R包学习
1.安装和加载R包
1.1 镜像设置：加快下载速度
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
1.2 安装包
install.packages("包") #FROM CRAN
BiocManager::install("包")#FROM Biocductor
1.3 加载包
library(包)
require(包)
2. 使用基本函数
2.1 新增列mutate(变量名，列)
test <- iris[c(2:3,5:6,130:132),]#使用[行，]调取数据框的行
mutate(test,new = Sepal.Length + Sepal.Width)#整一个新的列叫做new
- mutate函数新建一列，transmute函数新建一列后覆盖。
2.2 筛选列select(变量名，列号)
select(test,1,2)
select(test,Sepal.Length)
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))
- one_of()是用来声明选择对象的。比如one_of("x","y")就是表明选择x,y变量
2.3 筛选行 filter(变量名，条件)
- 👇给大家看看这个蠢蛋写一个函数错多少回
> filter(test,1)#不能按照行号来
错误: Argument 2 filter condition does not evaluate to a logical vector
> filter(test,Peter.Length > 5 | Sepcies == setosa)#人家不叫peter
错误: 找不到对象'Peter.Length'
> > filter(test,Petal.Length > 5 | Sepcies == setosa)#复制多了一个>
错误: 意外的'>' in ">"
> filter(test,Petal.Length > 5 | Sepcies == setosa)#species拼错
错误: 找不到对象'Sepcies'
> filter(test,Petal.Length > 5 | Species == setosa)#没给字符加引号
错误: 找不到对象'setosa'
> filter(test,Petal.Length > 5 | Species == "setosa")
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 4.9 3.0 1.4 0.2 setosa
2 4.7 3.2 1.3 0.2 setosa
3 5.0 3.6 1.4 0.2 setosa
4 5.4 3.9 1.7 0.4 setosa
5 7.2 3.0 5.8 1.6 virginica
6 7.4 2.8 6.1 1.9 virginica
7 7.9 3.8 6.4 2.0 virginica
2.4 按列进行排序arrange(变量,列)
arrange(test, Sepal.Length)#默认从小到大排序
arrange(test, desc(Sepal.Length))#用desc从大到小排序
2.5 数据汇总summarise()
- 常与
group_by(变量，列名)进行分组后使用
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))
2.6 dplyr包的管道操作
%>% (ctrl+shift+M)
符号：%>%是管道操作，其意思是将%>%左边的对象传递给右边的函数。
说明：％>％来自dplyr包的管道函数，其作用是将前一步的结果直接传参给下一步的函数，从而省略了中间的赋值步骤，可以大量减少内存中的对象，节省内存
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
2.7 统计某列的值及出现次数
count(test,Species)
test %>% count(Sepal.Length) #用上了管道
2.8 连接列表
String是字符串，可用于记录琐细信息。Factor是用于给一行记录做“分类标记”。
对于Factor类型属性，R语言可以自动统计数据的factor水平（level）。
stringsAsFactors = F意味着，“在读入数据时，遇到字符串之后，不将其转换为factors，仍然保留为字符串格式”。
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)#准备两个数据框，不引入factor
inner_join(test1, test2, by = "x") #根据x列取交集
left_join(test1, test2, by = 'x') #根据第一个变量的x列在左侧连接
left_join(test2, test1, by = 'x') #交换顺序
full_join( test1, test2, by = 'x') #全连接
semi_join(x = test1, y = test2, by = 'x') # 半连接：返回能够与y表匹配的x表所有记录
anti_join(x = test2, y = test1, by = 'x')# 反连接：返回无法与y表匹配的x表的所记录
bind_rows(test1, test2) #将列表简单连接
