生信星球学习笔记第6天

package安装加载

镜像设置

设置cran和bioconductor镜像，可以加速包的下载

options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) 

下载和加载package

install.packages("dplyr")
library(dplyr)

以dplyr为例学习r操作

当需要对函数进行特殊处理时需要加载特定的package，而不同的package往往有不同的函数和调用函数的命令。

0.建立test数据

> test <- iris[c(1:2,51:52,101:102),]
> test
    Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1            5.1         3.5          1.4         0.2     setosa
2            4.9         3.0          1.4         0.2     setosa
51           7.0         3.2          4.7         1.4 versicolor
52           6.4         3.2          4.5         1.5 versicolor
101          6.3         3.3          6.0         2.5  virginica
102          5.8         2.7          5.1         1.9  virginica
#test数据一共有6个variable，每个变量有5个observation。

1.mutate（），新增列

mutate(test, new = Sepal.Length * Sepal.Width) #在test数据中新增名为“new”的列，其每项数值为两项相乘结果。

2.select

select(test,1)#选择test第一列
select(test,c(1,3))#选择test第1和3列
select(test,c(1:3))#选择test1至3列
select(test,Petal.Length, Petal.Width)#根据test中的列名选择

3.filiter

filter(test, Species == "setosa")#选择变量Species为“setosa”的行.
filter(test, Species == "setosa"&Sepal.Length > 5 )#增加了一个条件，"&"and"&&" indicate logical AND;| and || indicate logical OR.
filter(test, Species %in% c("setosa","versicolor"))#暂时根据返回结果理解为c中任意一个.

4.arrange

arrange(test, Sepal.Length)#默认从小到大排序
arrange(test, desc(Sepal.Length))#用desc从大到小

5.summarise()：汇总

summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差
group_by(test, Species)#根据species对test进行分组。
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
#group_by对test进行分组，将test分为三组，处理的变量也变为3个，再进行summarise计算，后面为结果

# A tibble: 3 x 3
  Species    `mean(Sepal.Length)` `sd(Sepal.Length)`
  <fct>                     <dbl>              <dbl>
1 setosa                     5                 0.141
2 versicolor                 6.7               0.424
3 virginica                  6.05              0.354

管道操作 %>%

管道操作需要tidyverse包，dplyr中含有tidyverse包

test %>% #管道操作
 group_by(Species) %>%
 summarise(mean(Sepal.Length),sd(Sepal.Length))
# A tibble: 3 x 3
  Species    `mean(Sepal.Length)` `sd(Sepal.Length)`
  <fct>                     <dbl>              <dbl>
1 setosa                     5                 0.141
2 versicolor                 6.7               0.424
3 virginica                  6.05              0.354

count统计

count(test,Species)#可以统计某列中的unique值

dplyr处理数据关系

连接两个表。

注意不要引入factor。factor因子，用于分类统计；string字符串

options(stringsAsFactors = F)

test1 <- data.frame(x = c('b','e','f','x'), 
                    z = c("A","B","C",'D'),
                    stringsAsFactors = F)   # stringsAsFactors = F,即将字符串固定为字符串否则会对将字符串认定为因子，并进行计数。
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

内连inner_join，取交集

inner_join(test1, test2, by = "x") # 将两个集合中含有x的量集合起来。
##   x z y
## 1 b A 2
## 2 e B 5
## 3 f C 6

左连

left_join(test1, test2, by = 'x')#向左连接，将右边数据集中与左边数据集中相同的项，合并到左边数据集中。以左边数据集为准。
##   x z  y
## 1 b A  2
## 2 e B  5
## 3 f C  6
## 4 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

全连

 full_join( test1, test2, by = 'x')#以x为基准，合并两个数据集的所有数据。
  x    z  y
1 b    A  2
2 e    B  5
3 f    C  6
4 x    D NA
5 a <NA>  1
6 c <NA>  3
7 d <NA>  4

半连接

 print(test1)
  x z
1 b A
2 e B
3 f C
4 x D
> print(test2)
  x y
1 a 1
2 b 2
3 c 3
4 d 4
5 e 5
6 f 6
> semi_join(x = test1, y=test2, by='x')#返回能够与y表匹配的x表所有记录semi_join，一直没理解好x和y表，后来发现，x和y没有意义，只是代指两个表而已。
  x z
1 b A
2 e B
3 f C
> semi_join(test1, test2, by='x') #删去x和y，返回结果一样。即返回第一个表中与第二个表中相同的“x”项的记录。
  x z
1 b A
2 e B
3 f C

反连接

> anti_join(test1, test2, by='x')#与半连接相反，返回不匹配的项
  x z
1 x D

简单合并

> test1
  x  y
1 1 10
2 2 20
3 3 30
4 4 40
> test2
  x  y
1 5 50
2 6 60
> test3
    z
1 100
2 200
3 300
4 400
> bind_cols(test1,test3)  #列合并，要求行数相同
  x  y   z
1 1 10 100
2 2 20 200
3 3 30 300
4 4 40 400
> cbind(test1,test3)  #cbind是base包的基础函数
  x  y   z
1 1 10 100
2 2 20 200
3 3 30 300
4 4 40 400
> cbind(test1,test2)  #test2只有两行，test2被使用两次。
  x  y x  y
1 1 10 5 50
2 2 20 6 60
3 3 30 5 50
4 4 40 6 60
> bind_cols(test1,test2) #直接报错
Error: Argument 2 must be length 4, not 2
> bind_rows(test1,test2) 
  x  y
1 1 10
2 2 20
3 3 30
4 4 40
5 5 50
6 6 60
> rbind(test1,test2)
  x  y
1 1 10
2 2 20
3 3 30
4 4 40
5 5 50
6 6 60
> bind_rows(test1,test3)#列数不同，合成直接扩大了数据框行数和列数。
   x  y   z
1  1 10  NA
2  2 20  NA
3  3 30  NA
4  4 40  NA
5 NA NA 100
6 NA NA 200
7 NA NA 300
8 NA NA 400
> bind_rows(test1,test3)
   x  y   z
1  1 10  NA
2  2 20  NA
3  3 30  NA
4  4 40  NA
5 NA NA 100
6 NA NA 200
7 NA NA 300
8 NA NA 400
> 

今日学习总结

学习时间不够，学习环境不好。要主动出击！