# 学习R包
-------
### 背景了解
- R包是多个函数集合在一起，有详细的说明还有示例。
- R语言必学的原因之一就是丰富的图表和Bioconductor上面的各种生信分析R包。
- 包的使用是一通百通的。
-------
### 安装和加载R包
##### 1、镜像设置
```由于国内网络情况特殊，所以直接从国外官网下载东西十分缓慢。此时需要通过国内的镜像站点（相当于一个中转站）来下载我们想要的安装包。```
-------
- 配置方法
```
#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
```
------
##### 2、安装
```
install.packages("包的名字") #如果包存在于CRAN的话
BiocManager::install("包的名字") #如果包存在于Bioconductor的话
```
------
##### 3、加载包
```
library(包)
require（包）
```
------
### 安装加载dplyr包（CRAN）示例
```
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)
```
- 示例数据使用内置数据集iris的简化
- ```test <- iris[c(1:2,51:52,101:102),]```
------
### 对dplyr的认识
##### 五个基础函数
- mutate（）
- #新增列; 如果新增列名已有，则覆盖（实现修改功能）；如果新增列已有且赋值为NULL，则实现删除功能。
- ```mutate(test, new = Sepal.Length * Sepal.Width) ```
- #在test变量里新建一个名为new的列，值由Sepal.Length和Sepal.Width相乘得出。
- select（） #按列筛选
- 按列号筛选
- ```select(test,1) #选第一列```
- ```select(test,c(1,5)) #选第一列和第五列 ```
- 按列名筛选
- ```select(test, Petal.Length, Petal.Width) #选列名相符的列```
- ```vars <- c("Petal.Length", "Petal.Width") #将两个列名赋值给变量vars```
- ```select(test, one_of(vars)) #列名直接引用自变量vars```
- filter（） #筛选行
- ``` filter(test, Species == "setosa") #匹配到Species这一列中，值为setosa的所有行，并输出这些行```
- ``` filter(test, Species == "setosa"&Sepal.Length > 5 ) #用布尔表达式&表示“且”的意义，两个条件分别是1同上2对Sepal.Length的数值>5```
- ```filter(test, Species %in% c("setosa","versicolor")) #变量与变量之间的运算符号要用%%包围起来，不然会报错```
- arrange（） #按某一列或者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从大到小排列，desc是Descending order，降序的意思```
- summarise（） #汇总
- ```summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差，并**汇总**成表格 ```
- ```summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length)) #按照species分组，计算每组Sepal.Length的平均值（mean）和标准差（sd）```
##### 两个实用技能
- 管道操作 %>% (ctrl+shift+M)
- 将数据传递给管道符号```%>%```
- 之后可以用管道符号代替操作
```test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
```
- count 统计某列的unique值，就是这一列相同的东西都有什么，各有多少
- ```count(test,Species)```
##### dplyr处理关系数据 #连接两个表
**不要引入factor**
- 引入示例文件
```
options(stringsAsFactors = F)
test1 <- data.frame(x = c('b','e','f','x'),
z = c("A","B","C",'D'))
test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6))
```
- 內连```inner_join```取交集
```
inner_join(test1, test2, by = "x") #彼此对应到同一行的数值会被连接在一起，且三个都被对应起来的数据框被输出（想全部输出看整体对应情况使用full_join）
```
- 左连```left_join``` 向左对应
```
left_join(test1, test2, by = 'x')
left_join(test2, test1, by = 'x')
#对照一下看结果是什么，test1是x,z两列，test2是x,y两列。
```
- 全连```full_join``` 所有列进行对应
```
full_join( test1, test2, by = 'x')
```
- 半连接```semi_join```返回能够与y表匹配的x表所有记录（需要指明x,y）
```
semi_join(x = test1, y = test2, by = 'x')
```
- 反连接```anti_join``` 返回不能与y表匹配的所有记录（需要指明x,y）
```
anti_join(x = test2, y = test1, by = 'x')
```
- 简单合并 #相当于base包里的cbind()函数和rbind()函数
- ```bind_rows()```
- ```bind_cols()```需要两个数据框有**相同的行数**
- 实操学习
- 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))
- #输入数据
------
```
bind_rows(test1, test2)
bind_cols(test1, test3)
#emmmm 真的是很简单的数据合并
```
