今天已经是尾随生信星球的豆豆和花花学习的第6天啦，还有一天我竟然要准备毕业了，时间过得也太快了吧！QAQ只不过跟随豆豆和花花的确是学到了很多东西的，虽然知识比较基础。这不，今天豆豆花花给讲解了如何下载兼使用R包，这个在R中可是很重要的一部分哦，赶紧拿小本本记下。
1.镜像设置
参考来源：生信星球的镜像设置
- 以下是设置CRAN和Bioconductor的下载镜像代码
> options()$repos
CRAN
"https://mirrors.tuna.tsinghua.edu.cn/CRAN/"
attr(,"RStudio")
[1] TRUE
> options()$BioC_mirror #刚打开Rstudio检测不到Bioconductor的下载镜像
NULL
> 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
> options()$BioC_mirror #手动代码之后就发现有中科大源了
[1] "https://mirrors.ustc.edu.cn/bioc/"
可是每次都要手动输入那么麻烦吗？这也太累了吧QAQ，不用担心，肯定有办法的。
- 高级设置
①需要用到R的配置文件.Rprofile，这个文件的配置其实可以多样（比如linux中我们在.bashrc文件中添加alias 作为快捷命令）
②首先用file.edit()来编辑文件：
file.edit('~/.Rprofile')
③在.Rprofile配置文件上添加镜像代码：
> options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #对应清华源
> options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #对应中科大源
④最后保存配置文件，随后重启Rstudio查看结果
#重启之后就可以看到在R启动时就根据刚刚的文件自动加载了
> options()$repos
CRAN
"https://mirrors.tuna.tsinghua.edu.cn/CRAN/"
> options()$BioC_mirror
[1] "https://mirrors.ustc.edu.cn/bioc/"
2.安装
R包安装命令是install.packages(“包”)或者BiocManager::install(“包”)
这主要取决于你要下载的R包是来源CRAN网站还是Biocductor哦，这个大家只要去谷歌搜索一下R的包名就知道啦。
>install.packages(“包”) #来源CRAN网站
>BiocManager::install(“包”) #来源Biocductor
3.加载
>library(dplyr)
>require(dplyr)
- 上述两个命令结果都是一致的
4.R包实战--dplyr示例
这里使用内置数据集iris的简化版来作示例数据，先把一些行提取出来。
> test<-iris[c(1:2,51:52,101:102),]
dplyr包的五个基础函数
1.mutate():用于新增列
> mutate(test, new = Sepal.Length * Sepal.Width)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species new
1 5.1 3.5 1.4 0.2 setosa 17.85
2 4.9 3.0 1.4 0.2 setosa 14.70
3 7.0 3.2 4.7 1.4 versicolor 22.40
4 6.4 3.2 4.5 1.5 versicolor 20.48
5 6.3 3.3 6.0 2.5 virginica 20.79
6 5.8 2.7 5.1 1.9 virginica 15.66
- 上述新增的列为将前面两列的数据进行相乘得到的结果。
2.select()：用于按列进行筛选
> select(test,1) #按列号筛选
Sepal.Length
1 5.1
2 4.9
51 7.0
52 6.4
101 6.3
102 5.8
> select(test,c(2:4)) #筛选多列
Sepal.Width Petal.Length Petal.Width
1 3.5 1.4 0.2
2 3.0 1.4 0.2
51 3.2 4.7 1.4
52 3.2 4.5 1.5
101 3.3 6.0 2.5
102 2.7 5.1 1.9
> select(test,Sepal.Length) #按列名进行筛选，对于处理数据大表达矩阵的可以进行特定筛选
Sepal.Length
1 5.1
2 4.9
51 7.0
52 6.4
101 6.3
102 5.8
3.filter()：用于按行进行筛选
> filter(test,Species=="setosa")
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
> filter(test,Species=="setosa"&Sepal.Length>5) #可以同时设置多个条件进行精准筛选
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
> filter(test,Species%in%c("versicolor","virginica")) #%in%为管道函数，类似于传送带
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 7.0 3.2 4.7 1.4 versicolor
2 6.4 3.2 4.5 1.5 versicolor
3 6.3 3.3 6.0 2.5 virginica
4 5.8 2.7 5.1 1.9 virginica
4.arrange()：用于根据某一列或某几列对整个表格进行重新排序
> arrange(test,Sepal.Length) #对某一列进行排序，不加其他参数默认从小到大排序
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 4.9 3.0 1.4 0.2 setosa
2 5.1 3.5 1.4 0.2 setosa
3 5.8 2.7 5.1 1.9 virginica
4 6.3 3.3 6.0 2.5 virginica
5 6.4 3.2 4.5 1.5 versicolor
6 7.0 3.2 4.7 1.4 versicolor
> arrange(test,desc(Sepal.Length)) #利用参数设置从大到小排序
