学习R包——以dplyr为例

R包是多个函数的集合，具有详细的说明和示例。
学生信，R语言必学的原因是丰富的图表和Biocductor上面的各种生信分析R包。包的使用是一通百通的，我们以dplyr为例，讲一下R包。

安装和加载R包

1. 镜像设置

image.png

2. 安装
R包安装命令是install.packages(“包”)或者BiocManager::install(“包”)。取决于你要安装的包存在于CRAN网站还是Biocductor，存在于哪里可以谷歌搜到。

3. 加载
library(包)或require(包)均可。

安装加载三部曲###

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)

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

image.png

dplyr的五个基础函数

1. mutate()：新增列
   新增列
2. select()：按列筛选

• 按序号筛选
  select(test,1)
select(test,c(1,5))
select(test,Sepal.Length)
  image.png
• 按列名筛选
  select(test, Petal.Length, Petal.Width)

vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))

image.png

3. filter()：筛选行
   filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))
   image.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
   image.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
   平均值和标准差

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

image.png

dplyr两个实用技能

1. 管道操作 %>%
   快捷键：cmd/ctr + shift + M，然后就会出来%>%这个符号
   加载任意一个tidyverse包即可用管道符号

test %>%
+ group_by(Species) %>%
+ summarise(mean(Sepal.Length),sd(Sepal.Length))

image.png

2. count函数——统计某列的unique值
   count(test,Species)
   image.png

dplyr处理关系数据

即将2个表进行连接。
注意：不要引入factor。

options(stringsAsFactors = F)

test1 <- data.frame(x = c('b','e','f','x'), 
                    z = c("A","B","C",'D'),
                    stringsAsFactors = F)
test1

test2 <- data.frame(x = c('a','b','c','d','e','f'), 
                    y = c(1,2,3,4,5,6),
                    stringsAsFactors = F)
test2 

image.png

1. 內连 inner_join：取交集
   inner_join(test1,test2,by="x")
   

   内连取交集

2. 左连 left_join
left_join(test1, test2, by = 'x')
left_join(test2, test1, by = 'x')
   

   左连

3. 全连 full_join
full_join( test1, test2, by = 'x')
   

   全连

4. 半连接 semi_join：返回能够与y表匹配的x表所有记录
   semi_join(x = test1, y = test2, by = 'x')
   

   image.png

5. 反连接 anti_join：返回无法与y表匹配的x表的所记录
   anti_join(x = test2, y = test1, by = 'x')
   

   image.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。

test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
test1

test2 <- data.frame(x = c(5,6), y = c(50,60))
test2

test3 <- data.frame(z = c(100,200,300,400))
test3

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

image.png
简单合并