R包什么？

R包是R函数，编码和样本数据的集合，它们存储在R环境中的名为“library”的目录下。默认情况下，R在安装过程中安装一组软件包。当需要某些特定的目的时，也可根据需要添加更多的包。当我们启动R控制台时，默认情况下只有默认软件包可用。已经安装的其他软件包必须明确加载才能被要使用的R程序使用。

注意：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。

安装和加载R包

镜像设置
最基础的是在Rstudio中进行了设置（R镜像是为了方便世界各地的使用者下载R软件及相关软件包，在各地设置的镜像。但是需要去官网下载，下载速度太慢。所以，选择离你最近的镜像，你下载R软件或R包的速度相对较快）。后来需要自定义我们的下载镜像，主要通过两行代码进行：

option ("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")

下次再打开Rstudio，试试options()$BioC_mirror检查是否是国内镜像系统。如果发现不是得花，需要进行高级设置。
R的配置文件 .Rprofile ：R中经常会使用一些命令，而且需要重复输入，非常麻烦。如果能够一打开R就直接使用会方便很多。通过配置一个.Rprofile文件，可以达到我们的目的。操作如下：

file.edit('~/.Rprofile')

再添加options两行代码，保存重启即可

补充：.Renviron：是给R包一个家，它是为了设置R的环境变量。

安装加载R包

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)

示例数据如下：使用内置数据集iris的简化版

test <- iris[c(1:2,51:52,101:102),]

什么是iris数据集：

iris数据集.png

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.

mutate(),新增列

mutate(test, new = Sepal.Length * Sepal.Width)
新增一个new列，内容是Sepal.Length * Sepal.Width（长度*宽度）

select(),按列筛选
1 按列号筛选
select (test,())，可以是标量，可以是向量
2 按列名筛选
filter()筛选行

filter(test, Species == "setosa") 筛选行为物种为setosa的物种

 filter(test, Species == "setosa"&Sepal.Length > 5 ) 筛选物种为setosa并且Sepal.Length > 5的行。如果中间是|，就是筛选的或者

filter(test, Species %in% c("setosa","versicolor"))筛选，物种符合setosa，versicolor的行

注意！！！x %in% y 的意思是“对x里的每个元素进行判断，判断它是否在y中存在，存在就返回TRUE，不存在就返回FALSE”，多的元素在前，少的元素在后。

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
summarise()：汇总

summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差

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

其中， A tibble: 3 x 3 =行*列
Groups: Species [3] 以。。进行的分组

dplyr两个实用技能

管道操作 %>%

magrittr包，主要定义了4个管道操作符，分另是%>%, %T>%, %$% 和 %<>%。其中，操作符%>%是最常用的，其他3个操作符，与%>%类似，在特殊的使用场景会起到更好的作用。
[R中的管道操作符%>%]https://www.jianshu.com/p/7d034789da41

count统计某列的unique值

count(test,Species) 不同物种中的数量

dplyr处理关系数据

data.frame()函数用法：将两个表进行连接

test1 <- data.frame(x = c('b','e','f','x'), z = c("A","B","C",'D')  stringsAsFactors = F)

stringsAsFactors=FALSE作用：用read.table和其衍生品比如read.csv read.delim,R会自动把字符串string的列辨认成factor。比如你有一个全班成绩数据集,第一列名字,第二列性别,第三列语文成绩,第四列数学成绩。那么第一列和第二列如果你不告诉R
stringsAsFactors=FALSE 那么R就把这两列认成因子模式factor了。

內连接inner_join,取交集
指仅仅保留x,y中相匹配的观测，相当于取了个交集;以 by="x"为基准，下同
inner_join(test1, test2, by = "x")
外连接
1 左连接 left_join
y中未匹配的观测丢弃，x中未匹配的观测保留，y中以NA填充
left_join(test1, test2, by = 'x')
2 全连full_join
x,y中观测全部保留，相当于取了并集
full_join( test1, test2, by = 'x')
半连接：semi_join
保留x中与y匹配的观测，它与内连接的不同在于，取交集但是并不合并y而仅仅是保留了x，y的作用是做了筛选而已
semi_join(x = test1, y = test2, by = 'x')
反连接：anti_join
是半连接的反向操作,用y做筛选，找出非相交的部分保留下来
anti_join(x = test2, y = test1, by = 'x')
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

学习小组Day6笔记--魏麻将