复习了Linux，发现命令还是要靠自己一点一点打出来才能记得更牢，总是复制粘贴现成的对于初学者来说不是好事。
今天学习了R包。
加载安装R包
引用自生信星球：
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
总得有操作对象吧，所以赋予test一个含义：
test <- iris[c(1:2,51:52,101:102),]
这里的iris是内置的数据集。
dplyr五个基础函数
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)
select(test,c(1,5))
select(test,Sepal.Length)
(2)按列名筛选
select(test, Petal.Length, Petal.Width)
以及
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))
3.filter()筛选行
filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))
4.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
5.summarise()：汇总
计算Sepal.Length的平均值和标准差
summarise(test, 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
group_by(test, Species)
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
dplyr两个实用技能
1：管道操作 %>% (快捷键：cmd/ctr + shift + M)
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
效果和分组汇总的效果是一样的。
2：count统计某列的unique值
count(test,Species)
dplyr处理关系数据
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
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')
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表的所记录anti_join
anti_join(x = test2, y = test1, by = 'x')
（4和5我不太懂）
6.简单合并
bind_rows()函数需要两个表格列数相同
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)