学习R包
1.安装和加载R包
1.1.镜像设置
1.2.安装
- install.packages("包")（R包存在于CRAN网站）
-
BiocManager::install("包")（R包存在于Biocductor）
具体需要的包在哪里可以直接在google上搜索
1.3.加载
- library(包)
-
require(包)
两个命令均可
以安装dplyr为例，安装加载三部曲的命令行为：
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)
以下演示用内置数据集iris的简化版进行
test <- iris[c(1:2,51:52,101:102),]
image.png
2.dplyr五个基础函数
2.1.mutate(),新增列
-
mutate(test, new = Sepal.Length * Sepal.Width)
新增一列new
image.png
2.2.select(),按列筛选
2.2.1.按列号筛选
-
select(test,1)
image.png -
select(test,c(1,5))
image.png
2.2.2.按列名筛选
-
select(test, Petal.Length, Petal.Width)
image.png -
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))
image.png
2.3.filter()筛选行
-
filter(test, Species == "setosa")
image.png -
filter(test, Species == "setosa"&Sepal.Length > 5 )
image.png -
filter(test, Species %in% c("setosa","versicolor"))
image.png
2.4.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
image.png -
arrange(test, desc(Sepal.Length)) 用desc从大到小
image.png
2.5.summarise()：汇总
-
summarise(test, mean(Sepal.Length), sd(Sepal.Length)) 计算Sepal.Length的平均值和标准差
image.png -
group_by(test, Species)
summarise(group_by(test, Species),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
image.png
image.png
3.dplyr两个实用技能
3.1.管道操作 %>% (cmd/ctr + shift + M)
即在连续操作中用几句简单的命令进行操作，避免了冗长的命令行
解析
-
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
image.png
可得到与上一个操作一样的结果
3.2.count统计某列的unique值
-
count(test,Species)
image.png
4.dplyr处理关系数据
先准备两个表格
test1
-
test1 <- data.frame(x = c('b','e','f','x'),
z = c("A","B","C",'D'),
stringsAsFactors = F)
image.png
test2 -
test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6),
stringsAsFactors = F)
image.png
4.1.內连inner_join,取交集
-
inner_join(test1, test2, by = "x")
image.png
4.2.左连left_join
-
left_join(test1, test2, by = "x")
image.png -
left_join(test2, test1, by = "x")
image.png
4.3.全连full_join
-
full_join( test1, test2, by = "x")
image.png
4.4.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")
image.png
4.5.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")
image.png
4.6.简单合并
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
先准备三个数据集
test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
image.png
test2 <- data.frame(x = c(5,6), y = c(50,60))
image.png
test3 <- data.frame(z = c(100,200,300,400))
image.png
-
bind_rows(test1, test2)
image.png -
bind_cols(test1, test3)
image.png
