R包的学习
1.啥是R包
R包是多个函数的集合，一般从Bioconductor网站下载，这些R包可以进行统计以及图表的制作，不同的R包行使的功能不同，此处以dplyr为例。
2. 安装和加载R包
2.1 镜像设置
在使用Rstudio的时候为了加速包的下载，都会配置一个国内镜像
- 初级模式
打开Rstudio-tools-Global options- packages - change - CHINA- (Beijing)........Tsinghua University
- 升级模式
在Rstudio中运行代码
# 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
# 当然可以换成其他地区的镜像
- 高级模式
file.edit('~/.Rprofile')
在其中加入
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
保存即可
2.2 安装
install.packages(“包”)
或者
BiocManager::install(“包”)
2.3 加载
安装加载的三部曲
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)
iris以鸢尾花的特征作为数据来源，常用在分类操作中。该数据集由3种不同类型的鸢尾花的各50个样本数据构成。其中的一个种类与另外两个种类是线性可分离的，后两个种类是非线性可分离的。
示教数据用iris数据集的简化版
test <- iris[c(1:2,51:52,101:102),]
2.4 dplyr五个基础函数
2.4.1. mutate(),新增列
mutate(test, new = Sepal.Length * Sepal.Width)
mutate(),新增列
2.4.2. select(),按列筛选
#按列号筛选
select(test,1)
select(test,c(1,5))
select(test,Sepal.Length)
select(),按列号筛选
#按列名筛选
select(test, Petal.Length, Petal.Width)
#
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))
列名筛选
2.4.3 filter()筛选行
filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor")) #%in%断前面一个向量内的元素是否在后面一个向量中，返回布尔值。 在Species前加！表示取反向值
filter()筛选行
2.4.4 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
1582530873(1).png
2.4.5.summarise()：汇总
summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差
group_by(test, Species) # 先按照Species分组，计算每组Sepal.Length的平均值和标准差
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
summarise()：汇总
2.5 dplyr两个实用技能
2.5.1 管道操作 %>% (cmd/ctr + shift + M)
test %>% group_by(Species) %>% summarise(mean(Sepal.Length), sd(Sepal.Length))
管道操作 %>%
2.5.2 count统计某列的unique值
count(test,Species)
count统计某列的unique值
2.5 dplyr处理关系数据
即将2个表进行连接，注意：不要引入factor
首先创建两个表格
options(stringsAsFactors = F)
test1 <- data.frame(x = c('b','e','f','x'),
z = c("A","B","C",'D'),
stringsAsFactors = F)
test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6),
stringsAsFactors = F)
2.5.1.內连inner_join,取交集
inner_join(test1, test2, by = "x")
1582532271(1).png
2.5.2.左连left_join
left_join(test1, test2, by = 'x')
left_join(test2, test1, by = 'x')
左连left_join
2.5.3.全连full_join
full_join( test1, test2, by = 'x')
全连full_join
2.5.4.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')
2.5.5.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')
半连接,反连接
2.5.6.简单合并
在相当于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
bind_rows(test1, test2)
bind_cols(test1, test3)
简单合并