R包的安装和使用（dplyr为例）
镜像设置
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
安装
install.packages(“包”) 或者BiocManager::install(“包”)
加载
library(包) 或者
require(包)
使用
dplyr包主要用于数据清洗和整理，主要功能有：行选择、列选择、统计汇总、窗口函数、数据框交集等，是非常高效、友好的数据处理包。
以内置数据集iris的简化版为例
test <- iris[c(1:2,51:52,101:102),]
1. 新增列 mutate()
mutate(数据框, 列名 = 逻辑)
如： mutate(test, new = Sepal.Length * Sepal.Width)
2. 按列筛选 select()
select(数据框,1) 筛选第一列
select(数据框,c(1,5)) 筛选第一和第五列
select(数据框,列名) 按照列名筛选
筛选多个列时
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))
To make your selection code more robust and silence the message, use all_of()to force the external vector.
3. 按行筛选 filter()
filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))
4. 排序 arrange()
arrange(test, Sepal.Length)
按照指定列排序，默认从小到大
arrange(test, desc(Sepal.Length))用desc从大到小排序
5. 汇总 summarise()
summarise(test, mean(Sepal.Length), sd(Sepal.Length))
计算Sepal.Length的平均值和标准差
结合group_by()分组运算
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
先按照Species分组，计算每组Sepal.Length的平均值和标准差
6. 管道操作 %>% (cmd/ctr + shift + M)
符号%>%，这是管道操作，其意思是将%>%左边的对象传递给右边的函数，作为第一个选项的设置（或剩下唯一一个选项的设置。
test %>% group_by(Species) %>% summarise(mean(Sepal.Length), sd(Sepal.Length))
达到与5中分组运算同样的效果
7. 统计某列unique值 count()
count(test,Species)
8. 处理关系数据
将2个表进行连接，注意：不要引入factor（options(stringsAsFactors = F)）
inner_join(test1, test2, by = "x") 内连，以指定列为准取交集
left_join(test1, test2, by = 'x') 左连，以指定列为准，将test2的数据补充到test1
full_join( test1, test2, by = 'x') 全连，以指定列为准取并集
semi_join(x = test1, y = test2, by = 'x') 半连接，返回能够与y表匹配的x表所有记录
anti_join(x = test2, y = test1, by = 'x') 反连接，返回无法与y表匹配的x表的所记录
bind_rows(test1, test2) 合并，需要两个表格列数相同
bind_cols(test1, test3) 合并，需要两个表格行数相同
以上内容均来自于微信公众号——生信星球