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

     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