美文网首页生信星球培训第108期
20210517【生信星球】-学习R包

20210517【生信星球】-学习R包

作者: 我就是那只猪脚 | 来源:发表于2021-05-18 20:25 被阅读0次

本文将以dplyr为例,讲解R包的使用

1 安装加载包

1.1 镜像设置

两行代码,可能失效,反正我没有。

# 初级方法
# Tools - Packages - Primary CRAN repository - CRAN Mirrors - "China (Beijing)[https] -TUNA Team, Tsinghua University"
# 检验
options()$repos

# 升级方法
# 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
# 如果重启R后,回到官方镜像,则采用:
options()$BioC_mirror
# 若无效,则采用超级升级模式

# 超级升级方法
# 运用R的配置文件:.Rprofile
file.edit('~/.Rprofile')
# 添加升级方法的两行代码
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
# 保存并重启
options()$repos
options()$BioC_mirror

参考:你还在每次配置Rstudio的下载镜像吗?

1.2 安装包

联网操作
R包的安装命令是:
install.packages(“包”):包存在于CRAN网站
BiocManager::install(“包”):Biocductor

1.3 加载包

library(包)
require(包)
# 例如:
install.packages("dplyr")
library(dplyr)

2 dplyr五个基础函数

2.1 mutate(),新增列

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

2.2 select(),按列筛选

2.2.1 按列号筛选

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

2.2.2 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

2.3 filter()筛选行

filter(test, Species == "setosa")
##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa
filter(test, Species == "setosa"&Sepal.Length > 5 )
##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
filter(test, Species %in% c("setosa","versicolor"))
##   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
## 1          5.1         3.5          1.4         0.2     setosa
## 2          4.9         3.0          1.4         0.2     setosa
## 3          7.0         3.2          4.7         1.4 versicolor
## 4          6.4         3.2          4.5         1.5 versicolor

2.4 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
##   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
## 1          4.9         3.0          1.4         0.2     setosa
## 2          5.1         3.5          1.4         0.2     setosa
## 3          5.8         2.7          5.1         1.9  virginica
## 4          6.3         3.3          6.0         2.5  virginica
## 5          6.4         3.2          4.5         1.5 versicolor
## 6          7.0         3.2          4.7         1.4 versicolor
arrange(test, desc(Sepal.Length))#用desc从大到小
##   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
## 1          7.0         3.2          4.7         1.4 versicolor
## 2          6.4         3.2          4.5         1.5 versicolor
## 3          6.3         3.3          6.0         2.5  virginica
## 4          5.8         2.7          5.1         1.9  virginica
## 5          5.1         3.5          1.4         0.2     setosa
## 6          4.9         3.0          1.4         0.2     setosa

2.5 summarise():汇总

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
# 先按照Species分组,计算每组Sepal.Length的平均值和标准差
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))
## # A tibble: 3 x 3
##   Species    `mean(Sepal.Length)` `sd(Sepal.Length)`
##   
## 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

3.1 管道操作 %>% (cmd/ctr + shift + M)

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

3.2 count统计某列的unique值

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

4 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
##   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

4.1 內连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

4.2 左连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 
## 2 b 2    A
## 3 c 3 
## 4 d 4 
## 5 e 5    B
## 6 f 6    C

4.3 全连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 
## 6 c 
## 7 d 

4.4 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')
##   x z
## 1 b A
## 2 e B
## 3 f C

4.5 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')
##   x y
## 1 a 1
## 2 c 3
## 3 d 4

4.6 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
##   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
  • 致谢:生信星球@刘小泽@小洁忘了怎么分身

相关文章

  • 20210517【生信星球】-学习R包

    本文将以dplyr为例,讲解R包的使用 1 安装加载包 1.1 镜像设置 两行代码,可能失效,反正我没有。 参考:...

  • Day6-七角君

    生信星球学习小组第92期 本期的主题是学习R包框架如图↓

  • 学习小组Day6笔记——冬梅

    生信星球学习笔记-Day5学习R包 安装和加载R包 镜像设置操作界面设置CRAN的镜像:Tools→Globle ...

  • 学习小组Day6笔记——镜筒

    R包学习 一、安装和加载R包 1. 镜像设置 教程cr生信星球[https://mp.weixin.qq.com/...

  • 生信零基础 Day6 by Sure栗子

    继续R学习-R包的简单应用 以下资源均来自“生信星球公众号” R包及其小抄 R包是别人写好的封装好了的命令包,有各...

  • (Arya_xsx ) 2019-12-07

    生信学习第六课 本学习内容来源于生信星球平台 R包 R包的下载及加载使用 设置好镜像,便可相对快速的下载想用的包了...

  • DAY6-谢荣俊

    学习让我快乐!!! 生信星球学习小组第87期DAY6-学习R包 思维导图 谢荣俊 一、安装和加载R包: 镜像设置:...

  • 《学习小组Day6笔记-Cristal》

    生信星球-学习小组-第六天-学习R包 安装和加载R包(1)镜像(2)安装(3)加载 dplyr五个基础函数(1)m...

  • 学习小组Day6笔记--damon

    已经第6天了,好快,今日学习tidyr包。内容及代码来自微信公众号生信星球 cheatsheet R包说明书 安装...

  • 学习小组Day6笔记--R包入门(李夕)

    R包说明书(cheatsheet),俗称小抄,除了今天跟着生信星球了解R包,还可以通过小抄了解。 R包入门之tid...

网友评论

    本文标题:20210517【生信星球】-学习R包

    本文链接:https://www.haomeiwen.com/subject/hapyjltx.html