学习R包

镜像

• CRAN镜像
  CRAN全称Comprehensive R Archive Network
  R镜像是为了方便世界各地的使用者下载R软件及相关软件包，在各地设置的镜像。各地的镜像都是R网站的备份文件，完全一样。所以，选择离你最近的镜像，你下载R软件或R包的速度相对较快。
• Bioconductor
  提供了基因组大数据分析的工具，是开源的持续更新的项目。每年会有2次更新。
  由于Bioconductor 包的更新与R并不同步，因此，请务必使用Bioconductor 的更新方式进行更新，以免程序出错。

https://zhuanlan.zhihu.com/p/46210816

设置镜像

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

file.edit('~/.Rprofile')
编辑这个文件
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
保存
下次启动，运行以下两个命令，可以判断是否配置了国内镜像

• options()$repos
• options()$BioC_mirror

安装R包

install.packages(“包”)
BiocManager::install(“包”)

加载

library(包)
require(包)

安装加载示例

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

test <- iris[c(1:2,51:52,101:102),]

dplyr五个基础函数

1.mutate(),新增列

图片6-mutate.png

2.按列筛选
select()
select(test,c(1,5))
select(test,Sepal.Length)
select(test, Petal.Length, Petal.Width)

图片6-select.png

3.筛选行
filter()
filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))

4.按某1列或某几列对整个表格进行排序
arrange()
arrange(test, Sepal.Length)#默认从小到大排序
arrange(test, desc(Sepal.Length))#用desc从大到小

图片6-filter and arrange.png

5.汇总
summarise()
summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差

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))

图片6-summary.png

dplyr两个实用技能

1：管道操作 %>% (cmd/ctr + shift + M)
管道操作在写代码上有一定的优势：可以避免生成中间变量，代码可读性更好。不过后来在做数据分析时基本上很少用管道操作。因为R语言中负责管道操作的神器[magrittr](https://link.zhihu.com/?target=https%3A//cran.r-project.org/web/packages/magrittr/)已经很久没有更新了。此外，在用data.table整理数据时使用管道操作的需求并不高。
tidyverse包
tidyverse是一个汇总包，一包更比6包强，用于数据清洗、转换、可视化等。 tidyverse_packages() #列示tidyverse中所有的包 其核心包有ggplot、readr、tibble、purrr、 tidyr 、dplyr、ggplot、forcats 和stringr8个，本篇主要讲dplyr这一个。

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

2：count统计某列的unique值
count(test,Species)

图片6-管道 count.png

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)

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

1.內连inner_join,取交集
inner_join(test1, test2, by = "x")
2.左连left_join
left_join(test1, test2, by = 'x')
3.全连full_join
full_join( test1, test2, by = 'x')
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')
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')

图片6-两个表.png

6.简单合并
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
bind_rows(test1, test2)
bind_cols(test1, test3)

图片6-合并表格.png