学习R包——以dplyr为例
R包是多个函数的集合，具有详细的说明和示例。
学生信，R语言必学的原因是丰富的图表和Biocductor上面的各种生信分析R包。包的使用是一通百通的，我们以dplyr为例，讲一下R包。
安装和加载R包
1. 镜像设置
2. 安装
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，存在于哪里可以谷歌搜到。
3. 加载
library(包)或require(包)均可。
安装加载三部曲###
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)
示例数据直接使用内置数据集iris的简化版：test <- iris[c(1:2,51:52,101:102),]
dplyr的五个基础函数
-
mutate()：新增列
新增列 -
select()：按列筛选
- 按序号筛选
select(test,1)
select(test,c(1,5))
select(test,Sepal.Length)
image.png - 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"))
image.png -
arrange()：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
image.png -
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
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 %>%
快捷键：cmd/ctr + shift + M，然后就会出来%>%这个符号
加载任意一个tidyverse包即可用管道符号
test %>%
+ group_by(Species) %>%
+ summarise(mean(Sepal.Length),sd(Sepal.Length))
- count函数——统计某列的unique值
count(test,Species)
image.png
dplyr处理关系数据
即将2个表进行连接。
注意：不要引入factor。
options(stringsAsFactors = F)
test1 <- data.frame(x = c('b','e','f','x'),
z = c("A","B","C",'D'),
stringsAsFactors = F)
test1
test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6),
stringsAsFactors = F)
test2
-
內连
inner_join：取交集
inner_join(test1,test2,by="x")
内连取交集 -
左连
left_join
left_join(test1, test2, by = 'x')
left_join(test2, test1, by = 'x')
左连 -
全连
full_join
full_join( test1, test2, by = 'x')
全连 -
半连接
semi_join：返回能够与y表匹配的x表所有记录
semi_join(x = test1, y = test2, by = 'x')
image.png -
反连接
anti_join：返回无法与y表匹配的x表的所记录
anti_join(x = test2, y = test1, by = 'x')
image.png 简单合并
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。
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)
bind_cols(test1, test3)