今天的学习内容是R包安装和dplyr函数的运用

一、安装和加载R包

镜像设置

1.Tools-Options-Packages设置CRAN的镜像，单不能下载Bioconductor的包

1.png

2.png

2.R的配置文件 .Rprofile

用file.edit('~/.Rprofile')来编辑文件，在编辑器输入options代码
options("repos" = c(CRAN="[https://mirrors.tuna.tsinghua.edu.cn/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

3.png

然后保存，重启Rstudio，运行options()BioC_mirror查看

3.安装

install.packages(“包”)或者BiocManager::install(“包”)
取决于安装的包存在于CRAN还是Biocductor
4.加载

命令library(包)或require(包)
install.packages("dplyr")
library(dplyr)

二、dplyr五个基础函数

1.mutate(),新增列
mutate(test, new = Sepal.Length * Sepal.Width)

4.png

2.select(),按列筛选
(1)按列号筛选
select(test,1)
select(test,c(1,5))
[图片上传中...(6.png-636659-1631843108966-0)]

(2)按列名筛选
select(test,Sepal.Length)
select(test, Petal.Length, Petal.Width)
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))

5.png

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

6.png

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

7.png

5.summarise()：汇总
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
group_by(test, Species)# 先按照Species分组
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))#计算每组Sepal.Length的平均值和标准差

8.png

三、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))

2.：count统计某列的unique值
count(test,Species)

9.png

四、dplyr处理关系数据

即将2个表进行连接
options(stringsAsFactors = F)#不变成属性数据，按字符串读入
创建test1，test2数据框

10.png

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')

11.png

12.png

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')

13.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')

14.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
bind_rows(test1, test2)
bind_cols(test1, test3)

来自生信星球.png

思维导图

R包.png