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

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！