《学习小组Day6笔记--小池》

R包

R包是多个函数的集合,不同的R包有不同的功能。了解R包的下载安装，学会看里面各种函数的功能，可以帮助我们更好地使用R包快速处理数据。(本文以dplyr包为例)

安装和加载R包

镜像设置
设置镜像的常用方法有三种，我们选择其中最简便的一种，一劳永逸
修改R的配置文件.Rprofile

file.edit('~/.Rprofile')

在脚本区添加

options("repos" = c(CRAN="http://mirrors.tuna.tsinghua.edu.cn/CRAN/"))#对应清华源
options(BioC_mirror="http://mirrors.ustc.edu.cn/bioc/")#对应中科大源

保存文件，重启RStudio，检查是否成功

options()$repos
options()$BioC_mirror
#> options()$repos
                                       CRAN 
"http://mirrors.tuna.tsinghua.edu.cn/CRAN/" 
> options()$BioC_mirror
[1] "http://mirrors.ustc.edu.cn/bioc/"

安装
install.packages(“names_package”)#存在于CRAN网站的包
BiocManager::install(“names_package”)#存在于Biocductor网站的包

install.packages("dplyr")

加载
两个命令均可
library(names_package)
require(names_package)

library(dplyr)

dplyr包

dplyr五个基础函数
下列数据以iris为基础，iris是内置的一个构建好的数据集

test <- iris[c(1:2,51:52,101:102),]
test

mutate()新增列

mutate(test, new = Sepal.Length * Sepal.Width)#增加一个列，名为new，数据是 Sepal.Length 乘Sepal.Width返回的值

select()按列筛选
(1) 按列号筛选

select(test,1)
select(test,c(1,5))
select(test,Sepal.Length)

(2) 按列名筛选

select(test, Petal.Length, Petal.Width)
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))

filter()筛选行

filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))

4.arrange()排序
按某1列或某几列对整个表格进行排序

arrange(test, Sepal.Length)#默认从小到大排序
arrange(test, desc(Sepal.Length))#用desc从大到小

5.summarise()汇总
对数据进行汇总操作,结合group_by使用实用性强

summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差

先按照Species分组，计算每组Sepal.Length的平均值和标准差

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

dplyr两个实用技能

管道操作
(1) magrittr介绍
magrittr包是一个高效的管道操作工具，让数据传递更高效。使用操作符%>%，直接把数据传递给下一个函数或表达式。
(2) magrittr的使用
4个管道操作符：
%>%, %T>%, %$% 和 %<>%
这里只介绍%>%向右操作符，快捷键是Ctrl+Shift+M

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

count统计某列的unique值
unique()：返回参数数组中所有不同的值，并按照从小到大排序

count(test,Species)

dplyr处理关系数据
创建两个表

options(stringsAsFactors = F)
test1 <- data.frame(x = c('b','e','f','x'), 
                    z = c("A","B","C",'D'),
                    stringsAsFactors = F)#stringsAsFactors表示是否将字符串变为因子，字符串要加引号
test2 <- data.frame(x = c('a','b','c','d','e','f'), 
                    y = c(1,2,3,4,5,6),
                    stringsAsFactors = F)

內连inner_join,取交集

inner_join(test1, test2, by = "x")

左连left_join

left_join(test1, test2, by = 'x')
left_join(test2, test1, by = 'x')

全连full_join

full_join( test1, test2, by = 'x')

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')

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')#与-的含义相似

简单合并

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
test2 <- data.frame(x = c(5,6), y = c(50,60))
test2
test3 <- data.frame(z = c(100,200,300,400))
test3
bind_rows(test1, test2)#按行合并，必须列数相同
bind_cols(test1, test3)#按列合并，必须行数相同

最后是今天的思维导图：

Day6-学习R包

最后编辑于：2020.06.20 20:14:20