学习小组Day 6笔记——懒懒

作者: 超懒的懒懒 | 来源:发表于2020-04-12 03:03 被阅读0次

学习小组Day 6笔记——懒懒
学习小组Day 2笔记——懒懒
学习小组Day 5笔记——懒懒
2020-06-20
学习小组Day3笔记——懒懒
学习小组Day4笔记——懒懒
学习小组Day7笔记——懒懒
学习小组Day7笔记--Robin
学习小组 Day 6 笔记--Danny
学习小组Day 6学习笔记-Chiu

1. 安装加载R包

1. 镜像设置
(1) 输入命令file.edit("~/.Rprofile")，打开如下图：

(2) 在弹出的框中输入：

options("repos"=c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) 
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")

(3) 保存重启Rstudio，运行 options()$repos和options()$BioC_mirror发现配置好了

2. 安装
根据需求选取

install.packages("安装包的名字")    #从CRAN下载
BiocManager::install("安装包的名字")    #从biocductor下载

3. 加载
以下命令均可

library(包)
require(包)

合在一起可一步完成

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) #下载dplyr为例

示例数据：

test <- iris[c(1:2,51:52,101:102),]  #直接使用内置数据集iris的简化版

对test赋值

2. dplyr五个基础函数

1. 新增列： mutate()

 mutate(test, new = Sepal.Length * Sepal.Width)
  Sepal.Length Sepal.Width Petal.Length
1          5.1         3.5          1.4
2          4.9         3.0          1.4
3          7.0         3.2          4.7
4          6.4         3.2          4.5
5          6.3         3.3          6.0
6          5.8         2.7          5.1
  Petal.Width    Species   new   #新增的new=Sepal.Length * Sepal.Width
1         0.2     setosa 17.85
2         0.2     setosa 14.70
3         1.4 versicolor 22.40
4         1.5 versicolor 20.48
5         2.5  virginica 20.79
6         1.9  virginica 15.66

2.按列筛选： select()
（1）按列号筛选

> select(test,1)            # test的第1列
    Sepal.Length
1            5.1
2            4.9
51           7.0
52           6.4
101          6.3
102          5.8

> select(test,c(1,5))       # test的第1和5列
    Sepal.Length    Species
1            5.1     setosa
2            4.9     setosa
51           7.0 versicolor
52           6.4 versicolor
101          6.3  virginica
102          5.8  virginica

> select(test,Sepal.Length) # 叫Sepal.Length的那列
    Sepal.Length
1            5.1
2            4.9
51           7.0
52           6.4
101          6.3
102          5.8

（2）按列名筛选

> select(test, Petal.Length, Petal.Width)
    Petal.Length Petal.Width
1            1.4         0.2
2            1.4         0.2
51           4.7         1.4
52           4.5         1.5
101          6.0         2.5
102          5.1         1.9

> vars <- c("Petal.Length", "Petal.Width")
> select(test, one_of(vars))
    Petal.Length Petal.Width
1            1.4         0.2
2            1.4         0.2
51           4.7         1.4
52           4.5         1.5
101          6.0         2.5
102          5.1         1.9

3. 按行筛选:filter()

> filter(test, Species == "setosa")    #test中含有setosa的行
  Sepal.Length Sepal.Width Petal.Length
1          5.1         3.5          1.4
2          4.9         3.0          1.4
  Petal.Width Species
1         0.2  setosa
2         0.2  setosa

> filter(test, Species == "setosa"&Sepal.Length > 5 ) #含有setosa且Sepal.Length > 5
  Sepal.Length Sepal.Width Petal.Length
1          5.1         3.5          1.4
  Petal.Width Species
1         0.2  setosa

> filter(test, Species %in% c("setosa","versicolor")) # Species中含versicolor和virginica的行
  Sepal.Length Sepal.Width Petal.Length
1          5.1         3.5          1.4
2          4.9         3.0          1.4
3          7.0         3.2          4.7
4          6.4         3.2          4.5
  Petal.Width    Species 
1         0.2     setosa
2         0.2     setosa
3         1.4 versicolor
4         1.5 versicolor

