学习小组Day6--琛

学习小组Day6.png

学习R包

准备工作

镜像设置
安装
install.packages("包")
Biocmanager::install("包")
用什么代码取决于要安装的包在什么网站
加载
library(包)
require(包)

dplyr五个基本函数

mutate() 新增列
mutate(test, name = Sepal.Length * Sepal.Width)

image.png

！注意：新增的列是没有保存在原数据框里的，若想保存下来新增的列，可以给原数据框赋值，或者新赋值一个数据框

image.png

select() 按列筛选
2.1 按列号筛选 select(test,1)
2.2 按列名筛选 select(test, Petal.Length, Petal.Width)
?one_of
filter()筛选行

filter(test, Species == "setosa") #筛选Species为setosa的行
filter(test, Species == "setosa"&Sepal.Length > 5 ) #筛选Species为setosa且 Sepal.Length大于5的行
filter(test, Species %in% c("setosa","versicolor")) #筛选Species为setosa和versicolor的行

arrange()按列排序

arrange(test, Sepal.Length) #按Sepal.Length 这列升序排序
arrange(test, Sepal.Length, Sepal.Width) #先按Sepal.Length升序，当数值一样时按Sepal.Width升序
arrange(test, desc(Sepal.Length)) #按Sepal.Length降序

summarise()对数据进行总结
ie.summarise(test, mean(Sepal.Length), sd(Sepal.Length)) #test中Sepal.Length的平均值和方差
可以和group_by()结合使用
summarise(group_by(test,Species), mean(Sepal.Length), sd(Sepal.Length))
将test中的数据按照Species分类，然后分别计算每类Sepal.Length的平均值和方差

image.png

dplyr两个使用技能

管道操作

%>%
ctrl + shift + M
将上一个函数的输出作为下一个函数的输入
test %>% # 输出结果为test这个数据框
+ group_by(Species) %>% # 输入test这个数据框，输出group_by(test,Species)
+ summarise(mean(Sepal.Length), sd(Sepal.Length)) # 输入group_by(test,Species)的结果，输出summarise(group_by(test,Species), mean(Sepal.Length), sd(Sepal.Length))
所以

test %>% 
+ group_by(Species) %>% 
+ summarise(mean(Sepal.Length), sd(Sepal.Length))

就等于
summarise(group_by(test,Species), mean(Sepal.Length), sd(Sepal.Length))

count统计某列的unique值

count(test,Species)

dplyr处理关系数据

将两个表进行连接
新赋值两个数据框

test1 <- data.frame(x = c('b','e','f','x'), 
+                     z = c("A","B","C",'D'))
test2 <- data.frame(x = c('a','b','c','d','e','f'), 
+                          y = c(1,2,3,4,5,6))

取交集`inner_join()`

inner_join(test1, test2, by = "x")
根据x列取test1和test2的交集

向左连接`left_join()`

> left_join(test1, test2, by = 'y')
Error in `left_join()`:
! Join columns must be present in data.
✖ Problem with `y`.
Run `rlang::last_error()` to see where the error occurred. # 只有两个数据框都有同一列的时候才能连接
> 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 # 在此显示为NA，而在下方显示为<NA>是因为y的类型为numeric，而z的类型为character
> 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

全连接`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
> full_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
7 x NA    D

半连接`semi_join()`

semi_join(x=,y=,copy=copy)
基于第二个数据集的信息来过滤第一个数据集的数据。

semi_join(test1,test2, by = 'x')
  x z
1 b A
2 e B
3 f C
> semi_join(test2,test1, by = 'x')
  x y
1 b 2
2 e 5
3 f 6

反连接`anti_join()`

找出合并时哪些行不能匹配第二个数据集

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

简单合并

bind_rows()
需要两个数据框列数相同
bind_cols()
需要两个数据框行数相同

最后编辑于：2022.12.31 22:58:28