学习R包

这是跟随生信星球学习小组学习的第六天的课程，最近要跟门诊，不像病房相对自由一些，时间有点紧，没有按时完成花花交的任务，很抱歉。
上一节课学习了有一些基础的R语言的代码，感觉我们的课程很好，在初学者入门时，交给他们良好的学习习惯，这才是事半功倍的好方法，在建立某一个项目的时候，应该在RStudio中新建~.Rproj的文件夹，这样不同的项目都有各自的文件夹，管理、操作起来都会方便，以及如何保存一段代码，一边之后再次运行，当然重要的是带我们初识R中重要的两种数据格式，vector data.frame，各自额组成，如何从中抓取想要的数据，这都是基础的知识。今天又进入了R重要的组成packages，形形色色的包，可以帮助实现统计、作图，几乎无所不能，因此在生物医学中，R语言运用也十分适宜以及广泛。

镜像设置

如果平时不去设置下载包的源地址，那么会默认的使用国外CRAN的镜像，这样下载包的速度会很慢，我之前没有修改镜像时，一到晚上下载速度就不行了，经常失败告终

工欲善其事必先利其器

修改RStudio的包安装镜像到国内服务器，会十分便利，这当然依靠配置软件环境实现。
有三种方式：

1. 点击RStudio中的Tools,进入Global Options中，点击packages,可以添加镜像网站URL，更改自己下载包的镜像站点。
2. 使用代码更改镜像网站。

# options函数就是设置R运行过程中的一些选项设置
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
# 当然可以换成其他地区的镜像

但是这样设置后，每次重启R后，仍然需要再次设置。

3. 高级方法，一劳永逸。
   利用R的配置文件.Rprofile

file.edit('~/.Rprofile')

新建配置文件。在新开的窗口中，输入

options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
options(download.file.method = 'libcurl')
options(url.method='libcurl')

有人问，为什么我的代码比花花给的多了两行？
其实我开始时也是用的教程给的方法，但是发现配置文件做好了，但是下载不到任何包，最后也是花花老师提供的结局办法。代码贴上来了，以供有缘人使用。

开始安装

就是两种命令

install.packages(“包”)

BiocManager::install(“包”)

具体使用那种下载，可以自行

加载 包

1. library(“包”)
2. require(“包”)

加载dplyr包，并调用iris数据集

关于dplyr包介绍，推荐如下链接dplyr包介绍学习

dplyr`包介绍

包内内置了数据集，例如今天使用的iris，Iris 鸢尾花数据集是一个经典数据集，在统计学习和机器学习领域都经常被用作示例。数据集内包含 3 类共 150 条记录，每类各 50 个数据，每条记录都有 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，可以通过这4个特征预测鸢尾花卉属于（iris-setosa, iris-versicolour, iris-virginica）中的哪一品种。^[1]
截取部分数据进行后续练习

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

截取iris数据集中的第1-2、51-52、101-102行，命名为test数据集

dplyr五个基础函数

1. mutate(),新增列
2. select(),按列筛选：
   按列号筛选、按列名筛选

3. filter()筛选行

   
   来自公众号生信星球
4. arrange(),按某1列或某几列对整个表格进行排序
   函数默认从大到小排列，如果反过来，需要在参照的某一列前加desc()参数
5. summarise()：汇总
   结合group_by分组后，可以针对不同类别的分组进行数据统计

dplyr两个实用技能

1. 管道操作 %>% (cmd/ctr + shift + M)
   我对这个符号的简单理解就是有简单单一运算逐渐累加到复杂大量运算，将一个复杂的函数进行拆解，再逐步赋值到下一步命令中。结构会比较清晰明了，看着也会舒服，这个符号好神奇~~~
   来自公众号生信星球
   选定数据
   分组处理
   计算组间均数 标准差
2. count统计某列的unique值
   count()函数统计多列文件

dplyr处理关系数据

创建两组data.frame，要求不要引入factor

options(stringsAsFactors = F)

test1 <- data.frame(x = c('b','e','f','x'), 
                    z = c("A","B","C",'D'),
                    stringsAsFactors = F)
test1
   x z
 1 b A
 2 e B
 3 f C
 4 x D
test2 <- data.frame(x = c('a','b','c','d','e','f'), 
                    y = c(1,2,3,4,5,6),
                    stringsAsFactors = F)
test2 
   x y
 1 a 1
 2 b 2
 3 c 3
 4 d 4
 5 e 5
 6 f 6

两组表格有相同的x列，其中test1中的x中有b e f与test2中的x相交。
如果两个表中的重合列名字不同，解决如下

names(test1)[1]="n1"
names(test2)[1]="n2"
test1 %>%
 inner_join(test2,by=c("n1" = ''n2"))
## 或省去by
test1 %>%
 inner_join(test2,c("n1" = ''n2"))

1. 内连inner_join,取交集

inner_join(test1, test2, by = "x")
   x z y
 1 b A 2
 2 e B 5
 3 f C 6

来自R for data science（十六）-dplyr 连接函数

2. 左连left_join

left_join(test1, test2, by = 'x')
   x z  y
 1 b A  2
 2 e B  5
 3 f C  6
 x D NA
left_join(test2, test1, by = 'x')
   x y    z
 1 a 1 
 2 b 2    A
 3 c 3 
 4 d 4 
 5 e 5    B
 6 f 6    C

来自R for data science（十六）-dplyr 连接函数

3. 全连full_join

full_join( test1, test2, by = 'x')
   x    z  y
 1 b    A  2
 2 e    B  5
 3 f    C  6
 4 x    D NA
 5 a 
 6 c 
 7 d

Snipaste_2020-04-11_13-58-46.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')
  x z
 1 b A
 2 e B
 3 f C

来自R for data science（十六）-dplyr 连接函数 来自R for data science（十六）-dplyr 连接函数

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')
   x y
 1 a 1
 2 c 3
 3 d 4

在test2中有部分值无法与test1匹配，这里的函数便列出了不能匹配的数据

6. 简单合并
   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

---

1. 来自 鸢尾花(iris)数据集分析 ↩