- R包是多个函数的集合,具有详细的说明和示例。
本节以dplyr为例,讲一下R包。
一、安装和加载R包
1. 镜像设置
- 部分电脑两行代码可以搞定:你还在每次配置Rstudio的下载镜像吗?
- 其他:每次需要下载R包时运行这两句代码(在国内镜像网站上下载更快)
# 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
2. 安装
要安装的包存在于CRAN网站时:install.packages("包")
要安装的包存在于Biocductor时:BiocManager::install("包")
- 包具体存在于哪里,谷歌搜
3. 加载
library(包)
或require(包)
4. 以dplyr包为例安装加载三部曲
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)
二、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),]
1. 新增列 mutate()
mutate(test, new = Sepal.Length * Sepal.Width)
2. 按列筛选 select()
(1)按列号筛选
select(test,1)
select(test,c(1,5))
(2)按列名筛选
select(test,Sepal.Length)
select(test, Petal.Length, Petal.Width)
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))
3. 筛选行 filter()
filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))
4. 按某一列或某几列对整个表格排序 arrange()
arrange(test, Sepal.Length)#默认从小到大排序
arrange(test, desc(Sepal.Length))#用desc从大到小
5. 汇总 summarise()
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
group_by(test, Species)
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
# 先按照Species分组,再计算每组Sepal.Length的平均值和标准差
三、dplyr两个实用技能
1. 管道操作 %>%
RStudio快捷键:ctrl+shift+M
- 管道操作符
%>%
,在dplyr被大量应用,用来简化代码结构,减少中间变量,使代码更符合逻辑习惯。- 管道运算符
%>%
的意思是:将左边函数的运算结果,以输入的方式传给右边函数。若干个函数通过管道连接起来,叫做管线(pipeline)。
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
2. 统计某列的unique值 count()
快速统计某列唯一值的个数,即出现几次
count(test,Species)
count(test,Petal.Length)
四、dplyr处理关系数据
即将2个表进行连接,注意:不要引入factor
-
建两个表格
1. 内连inner_join()
,取交集
inner_join(test1, test2, by = "x")
2. 左连 left_join()
left_join(test1, test2, by = 'x')
left_join(test2, test1, by = 'x')
3. 全连full_join()
full_join( test1, test2, by = 'x')
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')
5. 反连接:返回无法与y表匹配的x表所有记录anti_join()
anti_join(x = test2, y = test1, by = 'x')
6. 简单合并
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
按列合并bind_rows()
按行合并bind_cols()