R for Data Science（笔记） ---数据变换（s
2021-07-03 本文已影响0人
生信小鹏
R for Data Science
紧接之前写的select的基础操作
4. 拓展2
其实select的使用，和其他函数结合搭配使用会发挥强大的作用
结合函数 last_col()
选取倒数第几列，默认是最后一列是0
先看一看iris这个数据集的样子
head(iris)
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
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
总共有5列
iris %>% select(last_col())
#> # A tibble: 150 x 1
#> Species
#> <fct>
#> 1 setosa
#> 2 setosa
#> 3 setosa
#> 4 setosa
#> # ... with 146 more rows
可以看到，没有任何参数情况下，其选择的是最后一列。
> iris %>% select(3:last_col(1)) %>% head()
Petal.Length Petal.Width
1 1.4 0.2
2 1.4 0.2
3 1.3 0.2
4 1.5 0.2
5 1.4 0.2
6 1.7 0.4
select(3:last_col(1))这个参数就是选取第三列到倒数第二列的数据，同样可以推广到选取倒数第二列到倒数第4列，方法同上。
结合函数 everything() 函数
我一般习惯结合使用everything函数进行一个列的重新排列。
例如，我想把一个数据框的第3，6，8，列放在最前面，这样方便我查看，其余的顺序不变。
以原来flights数据为例，可以这样书写
select(flights, time_hour, air_time, everything())
#> # A tibble: 336,776 x 19
#> time_hour air_time year month day dep_time sched_dep_time
#> <dttm> <dbl> <int> <int> <int> <int> <int>
#> 1 2013-01-01 05:00:00 227 2013 1 1 517 515
#> 2 2013-01-01 05:00:00 227 2013 1 1 533 529
#> 3 2013-01-01 05:00:00 160 2013 1 1 542 540
#> 4 2013-01-01 05:00:00 183 2013 1 1 544 545
#> 5 2013-01-01 06:00:00 116 2013 1 1 554 600
#> 6 2013-01-01 05:00:00 150 2013 1 1 554 558
#> # … with 336,770 more rows, and 12 more variables: dep_delay <dbl>,
#> # arr_time <int>, sched_arr_time <int>, arr_delay <dbl>, carrier <chr>,
#> # flight <int>, tailnum <chr>, origin <chr>, dest <chr>, distance <dbl>,
#> # hour <dbl>, minute <dbl>
与starts_with()函数结合
iris %>% select(starts_with("Sepal"))
#> # A tibble: 150 x 2
#> Sepal.Length Sepal.Width
#> <dbl> <dbl>
#> 1 5.1 3.5
#> 2 4.9 3
#> 3 4.7 3.2
#> 4 4.6 3.1
#> # ... with 146 more rows
与ends_with()函数结合
iris %>% select(ends_with("Width"))
#> # A tibble: 150 x 2
#> Sepal.Width Petal.Width
#> <dbl> <dbl>
#> 1 3.5 0.2
#> 2 3 0.2
#> 3 3.2 0.2
#> 4 3.1 0.2
#> # ... with 146 more rows
使用这两个函数的一点tips：这两个函数当中的内容必须是字符串形式，也就是要加上引号，如果不加上引号，不能执行。这里我放上我自己的数据的一个例子。
数据是行名是TCGA的编码，总共15位，就是这个样子。
目的是只挑选出14，15位是小于11的数据。
#正确的输入方式
RCC_test <- expr_RCC %>% select(ends_with(c("01","05")))
#错误的输入方式
RCC_test <- expr_RCC %>% select(ends_with(c(01,05)))
当然，最开始的时候，我是用的是基础R
RCC_cancer <- expr_RCC[,str_sub(colnames(expr_RCC),14,15) < 11]
两者好像都还算简洁。
与contains()函数结合
这个有点类似通配符或者正则表达式
iris %>% select(contains("al"))
#> # A tibble: 150 x 4
#> Sepal.Length Sepal.Width Petal.Length Petal.Width
#> <dbl> <dbl> <dbl> <dbl>
#> 1 5.1 3.5 1.4 0.2
#> 2 4.9 3 1.4 0.2
#> 3 4.7 3.2 1.3 0.2
#> 4 4.6 3.1 1.5 0.2
#> # ... with 146 more rows
与 matches()函数结合
这个就是用到了正则表达式的
iris %>% select(matches("[pt]al"))
#> # A tibble: 150 x 4
#> Sepal.Length Sepal.Width Petal.Length Petal.Width
#> <dbl> <dbl> <dbl> <dbl>
#> 1 5.1 3.5 1.4 0.2
#> 2 4.9 3 1.4 0.2
#> 3 4.7 3.2 1.3 0.2
#> 4 4.6 3.1 1.5 0.2
#> # ... with 146 more rows
结合where()函数
where()里面可以是函数，这个就厉害了，可以给与判断语句
iris %>% select(where(is.factor))
#> # A tibble: 150 x 1
#> Species
#> <fct>
#> 1 setosa
#> 2 setosa
#> 3 setosa
#> 4 setosa
#> # ... with 146 more rows
结合which()函数
既然能用where(), which()也是可以的
这个是我自己找到的方法，同样利用刚才自己的数据
RCC_test <- expr_RCC %>% select(which(str_sub(colnames(expr_RCC),14,15) < 11))
结果同样，nice
