学习小组Day6笔记--Monomania

2020年4月19日 Day6：R Packages

今天学习的主要内容是R Packages。R Packages是多个函数的集合。
学生信，R语言必学的原因是丰富的图表和Biocductor上面的各种生信分析R包。

DAY6：R Packages

一、安装和加载R包

1. 镜像设置（自定义CRAN和Bioconductor的下载镜像）

• 用file.edit()编辑.Rprofile文件，加入相应下载源的代码

file.edit('~/.Rprofile')
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #清华源
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #中科大源

1. 镜像设置

• 保存并重启RStudio，
• 检查下载源是否更改成功：options()$repos和options()$BioC_mirror
  
  2. 查看镜像

2. 安装

• 确保联网
• 确定包是在CRAN还是Biocductor
• 命令：install.packages("pkg")或者BiocManager::install("pkgs")

3. 加载

• 命令：library(pkg)或者require(pkg)

4. 安装加载dplyr

install.packages("dplyr")
library(dplyr)

---

二、dplyr的5个基本函数

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),] 
test

3. 示例数据

1. mutate()：新增列

mutate(test, Sepal.Dimensions = Sepal.Length * Sepal.Width) 
#新增一列Sepal.Length * Sepal.Width的乘积Sepal.Dimensions

4. mutate().

2. select()：按列筛选

• 按列号筛选

select(test,1) #筛选第1列
select(test,c(1,5)) #筛选第1列和第5列

5. 按列号筛选

• 按列名筛选

select(test,Sepal.Length) #筛选Sepal.Length列
select(test, Petal.Length, Petal.Width) #筛选 Petal.Length和Petal.Width两列

6. 按列名筛选

3. filter()：筛选行

filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))

7. filter

4. arrange()：按某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)) #desc从大到小排序

8. arrange.jpg

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
group_by(test, Species) #先按照Species分组，然后计算每组Sepal.Length的平均值和标准差
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))

9. summarise & group_by

三、dplyr的2个实用技能

1.管道操作

• 符号：%>% (ctr + shift + M)

test %>% 
  group_by(Species) %>% 
  summarise(mean(Sepal.Length), sd(Sepal.Length))

10. 管道操作

2.count统计某列的unique值

count(test, Species)

11. count统计某列的unique值

四、dplyr处理关系数据

将两个表进行连接，注意不要引入factor

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

12 .text1 & text2

1. inner_join

• 内联取交集

inner_join(test1, test2, by = "x")

13.inner_join

2. left_join

• 左连

left_join(test1, test2, by = 'x')
left_join(test2, test1, by = 'x')

13. left_join

3. full_join

• 全连

full_join( test1, test2, by = 'x')

15. full_join

4. semi_join

• 半连接：返回能够与y表匹配的x表所有记录

semi_join(x = test1, y = test2, by = 'x')

16. semi_join

5. anti_join

• 反连接：返回无法与y表匹配的x表的所记录

anti_join(x = test2, y = test1, by = 'x')

17. anti_join

6. 简单合并

• 在相当于base包里的cbind()函数和rbind()函数
• 函数bind_rows()需要两个数据框列数相同
• 函数bind_cols()需要两个数据框行数相同

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)

18. test 1-3.jpg

19. bind_rows & bind_cols.jpg