-
关于R包的学习
-
RStudio设置镜像
查询CRAN和Bioconductor的下载镜像代码
options()$repos
options()$BioC_mirror
下面开始设置
1. 初级模式
图片来自于生信星球
2. 升级模式
使用下面这段代码
# 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
但是这种方法还是有问题，你下次再打开Rstudio会发现，下载Bioconductor还是会回到官方镜像
3. 高级模式
可以直接通过设置R配置文件.Rprofile
在RStudio中输入
file.edit('~/.Rprofile')
在打开的Rprofile中输入如下代码
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
然后保存重启RStudio即可。
-
安装、加载R包
以
dplyr包为例
-
安装
install.packages(“dplyr”) #包在CRAN网站
#BiocManager::install(“dplyr”) #包在Biocductor网站
选择哪个代码，可在网上搜索包在哪个网站，有时二者均可。
-
加载
library(dplyr) #加载dplyr包
#require(dplyr) #加载dplyr包，两句代码一个意思
示例数据使用内置数据集iris的简化版
test <- iris[c(1:2,51:52,101:102),] # 取iris数据集中的1，2，51，52，101，102行做为test数据框
-
常用基础函数
-
mutate()新增列
mutate(test, new = Sepal.Length * Sepal.Width)
#在test数据框中新增new列，内容是Sepal.Length 乘 Sepal.Width
-
select()按列筛选
- 按列号
select(test,1) # 筛选test中的第一列
select(test,c(1,5)) #筛选test中的第1列和第5列 - 按列名
select(test,Sepal.Length) #筛选test中的Sepal.Length列
select(test, Petal.Length, Petal.Width) #筛选test中的Petal.Length和Petal.Width列
-
filter()筛选行
filter(test, Species == "setosa") #筛选test中的setosa行
filter(test, Species == "setosa"&Sepal.Length > 5 ) #筛选test中的setosa行，并且Sepal.Length值 > 5的行
filter(test, Species %in% c("setosa","versicolor")) #筛选test中的Species列中内容为"setosa","versicolor"的行
-
arrange()按某1列或某几列对整个表格进行排序
arrange(test, Sepal.Length) #test中Sepal.Length值排序
#默认从小到大排序，即升序
arrange(test, desc(Sepal.Length)) #降序排序
-
summarise()汇总
summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length)) #首先按照Species分组，然后计算每组Sepal.Length的平均值和标准差
-
dplyr两个实用技能
-
管道操作%>%（快捷键：CMD+shift+M）
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
自己的理解，%>%后面的所有操作都是在前面的基础之上进行的，相当于前面的基础是一个管道
通过查阅资料，管道操作适用于操作步骤少的代码组合，可以避免产生较多的无用变量。
-
count，统计某列的unique值
count(test,Species) #统计test中，Species列的个数
-
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)
test1
## x z
## 1 b A
## 2 e B
## 3 f C
## 4 x D
test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6),
stringsAsFactors = F)
test2
## x y
## 1 a 1
## 2 b 2
## 3 c 3
## 4 d 4
## 5 e 5
## 6 f 6
-
内连
inner_join取交集
inner_join(test1, test2, by = "x")
## x z y
## 1 b A 2
## 2 e B 5
## 3 f C 6
-
左连
left_join
left_join(test1, test2, by = 'x') #以test1为主，谁在前以谁为主
## x z y
## 1 b A 2
## 2 e B 5
## 3 f C 6
## 4 x D NA
left_join(test2, test1, by = 'x') #以test2为主，谁在前以谁为主
## x y z
## 1 a 1
## 2 b 2 A
## 3 c 3
## 4 d 4
## 5 e 5 B
## 6 f 6 C
-
全连
full_join
full_join( test1, test2, by = 'x') #全部连接
## x z y
## 1 b A 2
## 2 e B 5
## 3 f C 6
## 4 x D NA
## 5 a
## 6 c
## 7 d
-
semi_join半连接
返回能够与y表匹配的x表所有记录
semi_join(x = test1, y = test2, by = 'x')
## x z
## 1 b A
## 2 e B
## 3 f C
-
anti_join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')
## x y
## 1 a 1
## 2 c 3
## 3 d 4
-
bind_rows(),bind_cols()
bind_rows()函数需要两个数据框列数相同，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))
test1
## x y
## 1 1 10
## 2 2 20
## 3 3 30
## 4 4 40
test2 <- data.frame(x = c(5,6), y = c(50,60))
test2
## x y
## 1 5 50
## 2 6 60
test3 <- data.frame(z = c(100,200,300,400))
test3
## z
## 1 100
## 2 200
## 3 300
## 4 400
bind_rows(test1, test2)
## x y
## 1 1 10
## 2 2 20
## 3 3 30
## 4 4 40
## 5 5 50
## 6 6 60
bind_cols(test1, test3)
## x y z
## 1 1 10 100
## 2 2 20 200
## 3 3 30 300
## 4 4 40 400
