Day6--李晓芳

学习R包（dplyr)

安装和加载R包

1.镜像设置

镜像配置
options() $repos，检验镜像地址 options()$ BioC_mirror
初级--tool里设置package;中级--两行命令；高级--建一个文档file.edit('~/.Rprofile')把两行命令放进去，有两个检验命令查看镜像地址。

2.安装

install.packages(“包”)--CRAN网站；BiocManager::install(“包”)--Biocductor网站。

3.加载

library(包)；
require(包)。

安装加载三部曲

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)

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

image.png

dplyr五个基础函数

1.mutate(),新增列

mutate(test, new = Sepal.Length * Sepal.Width)
test = mutate(test, new = Sepal.Length * Sepal.Width)才会test有变化，记得赋值。

2.select(),按列筛选

（1）按列号筛选
select(test,1)
select(test,c(1,5))
select(test,Sepal.Length)
(2)按列名筛选
select(test, Petal.Length, Petal.Width)，
或者vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))，结果一样。

3.filter()筛选行

filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))

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
arrange(test, desc(Sepal.Length))#用desc从大到小

5.summarise()：汇总

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))

dplyr两个实用技能

1.管道操作 %>% (cmd/ctr + shift + M)

test %>%

group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
对比上面的命令

2.count统计某列的unique值

count(test,Species)

image.png

表示统计test数据框的Species列有哪些取值，每个取值重复了多少次

dplyr处理关系数据

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)

1.內连inner_join,取交集

inner_join(test1, test2, by = "x")

2.左连left_join

left_join(test1, test2, by = 'x')
left_join(test2, test1, by = 'x')

3.全连full_join

full_join( test1, test2, by = 'x')

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

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

6.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
test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
test2 <- data.frame(x = c(5,6), y = c(50,60))
test3 <- data.frame(z = c(100,200,300,400))
bind_rows(test1, test2)
bind_cols(test1, test3)