DAY6
学习R包
一、安装和加载R包
step1：镜像设置
通过命令options()$repos检验RStudio的镜像，如果回到了R的国外官网我们需要运行如下代码
# options函数就是设置R运行过程中的一些选项设置
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #对应清华源
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #对应中科大源
# 当然可以换成其他地区的镜像
设置成功后如果再次打开RStudio用命令options()$BioC_mirror如果是国内镜像则成功，如果是国外官网则需要进行以下步骤。
首先用file.edit('~/.Rprofile')来编辑文件，再在文件中输入
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
然后在用命令options()$repos和options()$BioC_mirror来检验就可以看到镜像是国内的路径了。
step2：安装
安装R包的命令是
install.packages("包")
#或者
BiocManager::install("包")
这两个命令的选择取决于安装的包存在于CRAN网站还是Biocductor
step3：加载
下面两个命令都可以加载
library(包)
require(包)
以dplyr包为例,四行命令安装加载dplyr包
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
install.packages("dplyr")
library(dplyr)
示例数据使用内置数据iris的简化版:
test <- iris[c(1:2,51:52,101:102),]
iris简化版数据
Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度(Sepal.Length)，花萼宽度(Sepal.Width)，花瓣长度(Petal.Length)，花瓣宽度(Petal.Width)4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。（百度百科）
二、dplyr五个基础函数
- 1.mutate(),新增列
例：输入命令mutate(test, add =Sepal.Length+Sepal.Width)
新增列 - 2.select(),按列筛选
（1）按列号筛选
例：输入命令select(test,4) #选取第四列
筛选列
例：输入命令
select(test,c(2,5)) #选取第2列和第5列
筛选列
（2）按列名筛选
例：输入命令select(test,Sepal.Length) #选取名为Sepal.Length的那一列
筛选列
例：输入命令
select(test, Petal.Length, Petal.Width) #选取名为Petal.Length和Petal.Width这两列
筛选列
例：输入命令
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars)) #选取名为Petal.Length和Petal.Width这两列
筛选列
- 3.filter()筛选行
例：输入命令filter(test, Species == "setosa") #种类为setosa的那行
筛选行
例：输入命令filter(test, Species == "setosa"&Sepal.Length > 5 ) #选取种类为setosa并且Sepal.Length > 5的那行
筛选列
例：输入命令filter(test, Species %in% c("setosa","versicolor")) #选取种类为setosa和versicolor的那行
筛选列 - 4.arrange(),按某1列或某几列对整个表格进行排序
例：输入命令arrange(test, Sepal.Length) #从小到大排序
排序
例：输入命令arrange(test, desc(Sepal.Length)) #用desc从大到小
排列
例：输入命令arrange(test, Sepal.Length, desc(Sepal.Width)) #将以上两种组合运用
排列 - 5.summarise()：汇总
例：输入命令summarise(test, mean(Sepal.Length), sd(Sepal.Length)) # 计算Sepal.Length的平均值和标准差
汇总
例：输入命令group_by(test, Species) # 按照Species分组
分组
例：输入命令summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length)) # 计算每组Sepal.Length的平均值和标准差
汇总
三、dplyr两个实用技能
- 1.管道操作 %>% (cmd/ctr + shift + M)
例：输入命令
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
管道操作
- 2.count统计某列的unique值
例：输入命令count(test,Species) #统计每个种类有多少个
统计unique值
四、dplyr处理关系数据（即将两个表进行连接）
首先引入两个表格test1，test2
输入命令
options(stringsAsFactors = F)
test1 <- data.frame(x = c('b','e','f','x'),
z = c("A","B","C",'D'),
stringsAsFactors = F)
test1
test1
test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6),
stringsAsFactors = F)
test2
test2
- 1.內连inner_join,取交集
例：输入命令inner_join(test1, test2, by = "x") #取两个表关于x的交集
取交集 - 2.左连left_join
例：输入命令left_join(test1, test2, by = 'x') #将两个表格以test1位基础合并
左连
例：输入命令left_join(test2, test1, by = 'x') #将两个表格以test2为基础合并
左连 - 3.全连full_join
例：输入命令full_join( test1, test2, by = 'x') #将两个表格组合成一个表格
全连 - 4.半连接：返回能够与y表匹配的x表所有记录semi_join
例：输入命令semi_join(x = test1, y = test2, by = 'x')
半连接
- 5.反连接：返回无法与y表匹配的x表的所记录anti_join
例：输入命令anti_join(x = test2, y = test1, by = 'x')
反连接
- 6.简单合并
例：输入命令test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40)) #新建test1
新建test1
例：输入命令test2 <- data.frame(x = c(5,6), y = c(50,60)) #新建test2
新建test2
例：输入命令test3 <- data.frame(z = c(100,200,300,400)) #新建test3
新建test3
例：输入命令bind_rows(test1, test2)
合并表1表2
例：输入命令bind_cols(test1, test3)
合并表1表3