自动运行
在Linux中可以使用file.edit命令编辑

file.edit(~/.Rprofile)  #注意此处是Linux命令

然后在出现的对话框中添加2的上述两行option代码，即可配置完成

安装R包

#首先google一下想安的包在CRAN还是bioconductor, 再分别选择使用以下命令
install.packages(“包”)
BiocManager::install(“包”)

加载

library(包)
require(包)

学习dplyr包

加载“dplyr"

此前已通过“tydiverse”安装“dplyr”，此处直接加载

library("dplyr")

学一下"dplyr"

help（“dplyr"）
browseVignettes(package = "dplyr")
#找到dplyr的网络介绍链接：[Introduction to dplyr](http://127.0.0.1:19586/library/dplyr/doc/dplyr.html)，然后chrome有道网页翻译2.0打开右侧窗口显示，左边敲Rscript，不能太方便。

单表数据操作：都是“动词(表格，命令)”格式

• filter() #按行筛选
• arrange() #按列排序
• select() #按列筛选
• mutate() transmute() #新增列，该列是现有列的函数
• summarise() #汇总
• sample_n() sample_frac() #随机抽样
• slice() #按等级秩序选择各行，少用，可用filter(), 或row_number()代替

数据：使用生信星球教学数据集

> test <- iris[c(1:2,51:52,101:102),] #把内置数据框iris的相应行提取出来赋值给test数据框
> test
    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
51           7.0         3.2          4.7         1.4 versicolor
52           6.4         3.2          4.5         1.5 versicolor
101          6.3         3.3          6.0         2.5  virginica
102          5.8         2.7          5.1         1.9  virginica

* filter() #按行筛选

> filter(test, Species == "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
 #等同于,
test[test$Species == "setosa",] 

> filter(test, Species == "setosa"&Sepal.Length > 5 )
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
#等同于，
test[test$Species == "setosa" & test$Sepal.Length > 5,]

> 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
#等同于，
test[test$Species %in% c("setosa","versicolor"),]

* arrange() #按列排序

> arrange(test, Sepal.Length)  #默认从小到大排序
> arrange(test, desc(Sepal.Length))  #用desc从大到小
> arrange(test, Petal.Length, desc(Sepal.Length)) #先按变量1从小到大，再按变量2从大到小
  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          6.4         3.2          4.5         1.5 versicolor
4          7.0         3.2          4.7         1.4 versicolor
5          5.8         2.7          5.1         1.9  virginica
6          6.3         3.3          6.0         2.5  virginica

*select() #按列筛选

#具体用法，
select(test,1:3) #也可以select(test,Sepal.Length:Petal.Length)
select(test,c(1,5))
select(test,Sepal.Length)
select(test,- c(1,5))  # -号可做反选
#select() 可以选择并同时重命名变量，但不如rename()好用
#可搭配starts_with()，ends_with()，matches()和contains()使用风味更佳 具体可[?select](R Documentation
:Select/rename variables by name)看Examples

* mutate() transmute() #新增列，该列是 现有列的函数

#注意允许引用刚刚创建的列来新建列，例如，
 mutate(test, new = Sepal.Length * Sepal.Width, new100 = new * 100)
      Sepal.Length Sepal.Width Petal.Length Petal.Width    Species   new new100
1          5.1         3.5          1.4         0.2     setosa 17.85   1785
2          4.9         3.0          1.4         0.2     setosa 14.70   1470
3          7.0         3.2          4.7         1.4 versicolor 22.40   2240
4          6.4         3.2          4.5         1.5 versicolor 20.48   2048
5          6.3         3.3          6.0         2.5  virginica 20.79   2079
6          5.8         2.7          5.1         1.9  virginica 15.66   1566
# 假如只想保存新变量，用transmute()
> transmute(test, new = Sepal.Length * Sepal.Width, new100 = new * 100)
    new new100
1 17.85   1785
2 14.70   1470
3 22.40   2240
4 20.48   2048
5 20.79   2079
6 15.66   1566

* summarise() #汇总, 可结合group_by()使用

# 计算Sepal.Length的平均值和标准差
summarise(test, mean(Sepal.Length), sd(Sepal.Length))
# 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))
#summarise描述统计[?summarise](Reduce multiple values down to a single value)

* sample_n() sample_frac() #随机抽样

#随机抽取n个样本或几个比例frac样本
> sample_n(test,2)
  Sepal.Length Sepal.Width Petal.Length Petal.Width   Species
1          6.3         3.3          6.0         2.5 virginica
2          4.9         3.0          1.4         0.2    setosa
> sample_frac(test,1/6)
  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1            7         3.2          4.7         1.4 versicolor

dplyr支持

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双表操作：处理关系数据

#新建2表，注意不要引入factor，
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)
> test1
  x z
1 b A
2 e B
3 f C
4 x D
> test2
  x y
1 a 1
2 b 2
3 c 3
4 d 4
5 e 5
6 f 6

开始造

1.內连inner_join,取交集

> inner_join(test1, test2, by = "x")
  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')
  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')
  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')
  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：返回能够与y表匹配的x表所有记录

> semi_join(x = test1, y = test2, by = 'x')
  x z
1 b A
2 e B
3 f C

5.反连接anti_join：返回无法与y表匹配的x表的所记录

> anti_join(x = test2, y = test1, by = 'x')
  x y
1 a 1
2 c 3
3 d 4

6.简单合并：bind_rows()按行合并, bind_cols()按列合并

#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
> 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)
  x  y
1 1 10
2 2 20
3 3 30
4 4 40
5 5 50
6 6 60
> bind_cols(test1, test3)
  x  y   z
1 1 10 100
2 2 20 200
3 3 30 300
4 4 40 400