学习小组Day6------Lisa

今天学习与R包相关的内容_{今天起了个大早，因为英语老师在美国有时差}

一、配置Rstudio的下载镜像

R的配置文件 .Rprofile

在刚开始运行Rstudio的时候，程序会查看许多配置内容，其中一个就是.Renviron，它是为了设置R的环境变量（这里先不说它）；而.Rprofile就是一个代码文件，如果启动时找到这个文件，那么就替我们先运行一遍（这个过程就是在启动Rstudio时完成的） 来自：https://mp.weixin.qq.com/s/XvKb5FjAGM6gYsxTw3tcWw生信星球

file.edit('~/.Rprofile')  #首先用file.edit()来编辑文件，这时候Rstudio会自动打开一个新的窗口   

然后在新打开的窗口输入以下两行代码：

# 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
然后点击保存，save，最后重启以下Rstudio，再运行一下：
options()$repos和options()$BioC_mirror 就发现已经配置好了，就很方便地省了手动运行的步骤

已经配置好的镜像

二、R包安装和加载

R包安装命令是install.packages(“包”)或者BiocManager::install(“包”)。取决于你要安装的包存在于CRAN网站还是Biocductor，存在于哪里？下面介绍2种R包安装方式（划重点啦）：
1、第一种方式，CRAN安装R包：install.packages()函数
这种方式是R自带的函数，直接安装包了，这个是最简单的，而且不需要考虑各种包之间的依赖关系。

install.packages("ggplot2")  ##直接输入包名字即可
library("ggplot2")  #加载一下即可使用

2、第二种方式，Bioconductor安装R包：BiocManager::install()

> if (!requireNamespace("BiocManager", quietly = TRUE))#用来进行一个特定的行为，如当建议包找不到时抛出一个错误。
> install.packages("BiocManager") # 首先要安装BiocManager包
> BiocManager::install("Biobase") # 再用BiocManager安装

参考：https://www.jianshu.com/p/98cb8607a731

• R包的加载：library(包)或require(包)两个都可以

总结：安装加载三部曲（以dplyr包为例）

options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) 
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") 
install.packages("dplyr")    #先下载包
library(dplyr)   #加载一下即可使用

三、dplyr五个基础函数

• 示例数据直接使用内置数据集iris的简化版:

test <- iris[c(1:2,51:52,101:102),]  #取鸢尾花数据集的第1-2、51-52、101-102行

输出结果

1.mutate(),新增列

输出结果

2.select(),按列筛选

• (1)按列号筛选

  
  
  

  image.png
  
  
  

  image.png
  
  
  

  image.png
  
  

  *(2)按列名筛选

  
  
  

  image.png
• 3.filter()，筛选行
  
  

  image.png
• 4.arrange(),按某1列或某几列对整个表格进行排序
  
  

  image.png
  
  
  

  image.png
  
  
  

  image.png
• 5.summarise()：汇总

• 对数据进行汇总操作,结合group_by使用实用性强
• dplyr提供了一个分组函数group_by，把分组依据相同的数据组合成行，相当于ddply中的group_vars
• ungroup用于移出数据框的分组信息。配合上管道符号，可以方便地进行分组概述和分组计算。该函数还可以结合group_by()函数实现分组聚合，
• group_by()函数语法：group_by(.data, ..., add = FALSE)

例子：
summarize(group_by(df2tbl,x), sum(y))

image.png

image.png

四、dplyr两个实用技能

1：管道操作 %>% (cmd/ctrl + shift + M)

（加载任意一个tidyverse包即可用管道符号）

小插曲：tydiverse有哪些包？（来自Lisa的疑问）

image.png

• 首先dplyr提供了一个符号%>%，该符号将左边的对象作为第一个参数传递到右边的函数中，这样就实现类似unix管道的编程风格，代码更易读.
• %>%来自dplyr包的管道函数，其作用是将前一步的结果直接传参给下一步的函数，从而省略了中间的赋值步骤，可以大量减少内存中的对象，节省内存.

image.png

2：count统计某列的unique值

image.png

五、dplyr处理关系数据

• 即:将2个表进行连接，注意：不要引入factor
• R语言环境变量的设置 环境设置函数为options()

image.png

> rm(list = ls())   #一键清空所有变量
> options(stringsAsFactors = F)   #对读入数据的string的处理
> test1 <- data.frame(x = c('b','e','f','x'), 
+                     z = c("A","B","C",'D'),
+                     stringsAsFactors = F)
> test1
  x z
1 b A
2 e B
3 f C
4 x D
> test2 <- data.frame(x = c('a','b','c','d','e','f'), 
+                     y = c(1,2,3,4,5,6),
+                     stringsAsFactors = F)
> test2
  x y
1 a 1
2 b 2
3 c 3
4 d 4
5 e 5
6 f 6

1.內连inner_join,取交集

先普及一下知识：
我们知道，数据库中经常需要将多个表进行连接操作，如左连接、右连接、内连接等，这里dplyr包也提供了数据集的连接操作，具体如下：

left join(左联接) 返回包括左表中的所有记录和右表中联结字段相等的记录
right join(右联接) 返回包括右表中的所有记录和左表中联结字段相等的记录
inner join(等值连接) 只返回两个表中联结字段相等的行

image.png

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

结果说明:
很明显,这说明inner join并不以谁为基础,它只显示符合条件的记录.

2.左连left_join

> 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
> left_join(test2, test1, by = 'x')
  x y    z
1 a 1 
2 b 2    A
3 c 3 
4 d 4 
5 e 5    B
6 f 6    C

结果说明:
left join是以A表的记录为基础的,A可以看成左表,B可以看成右表,left join是以左表为准的.
换句话说,左表(A)的记录将会全部表示出来,而右表(B)只会显示符合搜索条件的记录,B表记录不足的地方均为NULL.

3.全连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   1
6 c   3
7 d   4

4.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')
  x z
1 b A
2 e B
3 f C

5.反连接：返回无法与y表匹配的x表的所有记录anti_join

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

6.简单合并

划重点：在相当于base包里的cbind()函数和rbind()函数;注意，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

#数据准备：准备三个test
> test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
> test1
  x  y
1 1 10
2 2 20
3 3 30
4 4 40
> test2 <- data.frame(x = c(5,6), y = c(50,60))
> test2
  x  y
1 5 50
2 6 60
> test3 <- data.frame(z = c(100,200,300,400))
> test3
    z
1 100
2 200
3 300
4 400

#进行合并操作：
> bind_rows(test1, test2)   #需要列数相同
  x  y
1 1 10
2 2 20
3 3 30
4 4 40
5 5 50
6 6 60
> bind_cols(test1, test3)   #需要行数相同
  x  y   z
1 1 10 100
2 2 20 200
3 3 30 300
4 4 40 400

★,°:.☆(￣▽￣)/$:.°★ 。今天的学习到此结束，掌握的很多，需要消化的也很多~

参考的网站有：
https://www.cnblogs.com/nxld/p/6060534.html
https://www.cnblogs.com/assasion/p/7768931.html
https://blog.csdn.net/weixin_34233679/article/details/86265275
https://cloud.tencent.com/developer/article/1430436
当然还有公众号：生信星球学习小组的相关内容 ♥

明天再见啦~ヾ(•ω•`)o

                                                   ——来自猪莎