R语言基础之R包学习
零基础学习的第6天，今天的内容相信大家都不陌生，学习R语言的第一节课，我们就下载和安装了一部分我们生物信息学的R包了。R 语言的优势之一，就是它可以内置多种R包。但是R包的质量也是良莠不齐的，虽然绝大部分R包都是由某一领域的专家编写而成的，但是也有一部分是普通个人开发，通常存放在github。所以学习和掌握R包的使用对我们生物信息的学习有着重要的意义。
一、笔记思维导图
零基础生信Day6.png
二、何为R包
- R 包是由社区开发（developed by the community）的功能（functions）和数据集（data sets）的集合。
- R包是多个函数的集合，具有详细的说明和示例。
三、安装和加载R包
1、R包下载的镜像设置
-
初级模式：Tools-Global Options-Packages-change-镜像
1.png 升级模式：
options函数，需要每次都run一次。
# 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
# 当然可以换成其他地区的镜像
1.1.png
- 高级模式：.Rprofile文件模式
options()$BioC_mirror
file.edit('~/.Rprofile')
2.png
3.png
2、R包安装
- CRAN网站的包：
install.packages(“包”) - Biocductor的包：
BiocManager::install(“包”)
3、R包的加载
library(包)
#或者
require(包)
三、R包“dplyr”安装加载三部曲
首先我们需要必应一下，查看R包“dplyr”是存放在哪个网站的R包，我们发现其存在与CRAN官网，所以我们使用install.packages("dplyr")。
4.png
#设置镜像
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
#下载
install.packages("dplyr")
#加载
library(dplyr)
5.png
四、dplyr五个基础函数
首先我们构建一个test数据框来进行练习。
test <- iris[c(1:2,51:52,101:102),]
class(test)
head(test)
6.png
1、新增列: mutate( )
test1 <- mutate(test, new = Sepal.Length * Sepal.Width)
7.png
2、按列筛选: select( )
test2 <- select(test,1) #按列号筛选
test3 <- select(test,c(1,5))#按列号筛选
test4 <- select(test,Sepal.Length)#按列名筛选
test2.png
test3.png
test4.png
3、筛选行: filter( )
test5 <- filter(test, Species == "setosa")
test6 <- filter(test, Species == "setosa"&Sepal.Length > 5 )
test7 <- filter(test, Species %in% c("setosa","versicolor"))
test5.png
test6.png
test7.png
4、按某1列或某几列对整个表格进行排序: arrange( )
test8 <- arrange(test, Sepal.Length)#默认从小到大排序
test9 <- arrange(test, desc(Sepal.Length))#用desc从大到小
test8.png
test9.png
5、汇总: summarise( )
# 计算Sepal.Length的平均值和标准差
a <- 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
b <- group_by(test, Species)
c <- summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
a.png
b.png
c.png
五、dplyr两个实用技能
1、管道操作 : %>%
d <-test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
d.png
我们发现这一步是与
c <- summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))的结果是一样的，我们可以认为管道符号左边的结果作为管道符号右边的条件。
2、统计某列的unique值 : count
e <- count(test,Species)
e.png
六、dplyr处理关系数据
首先构建两个数据框，以便于下一步学习。
#将字符串变量转换为因子
options(stringsAsFactors = F)
#构建数据框test10和数据框test11
test10 <- data.frame(x = c('b','e','f','x'),
z = c("A","B","C",'D'),
stringsAsFactors = F)
test11 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6),
stringsAsFactors = F)
test10.png
test11.png
1、內连，取交集： inner_join
test12 <- inner_join(test10, test11, by = "x")
test12.png
2、左连： left_join
test13 <- left_join(test10, test11, by = 'x')
test14 <- left_join(test11, test10, by = 'x')
test13.png
test14.png
3、全连： full_join
test15 <- full_join( test10, test11, by = 'x')
test15.png
4、半连： semi_join
test16 <- semi_join(x = test10, y = test11, by = 'x')
test16.png
5、反连： anti_join
test17 <- anti_join(x = test11, y = test10, by = 'x')
test17.png
6、简单合并： bind_rows()，bind_cols()
test18 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
test19 <- data.frame(x = c(5,6), y = c(50,60))
test20 <- data.frame(z = c(100,200,300,400))
test21 <- bind_rows(test18, test19)
test22 <- bind_cols(test18, test20)
test18.png
test19.png
test20.png
test21.png
test22.png
七、结语
R包的应用可谓千变万化，R包千千万万，掌握学习R包的能力才是最重要的。继续加油！
