Dplyr
这坨包的操作格式必须是tidy data。
一、测试数据
1.新建数据框
frame1<-data.frame(geneid=paste("gene",1:4,sep=""),Sample1=c(1,3,6,9),Sample2=c(2,5,0.8,11),Sample3=(c(40,70,80,35)))
2.用tidyr进行处理
frame1<-gather(frame1,"Sampleid","expression",Sample1,Sample2,Sample3)
3.按照geneid排序
frame1<-arrange(frame1,geneid)
4.空值操作用表
由于涉及空值操作，再新建一个
frame2<-data.frame(geneid = paste("gene",1:3,sep=""),annotion=paste( c("aaa","bbb","ccc"),"relate") )
left_join(frame1,frame2,by="geneid")
二、Dplyr能实现的小动作
1.arrange 排序
按某一/两列值的大小，按照升/降对行排序。
举三个栗子
arrange（data，col1）
arrange（data，col1，col2）#在按col1排序的基础上，按col2排序
arrange（data，col1，desc（col2））
2.fliter
按行筛选 （筛选符合要求的行）
举三个栗子
filter(data,col3>1)
filter(data,col3>1|col1=="gene1") #“|”表示or，或者。
filter(tidy2,Expression>1) %>% arrange(Expression) #%>%是管道操作符，将第一个函数的结果输出为第二个结果的操作文件，可以少些重复
（这开发者符合我的审美啊，懒惰是一种美德！）
3.distinct
去除重复行（其实就是列出某一列所有的不同值）
distinct（frame1，geneid）
distinct（frame1，geneid，Sampleid）#列出这两个值都重复的行
4.select
按列筛选（选择符合要求的列）
select(frame3,geneid,expression) #选择特定两列
select(frame3,-Sampleid) #反选，all but Sampleid
select(frame3,contains("n")) #列名包含n的列
select(frame3,starts_with("a")) #以a开头的列
5.mutate
根据原有的列生成新的列
mutate(frame3,E=expression *10)
mutate(frame3,E=expression*10) %>% select(-expression)
mutate(frame3,id=paste("ath",GeneId,sep = "_")) %>% select(-geneid)
mutate(frame3,id=paste("ath",GeneId,sep = "_")) %>% select(id,SampleName,Expression)
mutate(frame3,he=cumsum(Expression)) %>% select(-GeneId)
6.summarise
对数据进行简单统计
summarise(frame3,avg=mean(expression)) #对expression列平均值
frame3 %>% group_by(geneid)%>%summarise(avg=mean(expression))#按照geneid分组并求平均值（更有意义），请注意这里分组的函数。
#%>%是管道操作符（想起了linux的 |）
7.bind_rows
表格拼接（按行拼接）
先新建一个frame4用于拼接（由于我懒，所以直接从frame1筛选几行生成一个）
frame4<-filter(frame1,Sampleid=="Sample1")
两种办法拼起来~
一个是R自带的rbind，一个是dplyr里的bind_rows
按行拼接时，列数、列名需要一致
rbind(frame1,frame4)#
frame1 %>%bind_rows(frame4)
8.交集、并集、全集
intersect(frame1,frame4)
union(frame1,frame4)
union_all(frame1,frame4)
这图是我用ppt画的
交集并集巴啦啦的可是高中数学第一册第一章，我记得好清楚。（给自己卡个优秀）
intersect是中间阴影，union是包括AB全部，重复部分出现一次。
union后加上all，重复部分不会被筛出，出现两次。
9.关联
关联分两组：左右内全和半反。
左连接：把表2添加到表1
left_join(frame1,frame2)
右连接：把表1添加到表2
right_join(frame1,frame2)
内连接：只保留两个表格共有的行
全连接：保留全部的行
left,right,inner,full_join
注意下，截图中我打出的命令下面有一行蓝字，写了by ="geneid"。这是根据相同的列名进行合并，当在两个表格中列名不一样时，需要在括号内加
by=c("col1"="col2")
其中col1和2分别是在两个表格中的需合并的列名
semi_join，anti_join
这两种关联方式都是以表格1为基础，根据表格2与其共有的那一列进行筛选。
•semi_join只保留第二个表格中包含的id
只是把表1中的gene4去掉了，但并没有加上表2的annotion列。
•anti-join只保留第二个表格中不包含的id
网友评论