学习R包 包治百病

R包下载地址镜像设置

options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") 

options()$BioC_mirror查看是否设置成功
R包安装命令是install.packages(' ')或者BiocManager::install(' ')
加载R包library() require()

dplyr五个基础函数

示范数据使用内置数据的子集
test<-iris[c(1:2,51:52,101:102),]

Snipaste_2020-02-24_13-29-59.png

新增

使用mutate新增列

> mutate(test,new=test$Sepal.Length*test$Sepal.Width)
  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species   new
1          5.1         3.5          1.4         0.2     setosa 17.85
2          4.9         3.0          1.4         0.2     setosa 14.70
3          7.0         3.2          4.7         1.4 versicolor 22.40
4          6.4         3.2          4.5         1.5 versicolor 20.48
5          6.3         3.3          6.0         2.5  virginica 20.79
6          5.8         2.7          5.1         1.9  virginica 15.66

筛选

使用select筛选列

> vars<-c("Petal.Length", "Petal.Width")
> select(test,one_of(vars))
    Petal.Length Petal.Width
1            1.4         0.2
2            1.4         0.2
51           4.7         1.4
52           4.5         1.5
101          6.0         2.5
102          5.1         1.9

使用filter筛选行

> 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

排序

使用arrange按照某列对表格进行排序

> arrange(test,desc(Sepal.Length))
#desc表示倒序，默认由小到大
  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          7.0         3.2          4.7         1.4 versicolor
2          6.4         3.2          4.5         1.5 versicolor
3          6.3         3.3          6.0         2.5  virginica
4          5.8         2.7          5.1         1.9  virginica
5          5.1         3.5          1.4         0.2     setosa
6          4.9         3.0          1.4         0.2     setosa

数据汇总

> test%>% #管道操作需先加载tidyverse包
+   group_by(Species)%>%
+   summarise(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
# A tibble: 3 x 3
  Species    `mean(Sepal.Length)` `sd(Sepal.Length)`
  <fct>                     <dbl>              <dbl>
1 setosa                     5                 0.141
2 versicolor                 6.7               0.424
3 virginica                  6.05              0.354

dplyr处理数据关系

数据准备

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)

各种join之间的关系，只可意会不可言传X

>inner_join(test1,test2,by='x') 
#两个数据集取交集
  x z y
1 b A 2
2 e B 5
3 f C 6
> left_join(test2, test1, by = 'x')
#以test2的x为主，将test1连接上去
  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
> full_join( test1, test2, by = 'x')
#将两个数据集组合起来，仔细观察fulljoin里有x=x这一情况，而leftjoin里没有
  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
> semi_join(x = test1, y = test2, by = 'x')
#将存在于test2中的x从test1中取出来，观察与innerjoin的区别
  x z
1 b A
2 e B
3 f C
> anti_join(x = test2, y = test1, by = 'x')
  x y
1 a 1
2 c 3
3 d 4

简单合并

> 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))
> bind_rows(test1,test2) #bindrows需要列数相同
  x  y
1 1 10
2 2 20
3 3 30
4 4 40
5 5 50
6 6 60
> test3 <- data.frame(z = c(100,200,300,400))
> bind_cols(test1, test3) #bindcols需要行数相同
  x  y   z
1 1 10 100
2 2 20 200
3 3 30 300
4 4 40 400