Day6 学习R包
2019-12-04 本文已影响0人
文婷吖_0df6
镜像设置
1.菜单法 可以配置CRAN镜像，一般选清华
*但是bioconductor上R包没法用这个CRAN镜像下载，而且无法保证一定从此CRAN下载R包。
options()$repos
options()$BioC_mirror
#可以通过此命令查找目前Rstudio通过什么镜像下载R包
2.代码法
*同时设置CRAN镜像及bioconductor镜像
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #清华源CRAN
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #中科大源bioconductor
*每次启动都需要先运行。
3.高级模式 一劳永逸
R的两个最重要的配置文件
.Renviron #设置R的环境变量用，此处按下不表
.Rprofile #R的代码文件，启动Rstudio时自动运行
在Linux中可以使用file.edit命令编辑
file.edit(~/.Rprofile) #注意此处是Linux命令
然后在出现的对话框中添加2的上述两行option代码，即可配置完成
安装R包
#首先google一下想安的包在CRAN还是bioconductor, 再分别选择使用以下命令
install.packages(“包”)
BiocManager::install(“包”)
加载
library(包)
require(包)
学习dplyr包
加载“dplyr"
此前已通过“tydiverse”安装“dplyr”，此处直接加载
library("dplyr")
学一下"dplyr"
help（“dplyr"）
browseVignettes(package = "dplyr")
#找到dplyr的网络介绍链接：[Introduction to dplyr](http://127.0.0.1:19586/library/dplyr/doc/dplyr.html)，然后chrome有道网页翻译2.0打开右侧窗口显示，左边敲Rscript，不能太方便。
单表数据操作：都是“动词(表格，命令)”格式
- filter() #按行筛选
- arrange() #按列排序
- select() #按列筛选
- mutate() transmute() #新增列，该列是现有列的函数
- summarise() #汇总
- sample_n() sample_frac() #随机抽样
- slice() #按等级秩序选择各行，少用，可用filter(), 或row_number()代替
数据：使用生信星球教学数据集
> test <- iris[c(1:2,51:52,101:102),] #把内置数据框iris的相应行提取出来赋值给test数据框
> 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
* filter() #按行筛选
> filter(test, Species == "setosa")
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
#等同于,
test[test$Species == "setosa",]
> filter(test, Species == "setosa"&Sepal.Length > 5 )
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
#等同于，
test[test$Species == "setosa" & test$Sepal.Length > 5,]
> filter(test, Species %in% c("setosa","versicolor"))
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 7.0 3.2 4.7 1.4 versicolor
4 6.4 3.2 4.5 1.5 versicolor
#等同于，
test[test$Species %in% c("setosa","versicolor"),]
* arrange() #按列排序
> arrange(test, Sepal.Length) #默认从小到大排序
> arrange(test, desc(Sepal.Length)) #用desc从大到小
> arrange(test, Petal.Length, desc(Sepal.Length)) #先按变量1从小到大，再按变量2从大到小
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 6.4 3.2 4.5 1.5 versicolor
4 7.0 3.2 4.7 1.4 versicolor
5 5.8 2.7 5.1 1.9 virginica
6 6.3 3.3 6.0 2.5 virginica
*select() #按列筛选
#具体用法，
select(test,1:3) #也可以select(test,Sepal.Length:Petal.Length)
select(test,c(1,5))
select(test,Sepal.Length)
select(test,- c(1,5)) # -号可做反选
#select() 可以选择并同时重命名变量，但不如rename()好用
#可搭配starts_with()，ends_with()，matches()和contains()使用风味更佳 具体可[?select](R Documentation
:Select/rename variables by name)看Examples
* mutate() transmute() #新增列，该列是 现有列的函数
#注意允许引用刚刚创建的列来新建列，例如，
mutate(test, new = Sepal.Length * Sepal.Width, new100 = new * 100)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species new new100
1 5.1 3.5 1.4 0.2 setosa 17.85 1785
2 4.9 3.0 1.4 0.2 setosa 14.70 1470
3 7.0 3.2 4.7 1.4 versicolor 22.40 2240
4 6.4 3.2 4.5 1.5 versicolor 20.48 2048
5 6.3 3.3 6.0 2.5 virginica 20.79 2079
6 5.8 2.7 5.1 1.9 virginica 15.66 1566
# 假如只想保存新变量，用transmute()
> transmute(test, new = Sepal.Length * Sepal.Width, new100 = new * 100)
new new100
1 17.85 1785
2 14.70 1470
3 22.40 2240
4 20.48 2048
5 20.79 2079
6 15.66 1566
* summarise() #汇总, 可结合group_by()使用
# 计算Sepal.Length的平均值和标准差
summarise(test, mean(Sepal.Length), sd(Sepal.Length))
# 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))
#summarise描述统计[?summarise](Reduce multiple values down to a single value)
* sample_n() sample_frac() #随机抽样
#随机抽取n个样本或几个比例frac样本
> sample_n(test,2)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 6.3 3.3 6.0 2.5 virginica
2 4.9 3.0 1.4 0.2 setosa
> sample_frac(test,1/6)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 7 3.2 4.7 1.4 versicolor
dplyr支持
1.管道操作 %>% (cmd/ctr + shift + M)
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
2：count统计某列的unique值
count(test,Species)
dplyr双表操作：处理关系数据
#新建2表，注意不要引入factor，
options(stringsAsFactors = F)
> test1 <- data.frame(x = c('b','e','f','x'), z = c("A","B","C",'D'),stringsAsFactors = F)
> test2 <- data.frame(x = c('a','b','c','d','e','f'), y = c(1,2,3,4,5,6),stringsAsFactors = F)
> test1
x z
1 b A
2 e B
3 f C
4 x D
> test2
x y
1 a 1
2 b 2
3 c 3
4 d 4
5 e 5
6 f 6
开始造
1.內连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
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
4 x D NA
> left_join(test2, test1, by = 'x')
x y z
1 a 1 <NA>
2 b 2 A
3 c 3 <NA>
4 d 4 <NA>
5 e 5 B
6 f 6 C
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 <NA> 1
6 c <NA> 3
7 d <NA> 4
4.半连接semi_join：返回能够与y表匹配的x表所有记录
> semi_join(x = test1, y = test2, by = 'x')
x z
1 b A
2 e B
3 f C
5.反连接anti_join：返回无法与y表匹配的x表的所记录
> anti_join(x = test2, y = test1, by = 'x')
x y
1 a 1
2 c 3
3 d 4
6.简单合并：bind_rows()按行合并, bind_cols()按列合并
#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，而bind_cols()函数则需要两个数据框有相同的行数
> test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
> test1
x y
1 1 10
2 2 20
3 3 30
4 4 40
> test2 <- data.frame(x = c(5,6), y = c(50,60))
> test2
x y
1 5 50
2 6 60
> test3 <- data.frame(z = c(100,200,300,400))
> test3
z
1 100
2 200
3 300
4 400
> bind_rows(test1, test2)
x y
1 1 10
2 2 20
3 3 30
4 4 40
5 5 50
6 6 60
> bind_cols(test1, test3)
x y z
1 1 10 100
2 2 20 200
3 3 30 300
4 4 40 400
