Day6-学习R包（日日夜夜吃不听）

R包是多个函数的集合，具有详细的说明和示例。

自定义CRAN和Bioconductor的下载镜像

# 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

安装包

install.packages(“包”)

BiocManager::install(“包”)

加载包

library(包

require(包)

操作一下

library(dplyr) #加载dplyr包
test <- iris[c(1:2,51:52,101:102),] #选择1，2；51，52；101，102行
test<-mutate(test, new = Sepal.Length * Sepal.Width) #新增new这一列

select(),按列筛选

按列号筛选

select(test,1) #按列号筛选，比如第一列
select(test,c(1,5)) #第一列和第五列

select()按列名筛选

select(test, Petal.Length, Petal.Width) #按列名筛选，比如 Petal.Length, Petal.Width

filter()筛选行

filter(test, Species == "setosa") #filter按行筛选，species等于setosa的行
filter(test, Species == "setosa"&Sepal.Length > 5 ) #上一条+length>5
filter(test, Species %in% c("setosa","versicolor")) species是setosa和versicolor的行

arrange(),按某1列或某几列对整个表格进行排序

test_1<-arrange(test, Sepal.Length)#默认从小到大排序
test_1
test_2<-arrange(test, desc(Sepal.Length))#用desc从大到小
test_2

summarise()：汇总

对数据进行汇总操作,结合group_by?使用实用性强
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))

dplyr两个实用技能

1、管道操作 %>% (cmd/ctr + shift + M)？？？

（加载任意一个tidyverse包即可用管道符号）
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))

2、count统计某列的unique值

capture_20200610224752489.png

setosa有2个
versicolor有两个
virginica有两个

dplyr处理关系数据

options(stringsAsFactors = F)
test1 <- data.frame(x = c('b','e','f','x'),
z = c("A","B","C",'D'),
stringsAsFactors = F)

test1 capture_20200610225712610.png

test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6),
stringsAsFactors = F)

test2 capture_20200610225813588.png

內连inner_join,取交集

a<-inner_join(test1, test2, by = "x")
a

capture_20200610230040862.png

左连left_join

b<-left_join(test1, test2, by = 'x')

b capture_20200610230319662.png
c<-left_join(test2, test1, by = 'x')
c capture_20200610230605074.png

全连full_join

d<-full_join( test1, test2, by = 'x') #注意看d的顺序

d capture_20200610230836504.png

半连接：返回能够与y表匹配的x表所有记录semi_join（x表）

e<-semi_join(x = test1, y = test2, by = 'x')

e capture_20200610231219126.png

反连接：返回无法与y表匹配的x表的所记录anti_join

f<-anti_join(x = test2, y = test1, by = 'x')
f #注意这个x是test2上面的半连接x是test1

capture_20200610231541433.png

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
rm(list = ls())
test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))

test1 capture_20200610232735579.png

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

test2 capture_20200610232835335.png

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

test3 capture_20200610233005362.png

a<-bind_rows(test1, test2)
a #test1和test2列数相同
b<-bind_cols(test1, test3)
b #test1和test3行数相同