好巧 在学习课程之前自己先安装了Biocductor，想要安装chipseeker包，出现了一些问题；希望学完这个课程，能解决现在存在的问题。
* 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：丰富的图表和Biocductor上面的各种生信分析R包。
* 包的使用 一通百通（以dplyr为例学习R包）
* R平台细节：
* R version 4.0.3 (2020-10-10)
* Platform: x86_64-w64-mingw32/x64 (64-bit)
* 用'citation()'会告诉你如何在出版物中正确地引用R或R程序包。
* 用'demo()'来看一些示范程序，用'help()'来阅读在线帮助文件，或
* 用'help.start()'通过HTML浏览器来看帮助文件。
* 用'q()'退出R.
安装和加载R包
1.镜像设置：两行代码（）可以搞定；失败的话就每次需要下载R包时运行这两句代码即可。配置Rstudio的下载镜像(是CRAN的镜像)
（1）初级模式：设置流程tool-packages-primary CRAN repository(change)-Tsinghau;下载Bioconductor的包，这个镜像是没有办法用的;通过options()$repos来检验 Rstudio是不是从CRAN去下载包。
（2）升级模式：自定义CRAN和Bioconductor的下载镜像，在Rstudio中进行设置：运行这两行代码
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
(3) 高级模式：
R的配置文件 .Rprofile：.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
用file.edit()来编辑文件： file.edit('~/.Rprofile')
添加好上面的两行options代码：
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
保存=》
重启Rstudio，这时你再运行一下：options()BioC_mirror
配置完成
2.安装
联网
R包安装命令是install.packages(“包”)或者BiocManager::install(“包”)；注 取决于要安装的包存在于CRAN网站还是Biocductor，存在于哪里？可以谷歌搜到。
加载
两个命令均可：
* library(包)
* require(包)
-
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)
-
dplyr五个基础函数
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，大大提高数据处理及分析效率。
-
1.mutate(),新增列：
- mutate(test, new = Sepal.Length * Sepal.Width)
-
2. select(),按列筛选：
-
1)按列号筛选 ：
select(test,1)--- test文件的第一列
select(test,c(1,5))--- test文件的第一和第五列
select(test,Sepal.Length) ---Sepal.Length这一列
-
2)按列名筛选：
select(test, Petal.Length, Petal.Width)----Petal.Length, Petal.Width的这两列
vars <- c("Petal.Length", "Petal.Width")
-
select(test, one_of(vars))
* 3.filter()筛选行【先固定列，再按行的元素筛选】
* filter(test, Species == "setosa") 筛选列 Species 中含setosa行
* filter(test, Species == "setosa"&Sepal.Length > 5 )筛选列 Species 中含setosa行。并且&Sepal.Length > 5
* filter(test, Species %in% c("setosa","versicolor")) 筛选前面一个向量Species 内的元素是否在后面一个向量中c("setosa","versicolor")； "setosa","versicolor" 就是一个筛选条件
* 4.arrange(),按某一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
* 5.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
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 %>% (cmd/ctr + shift + M)
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
count 统计某列的unique值
count(test,Species)
dplyr处理关系数据：即将2个表进行连接，注意：不要引入factor
1.內连inner_join,取交集
inner_join(test1, test2, by = "x")
2.左连left_join ：
left_join(test1, test2, by = 'x') 依据text1的x取交集
left_join(test2, test1, by = 'x') 依据text2的x取交集，空值输出NA补全
3.全连full_join
full_join( test1, test2, by = 'x') ；full_join( test2, test1, by = 'x')
4.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')
5.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')
6.简单合并bind_rows()：
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