一.配置R的镜像

Bioconductor的镜像查询

1.切换镜像

tools-packages-change 切换的是CRAN的镜像！！！下载Bioconductor时无法使用，另外也不是自动每次从切换的镜像下载包。

2.检查当前的镜像

options函数就是设置R运行过程中的一些选项设置

options()$repos
options()$BioC_mirror

3.自定义下载镜像

方法一

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

方法二

chooseBioCmirror()
choosemirror()

4.在R的配置中设置镜像地址

file.edit('~/.Rprofile')
#打开了一个名为.Rprofile的文件，在其中编辑一下代码
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
#保存-重启-试运行options()$repos和options()$BioC_mirror检查镜像地址

另外一点小说明：

说起来这个，就必须提到Rstudio最重要的两个配置文件：在刚开始运行Rstudio的时候，程序会查看许多配置内容，其中一个就是.Renviron，它是为了设置R的环境变量（这里先不说它）；而.Rprofile就是一个代码文件，如果启动时找到这个文件，那么就替我们先运行一遍（这个过程就是在启动Rstudio时完成的）

你以为这样就能成功下载R包了吗？呵呵...天真...本地安装走好

二.学习R包

library(dplyr)
test <- iris[c(1:2,51:52,101:102),]#选取iris数据集的第1，2,51,52,102,102行
#mutate-新增列
mutate(test, new = Sepal.Length * Sepal.Width)
#select--筛选列--按列号
select(test,1)
select(test,c(1,5))
select(test,Sepal.Length)
#select--筛选列--按列名
select(test, Petal.Length, Petal.Width)
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))#去掉one_of 后也可输出正常值
#filter--筛选行
filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))#%in%用来判断一个数组或矩阵是否包含在另一个数组或矩阵里
#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))#desc:将向量转换为降序排序的格式
#summarise--汇总
summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差
group_by(test, Species)# 先按照Species分组，计算每组Sepal.Length的平均值和标准差
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
#管道操作 %>% 
test %>% 
  group_by(Species) %>% 
  summarise(mean(Sepal.Length), sd(Sepal.Length))#按照species分类，并计算各分类下的mean（sepal.length)和sd(sepal.length)
#count统计某列的unique值
count(test,Species)
#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
test3 <- data.frame(x = c('a','b','c','d','e','f'), 
                    y = c(1,2,3,4,5,6),
                    stringsAsFactors = F)
test3 
#1.內连inner_join,取交集
inner_join(test1, test3, by = "x")#取两个组中x值相同的部分，并将后面的变量合并
#2.左连left_join
left_join(test1, test3, by = 'x')#以第一个表test1中的向量x连接两个表
left_join(test3, test1, by = 'x')#以第一个表test3中的向量x连接两个表
#3.全连full_join
full_join( test1, test3, 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 = test3, 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')
#简单合并
test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
test2 <- data.frame(x = c(5,6), y = c(50,60))
test3 <- data.frame(z = c(100,200,300,400))
bind_rows(test1, test3)#将数据合并为同一列
bind_cols(test1, test3)