学习小组DAY6--帅炸

学习R包

安装和加载R包

1. 镜像设置
2. 安装

R包安装命令是install.packages(“包”)或者BiocManager::install(“包”)

3. 加载

library(包)
require(包)

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)

  
  安装和加载R.png

示例数据使用内置数据集iris的简化版

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

dplyr五个基础函数

1. mutate(),新增列

新增列.png

2. select(),按列筛选

(1)按列号筛选

select(test,1) 第一列
select(test,c(1,5)) 第一列和第五列
select(test,Sepal.Length) 列名

挑选列.png

(2)按列名筛选

• select(test, Petal.Length, Petal.Width)

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

  
  按列筛选2.png

3.filter()筛选行

• filter(test, Species == "setosa")
• filter(test, Species == "setosa"&Sepal.Length > 5 )

• filter(test, Species %in% c("setosa","versicolor"))

  
  筛选行.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

  
  排序.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
• group_by(test, Species)按照Species分组

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

  
  汇总.png

dplyr两个实用技能

1：管道操作 %>% (cmd/ctr + shift + M)

（加载任意一个tidyverse包即可用管道符号）

管道操作.png

2：count统计某列的unique值

列的unique值.png

dplyr处理关系数据

建表

• 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")

内连.png

2.左连left_join

left_join(test1, test2, by = 'x')
left_join(test2, test1, by = 'x')

左脸.png

3.全连full_join

full_join( test1, test2, by = 'x')

全连.png

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')

半连接.png

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')

反连接.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))
• test2 <- data.frame(x = c(5,6), y = c(50,60))
• test3 <- data.frame(z = c(100,200,300,400))
• bind_rows(test1, test2)

• bind_cols(test1, test3)

  
  合并.png