对待R要高冷，拒绝可以拒绝的一切
1.高级的镜像设置
不想每次打开Rstudio都要运行一遍镜像配置，就需要用到R的配置文件.Rprofile
- 首先用file.edit()来编辑文件：
file.edit('~/.Rprofile') - 然后在其中添加好options代码
# options函数就是设置R运行过程中的一些选项设置
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
# 当然可以换成其他地区的镜像
- 最后保存然后重启Rstudio
再运行一下：
options()$repos
options()$BioC_mirror
发现已经配置好了，省了手动运行的步骤
2.R包安装
- 第一种：CRAN网站
install.packages(“”) - 第二种：Bioconductor网站
BiocManager::install(“”)
3.R包加载
- 两者均可
library()
require()
（总结）4.安装加载三部曲：（"dplyr"）为例
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)
5.dplyr五个基础函数
（示例数据：test <- iris[c(1:2,51:52,101:102),]）
（1）新增列
mutate(变量,新增列名=新增内容)
（2）筛选列
select(变量,筛选条件)
（3）筛选行
filter(变量,筛选条件)
（4）排序
- 按某1列或某几列对整个表格进行排序
arrange(变量,筛选条件)
（5）汇总
summarise(变量,筛选条件)
-
结合group_by，根据分组再汇总分析
6.dplyr两个实用技能
（1）管道操作
- %>% ：向右操作符
把左侧准备的数据或表达式，传递给右侧的函数调用或表达式进行运行，可以连续操作就像一个链条一样
%>%
(cmd/ctr + shift + M)
-所以上述的一串代码可以变成简单的一串
（2）统计某列的unique值：count
count(变量,筛选条件)
7.dplyr处理关系数据
注意：2个表进行连接，不要引入factor
载入数据：
88.pn
（1）內连，取交集
inner_join
（2）左连
left_join
（3）全连接
full_join
（4）半连接
- 返回能够与y表匹配的x表所有记录
semi_join
（5）反连接
- 返回无法与y表匹配的x表的所记录
anti_join
（6）简单合并
- 相当于base包里的cbind()函数和rbind()函数
-
bind_rows()
需要两个表格列数相同 -
bind_cols()
需要两个数据框有相同的行数
下面进行操作：
先准备数据
再操作：
最后的最后：
今日的思维导图：