4. 按某1列或某几列对整个表格进行排序

> arrange(test, Sepal.Length)   #按Sepal.Length这一列排序，默认从小到大排序
  Sepal.Length Sepal.Width Petal.Length
1          4.9         3.0          1.4
2          5.1         3.5          1.4
3          5.8         2.7          5.1
4          6.3         3.3          6.0
5          6.4         3.2          4.5
6          7.0         3.2          4.7
  Petal.Width    Species
1         0.2     setosa
2         0.2     setosa
3         1.9  virginica
4         2.5  virginica
5         1.5 versicolor
6         1.4 versicolor

> arrange(test, desc(Sepal.Length))  #用desc按Sepal.Length从大到小
  Sepal.Length Sepal.Width Petal.Length
1          7.0         3.2          4.7
2          6.4         3.2          4.5
3          6.3         3.3          6.0
4          5.8         2.7          5.1
5          5.1         3.5          1.4
6          4.9         3.0          1.4
  Petal.Width    Species
1         1.4 versicolor
2         1.5 versicolor
3         2.5  virginica
4         1.9  virginica
5         0.2     setosa
6         0.2     setosa

5.汇总：summarise()
结合group_by()

> summarise(test, mean(Sepal.Length), sd(Sepal.Length))  # 计算Sepal.Length的平均值和标准差
  mean(Sepal.Length) sd(Sepal.Length)
1           5.916667        0.8084965

> group_by(test, Species)
# A tibble: 6 x 5
# Groups:   Species [3]
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species   
*        <dbl>       <dbl>        <dbl>       <dbl> <fct>     
1          5.1         3.5          1.4         0.2 setosa    
2          4.9         3            1.4         0.2 setosa    
3          7           3.2          4.7         1.4 versicolor
4          6.4         3.2          4.5         1.5 versicolor
5          6.3         3.3          6           2.5 virginica 
6          5.8         2.7          5.1         1.9 virginica 

> summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length)) #按Species分组求Sepal.Length的平均值和标准差
# A tibble: 3 x 3
  Species    `mean(Sepal.Length)` `sd(Sepal.Length)`
  <fct>                     <dbl>              <dbl>
1 setosa                     5                 0.141
2 versicolor                 6.7               0.424
3 virginica                  6.05              0.354

3. dplyr两个实用技能

1. 管道操作：%>%

> test %>% 
+     group_by(Species) %>% 
+     summarise(mean(Sepal.Length), sd(Sepal.Length))
# A tibble: 3 x 3
  Species    `mean(Sepal.Length)` `sd(Sepal.Length)`
  <fct>                     <dbl>              <dbl>
1 setosa                     5                 0.141
2 versicolor                 6.7               0.424
3 virginica                  6.05              0.354

2. 统计元素个数：count()

> count(test,Species)
# A tibble: 3 x 2
  Species        n
  <fct>      <int>
1 setosa         2
2 versicolor     2
3 virginica      2

3. 处理关系数据

2个表如下举例

> 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

1. 内联，取交集, 合并：inner_join()

> inner_join(test1, test2, by = "x")
  x z y
1 b A 2
2 e B 5
3 f C 6

2. 左联： left_join()

> left_join(test1, test2, by = 'x')
  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')
  x y    z
1 a 1 <NA>
2 b 2    A
3 c 3 <NA>
4 d 4 <NA>
5 e 5    B
6 f 6    C

3. 全联, 取并集：full_join()

> full_join( test1, test2, by = 'x')
  x    z  y
1 b    A  2
2 e    B  5
3 f    C  6
4 x    D NA
5 a <NA>  1
6 c <NA>  3
7 d <NA>  4

4. 半连接：其中一列的交集，和对应的x表:semi_join()

> semi_join(x = test1, y = test2, by = 'x')
  x z
1 b A
2 e B
3 f C

5.反连接：返回无法与y表匹配的x表的所记录(某列补集)：anti_join()

> anti_join(x = test2, y = test1, by = 'x')
  x y
1 a 1
2 c 3
3 d 4

6. 简单合并
bind_rows() 两个表格列数一样
bind_cols() 两个数据框行数一样

> 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