R包学习框架

R包

R包安装及加载

• 镜像设置
  options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")分别对应清华源和中科大源的镜像
• 安装
  install.packages(“包”)存在于CRAN网站；BiocManager::install(“包”)存在于bioconductor
  
• 加载
  libarary(包)和require(包)均可
  

dplyr五个基础函数

• 新增列
  使用test <- iris[c(1:2,51:52,101:102),]调用内置数据集（iris为常用的分类实验数据集，调用向量数据后对test变量进行赋值）；
  使用mutate()进行新增列(定义new=前两列数据的乘积)
  
• 按列筛选

1. 按照列号筛选，使用命令select(test,5)进行第5列数据提取；
   使用命令select(test,c(2,3))进行第2和第3列数据提取
   
2. 按照列名进行筛选，使用命令select(test,Sepal.Width)筛选出以Sepal.Width命名的那一列
   
   使用命令select(test,Sepal.Length,Petal.Length)可筛选两列数据
   
   使用vars <- c("Petal.Length", "Petal.Width") select(test, one_of(vars))对vars进行赋值
   

• 筛选行，使用filter()筛选行
• 对整个表格排序，使用arrange()
  
• 进行汇总，使用命令summaries()
  使用group_by()
  

dplyr两个使用技能

• 管道操作，%>%是最常用的一个操作符，就是把左侧准备的数据或表达式，传递给右侧的函数调用或表达式进行运行，可以连续操作就像一个链条一样
  
• 对可扩展单元格或集合表达式进行计数，使用count

dplyr处理关系数据

• 将两个表进行连接，在建立数据框时候加入语句
  stringsAsFactors = FALSE
  此时数据框将不会默认把字符型转化为因子，运行代码
• 取两个表数据中的交集，使用inner_join()
• 左连（左表的所有数据列出，右表的相同部分列出，不同部分用null 补齐）
• 全连，是取两个表的并集，使用full_join()
• 半连接，为了方便说明半连接的含义，这里我们用"t1.x semi= t2.y"来表示表T1和表T2做半连接，且T1是驱动表，T2是被驱动表，半连接条件为t1.x=t2.y。这里"t1.x semi= t2.y"的含义是只要在表T2中找到一条记录满足t1.x=t2.y，则马上停止搜索表T2，并直接返回表T1中满足条件t1.x=t2.y的记录。也就是说，表T2中满足半连接条件t1.x=t2.y的记录即使有多条，表T1中也只会返回第一条满足条件的记录。所以半连接和普通的内连接不同，半连接实际上会去重（两表关联，只返回匹配上的数据并且只会返回一张的表的数据，半连接一般就是指的在子查询中出现 IN 和 EXISTS）。
• 反连接，两表关联，只返回主表的数据，并且只返回主表与子表没关联上的数据，这种连接就叫反连接。反连接一般就是指的 NOT IN 和 NOT EXISTS，使用命令anti_join()
• 简单合并，使用bind_rows()，bind_cols()