学习小组笔记DAY6--振华

package处理数据

镜像设置

• R的包主要来源于CRAN网站和Biocductor，生信主要来源于Biochuctor
• 镜像代码设置 options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
• tools=>Global options=>packages

包的加载

• library()
• require()

装包三部曲

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 包

• dplyr是一个dplyr包主要用于数据清洗和整理，主要功能有：行选择、列选择、统计汇总、数据框交集等是非常高效、友好的数据处理包。
• test <- iris[c(1:2,51:52,101:102),] iris 是R内置的一个数据集。
• dplyr五个基础函数
  • mutate(),新增列，mutate(test, new = Sepal.Length * Sepal.Width)
  • select(),按列筛选,
    • 按列号筛选select(test,1),# 多列：select(test,C(1,5)）
    • 按列名筛选select(test, Petal.Length, Petal.Width)
  • filter()筛选行 filter详解
    • 筛选1个filter(test, Species == "setosa")
    • 筛选指定 filter(test, Species == "setosa"&Sepal.Length > 5 )
    • 筛选filter(test, Species %in% c("setosa","versicolor"))
  • 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
  • summarise()：汇总计算平均值，标准差，中位数等。 summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差
  • group_by 定义分组变量，与summarise合用可高效处理数据
    1. 先按照Species分组，计算每组Sepal.Length的平均值和标准差group_by(test, Species)
    2. summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
• count统计某列的unique值 count(test,Species) 把重复元素或行给删除的向量、数据框

管道操作

• 什么是管道操作？一个高效的管道操作工具包，通过管道的连接方式，让数据或表达式的传递更高效
• 安装magrittr包 install ("magrittr")
• 加载library(magrittr)
• %>% 左边程序传递给右边test %>% group_by(Species) %>% summarise(mean(Sepal.Length), sd(Sepal.Length))

处理关系 lianjie

• 內连inner_join,取交集 inner_join(test1, test2, by = "x") by="x"表示变量为x列
• 左连保留左边及交集，left_join(test1, test2, by = 'x')，还有右边连接
• 全连取并集，full_join( test1, test2, by = 'x')
• 筛选连接匹配观测的方式与合并连接相同，但前者影响的是观测，而不是变量。# 行表示观测，列表示变量。
  • semi_join(x, y)： 保留 x 表中与 y 表中的观测相匹配的所有观测。 semi_join(x = test1, y = test2, by = 'x')
  • anti_join(x, y)： 丢弃 x 表中与 y 表中的观测相匹配的所有观测。```anti_join(x = test2, y = test1, by = 'x')
• 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，横向合并bind_rows(test1, test2)
  • bind_cols()函数则需要两个数据框有相同的行数，纵向合并bind_cols(test1, test3)