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 7.0 3.2 4.7 1.4 versicolor
2 6.4 3.2 4.5 1.5 versicolor
3 6.3 3.3 6.0 2.5 virginica
4 5.8 2.7 5.1 1.9 virginica
5 5.1 3.5 1.4 0.2 setosa
6 4.9 3.0 1.4 0.2 setosa
- 那想对某几列进行排序应该怎么设置呢？咱们来看看吧，这是笔者为方便演练，新建的一个示例数据。
> a<-read.table(file = 'xiaobai.txt',sep = '\t',header = T)
> a
X1 X2
1 2 7
2 2 4
3 2 6
4 1 9
5 1 7
> arrange(a,X1,X2) #以X1和X2联合升序排序。也就是说：首先按照X1的升序（从小到大）排序；如果在X1相等的情形下，则按照X2从小到大排序
X1 X2
1 1 7
2 1 9
3 2 4
4 2 6
5 2 7
> arrange(a,X1,desc(X2)) #首先按照X1的升序（从小到大）排序；如果在X1相等的情形下，则按照X2的降序（从大到小）排序
X1 X2
1 1 9
2 1 7
3 2 7
4 2 6
5 2 4
5.summarise():用于汇总数据信息
> summarise(test, mean(Sepal.Length), sd(Sepal.Length))
mean(Sepal.Length) sd(Sepal.Length)
1 5.916667 0.8084965
> group_by(test, Species)
# A tibble: 6 x 5
# Groups: Species [3] #根据Species分成了三组
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3 1.4 0.2 setosa
3 7 3.2 4.7 1.4 versicolor
4 6.4 3.2 4.5 1.5 versicolor
5 6.3 3.3 6 2.5 virginica
6 5.8 2.7 5.1 1.9 virginica
> summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 3 x 3
Species `mean(Sepal.Length)` `sd(Sepal.Length)`
1 setosa 5 0.141
2 versicolor 6.7 0.424
3 virginica 6.05 0.354
Warning message:
`...` is not empty.
We detected these problematic arguments:
* `needs_dots`
These dots only exist to allow future extensions and should be empty.
Did you misspecify an argument?
dplyr的实用技能
1.管道函数
笔者昨天刚刚学习完，详情可看管道函数笔记哦，这里也来个简单的示例。
%>%，快捷键(cmd/ctr + shift + M)这个函数可是很常用的哦。
> test %>%
+ group_by(Species) %>%
+ summarise(mean(Sepal.Length), sd(Sepal.Length))
`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 3 x 3
Species `mean(Sepal.Length)` `sd(Sepal.Length)`
1 setosa 5 0.141
2 versicolor 6.7 0.424
3 virginica 6.05 0.354
- 其实就是像传送带一样把变量值一边传一遍进行修改，可以大大减少使用中介变量，可以很好地减少内存空间。
2.count统计某列的unique值
> count(test,Species)
Species n
1 setosa 2
2 versicolor 2
3 virginica 2
- 对于要处理一个很多数据的数据框可是很好用的一个功能呢！！！墙裂安利。
dplyr处理关系数据
咱们还是得先创建示例数据进行演示一下。
> 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：用于取交集
> inner_join(test1,test2,by="x")
x z y
1 b A 2
2 e B 5
3 f C 6
2.左连left_join:以第一个表达矩阵的为准，将第二个与第一个匹配
> left_join(test1,test2,by="x") #以整个test1表为准
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") #以整个test2表为准
x y z
1 a 1
2 b 2 A
3 c 3
4 d 4
5 e 5 B
6 f 6 C
3.全连full_join：将两个表合并一起，不用管行列是否对齐，没对齐自动用NA进行补全
> 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
咱们还是先创建一些简单的表达矩阵作为示例数据吧，那样子更方便理解。
> test3 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
> test3
x y
1 1 10
2 2 20
3 3 30
4 4 40
> test4 <- data.frame(x = c(5,6), y = c(50,60))
> test4
x y
1 5 50
2 6 60
> test5 <- data.frame(z = c(100,200,300,400))
> test3
x y
1 1 10
2 2 20
3 3 30
4 4 40
> test5
z
1 100
2 200
3 300
4 400
- bind_rows()函数需要两个表格列数相同，使用之前一定一定要注意！
> bind_rows(test3, test4)
x y
1 1 10
2 2 20
3 3 30
4 4 40
5 5 50
6 6 60
- bind_cols()函数则需要两个数据框有相同的行数，使用之前一定一定要注意！
> bind_cols(test3, test5)
x y z
1 1 10 100
2 2 20 200
3 3 30 300
4 4 40 400
以上就是今天学习的内容啦！坚持每天学习，加油~
参考来源：生信星球