安装和加载R包
1.设置镜像
https://mp.weixin.qq.com/s/XvKb5FjAGM6gYsxTw3tcWw
2.安装
`install.package("") `
`BioManager::package("")`
取决于你要安装的包存在于CRAN网站还是Biocductor，可以谷歌搜到。
3.加载
`library()`
`require()`
一，dplyr包五个基本函数,使用到11.5practice.R文件，日后复习可以再次操作
1.mutate(),新增一列，默认在最后一列
2.select(),按列筛选
可以按列号（括号内填列数，用“,”分开）
此处按列名
group_info<-pData(raw_data[[1]])%>%#检索eSet和ExpressionSet派生类中记录的实验表型信息
dplyr::select(geo_accession,title)%>% #选择这两列
mutate(group=str_extract(title,"\\w+[ ]?[0-9]*")) %>% # ?在[ ]后面表示匹配空格0-1次
dplyr::select(-title)%>%#从title里取数据然后再删除
setNames(c("sample","group"))
代码依次下来
image.png
image.png
image.png
image.png
image.png
mutate(gene=probe2gene$Symbol) %>% #mutate（）添加新变量并保留现有变量；添加到了最后一列可以跑来看看
#transmute（）添加新变量并删除现有变量。新变量覆盖同名的现有变量。可以通过将变量的值设置为NULL来删除变量。
dplyr::select(gene,everything())#把gene放在第一列，其他保持不变，也可以取多个值，但是不写everything，后面的列将会消失
exp_data<-exp_data %>%arrange(desc(exp_data[-1]))
3.filter(),筛选行
mfuzz_class <- new('ExpressionSet',exprs = exp_data_mtx) %>%
filter.NA(thres = 0.25) %>%# 缺失值大于25%，去除缺失行 排除基因的阈值。如果NA在表达矩阵中指示的缺失值的百分比大于thres，则相应的基因将被排除
fill.NA(mode = 'mean') %>% # 用平均值填补缺失值缺失值小于25%的
filter.std(min.std = 0) %>% # 过滤无变化基因 标准差为0过滤，表达一直不变没有意义，基于标准差对基因进行筛选。此函数可用于排除标准差较低的基因。
standardise() # 标准化
image.png
4.arrange()，按某1列或某几列对整个表格进行排序
exp_data<-exp_data %>%
arrange(rownames(exp_data)) %>%
mutate(gene=probe2gene$Symbol) %>% #mutate（）添加新变量并保留现有变量；添加到了最后一列可以跑来看看
#transmute（）添加新变量并删除现有变量。新变量覆盖同名的现有变量。可以通过将变量的值设置为NULL来删除变量。
dplyr::select(gene,everything())#把gene放在第一列，其他保持不变，也可以取多个值，但是不写everything，后面的列将会消失
image.png
5.summarise,汇总
summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差
## mean(Sepal.Length) sd(Sepal.Length)
## 1 5.916667 0.8084965
# 先按照Species分组，计算每组Sepal.Length的平均值和标准差
group_by(test, Species)
## # A tibble: 6 x 5
## # Groups: Species [3]
## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## * <dbl> <dbl> <dbl> <dbl> <fct>
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3 1.4 0.2 setosa
## 3 7 3.2 4.7 1.4 versicolor
## 4 6.4 3.2 4.5 1.5 versicolor
## 5 6.3 3.3 6 2.5 virginica
## 6 5.8 2.7 5.1 1.9 virginica
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
## # A tibble: 3 x 3
## Species `mean(Sepal.Length)` `sd(Sepal.Length)`
##
## 1 setosa 5 0.141
## 2 versicolor 6.7 0.424
## 3 virginica 6.05 0.354
image.png
二，两个实用操作
1.%>%管道符号
2.count统计某列的unique值
image.png
三，dplyr处理关系数据
options(stringsAsFactors = F)
test1 <- data.frame(x = c('b','e','f','x'),
z = c("A","B","C",'D'),
stringsAsFactors = F)
test1
## x z
## 1 b A
## 2 e B
## 3 f C
## 4 x D
test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6),
stringsAsFactors = F)
test2
## x y
## 1 a 1
## 2 b 2
## 3 c 3
## 4 d 4
## 5 e 5
## 6 f 6
image.png
image.png
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
image.png
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
## 2 b 2 A
## 3 c 3
## 4 d 4
## 5 e 5 B
## 6 f 6 C
image.png
image.png
3.全连full_join
full_join( test1, test2, by = 'x')
image.png
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')#(表二没有x)
image.png
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')#这里注意表2和1位置与之前不同
image.png
6.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)
## 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
image.png
