R包是多个函数的集合，具有详细的说明及示例。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。
1. 安装和加载
1.1 镜像设置
参考生信星球的这篇文章：你还在每次配置Rstudio的下载镜像吗？
1.2 安装
联网后看要安装的包存在于哪里
CRAN install.packages("包名")
Biocductor BiocManager::install("包名")
1.3 加载
命令library(包名)或require(包名)
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)
2. dplyr的五个基础函数
2.1 新增列mutate()
添加新的变量，这些变量是现有变量的函数
mutate(test,new=Sepal.Length * Sepal.Width)
新增列
2.2 按列筛选 select()
- 按列号筛选
select(test,1,3,5)
select(test,c(1:4))
select(test, Petal.Length, Petal.Width)
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))
按列号
-
按列名筛选
按列名
2.3 筛选行 filter()
filter(test,Species == "versicolor")
filter(test,Species == "versicolor" & Petal.Length>4)
filter(test,Species %in% c("setosa","versicolor"))
筛选行
2.4 按某1列或某几列对整个表格进行排序arrange()
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 汇总 summarise()
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
# 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))
汇总
3. dplyr两个实用技能
管道操作 %>% (cmd/ctrl + shift + M)
加载任意一个tidyverse包即可用管道符号
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
count统计某列的unique值
count(test,Species)
4. dplyr处理关系数据
即将2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
- 內连
inner_join,取交集 - 左连
left_join - 全连full_join
- 半连接：返回能够与y表匹配的x表所有记录
semi_join - 反连接：返回无法与y表匹配的x表的所记录
anti_join - 简单合并: 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
inner_join(test1, test2, by = "x") #内连，取交集
left_join(test1, test2, by = 'x')
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)
处理关系数据
