2020-11-04 Day 6 R语言学习 郑小西

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

下面两个命令均可。

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)

dplyr五个基础函数

示例数据选择iris

what is iris？

image.png

iris数据集介绍
鸢尾花(iris)是数据挖掘常用到的一个数据集，包含150种鸢尾花的信息，每50种取自三个鸢尾花种之一（setosa,versicolour或virginica)。每个花的特征用下面的5种属性描述萼片长度(Sepal.Length)、萼片宽度(Sepal.Width)、花瓣长度(Petal.Length)、花瓣宽度(Petal.Width)、类(Species)。
观察这5个变量，我们发现Species是字符变量、非连续，难以直接进行线性分析。故首先应对定义哑变量处理离散变量Species。

1.mutate(),新增列

mutate(test, new = Sepal.Length * Sepal.Width)
Sepal.Length Sepal.Width Petal.Length Petal.Width    Species   new

image.png

2.select(),按列筛选

image.png

(1)按列号筛选

select(test,1)
select(test,c(1,5))
select(test,Sepal.Length)

image.png

(2)按列名筛选

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

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

image.png

3.filter()筛选行

filter(test, Species == "setosa")


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

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

结果

image.png
image.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

结果

image.png

5.summarise()：汇总

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))

image.png
image.png

dplyr两个实用技能

1：管道操作 %>% (cmd/ctr + shift + M)

image.png

test %>% 
 group_by(Species) %>% 
 summarise(mean(Sepal.Length), sd(Sepal.Length))
##mean sd 表示返回数据的均值和标准差

image.png

2：count统计某列的unique值

count(test,Species)

dplyr处理关系数据

即将2个表进行连接

options(stringsAsFactors = F)   #不要把字符串变成因子的意思

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【保留的共同的数据】

inner_join(test1, test2, by = "x")

image.png

2.左连left_join

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

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

image.png

3.全连full_join

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

image.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')

image.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')

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

test2 <- data.frame(x = c(5,6), y = c(50,60))
test2

test3 <- data.frame(z = c(100,200,300,400))
test3

bind_rows(test1, test2)

bind_cols(test1, test3)

image.png