学习小组Day6笔记—我爱一朵向阳花
2020-04-15 本文已影响0人
我爱一朵向阳花
R包学习
R包学习内容
R包的安装和加载
1、镜像设置
参考生信星球教程
> file.edit('~/.Rprofile')
#在脚本编辑处（RStudio左上角的方框）中输入：
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
#保存.Rprofile文件，实际是一个R脚本文件。重启RStudio
#检查是否配置成功
> options()$repos
CRAN
"https://mirrors.tuna.tsinghua.edu.cn/CRAN/"
> options()$BioC_mirror
[1] "https://mirrors.ustc.edu.cn/bioc/" #成功
2、安装
要安装的包存在于CRAN网站:install.packages(“包”)
要安装的包存在于Biocductor: BiocManager::install(“包”)
3、加载
library(包)或者require(包)均可。
4、安装和加载dplyr包（高效数据整理工具）
> install.packages("dplyr")
> library(dplyr)
dplyr包的学习
五个基础函数
#示例数据
> test <- iris[c(1:2,51:52,101:102),]
内置数据iris的简化版，代码表示取iris(有150行）的第1到2行、第51到52行，第101到102行。取出后，行名没有变，依然是“1、2、51、52、101、102”。（如图）
示例数据
1、新增列：mutate()
> mutate(test, new = Sepal.Length * Sepal.Width)
Sepal.Length Sepal.Width Petal.Length
1 5.1 3.5 1.4
2 4.9 3.0 1.4
3 7.0 3.2 4.7
4 6.4 3.2 4.5
5 6.3 3.3 6.0
6 5.8 2.7 5.1
Petal.Width Species new
1 0.2 setosa 17.85
2 0.2 setosa 14.70
3 1.4 versicolor 22.40
4 1.5 versicolor 20.48
5 2.5 virginica 20.79
6 1.9 virginica 15.66
> test1 <- mutate(test, new = Sepal.Length * Sepal.Width)
> View(test1)
test1
2、按列筛选： select()
①按列号筛选
> select(test,1)
Sepal.Length
1 5.1
2 4.9
51 7.0
52 6.4
101 6.3
102 5.8
> select(test,3) #筛选出第3列
Petal.Length
1 1.4
2 1.4
51 4.7
52 4.5
101 6.0
102 5.1
> select(test,c(1,5)) #筛选出第1列和第5列
Sepal.Length Species
1 5.1 setosa
2 4.9 setosa
51 7.0 versicolor
52 6.4 versicolor
101 6.3 virginica
102 5.8 virginica
> select(test,c(1:3)) #筛选出第1列到第3列
Sepal.Length Sepal.Width Petal.Length
1 5.1 3.5 1.4
2 4.9 3.0 1.4
51 7.0 3.2 4.7
52 6.4 3.2 4.5
101 6.3 3.3 6.0
102 5.8 2.7 5.1
②按列名筛选
> select(test,Sepal.Length)
Sepal.Length
1 5.1
2 4.9
51 7.0
52 6.4
101 6.3
102 5.8
#筛选两列
#第一种方法：直接筛选
> select(test, Petal.Length, Petal.Width)
Petal.Length Petal.Width
1 1.4 0.2
2 1.4 0.2
51 4.7 1.4
52 4.5 1.5
101 6.0 2.5
102 5.1 1.9
#第二种方法：向量赋值
> vars <- c("Petal.Length", "Petal.Width")
> select(test, one_of(vars))
Petal.Length Petal.Width
1 1.4 0.2
2 1.4 0.2
51 4.7 1.4
52 4.5 1.5
101 6.0 2.5
102 5.1 1.9
#`one_of()` must be used within a *selecting* function
#`one_of()`用来声明选择对象
好奇地试了试
> select(test, vars)
Note: Using an external vector in selections is ambiguous.
i Use `all_of(vars)` instead of `vars` to silence this message.
i See <https://tidyselect.r-lib.org/reference/faq-external-vector.html>.
This message is displayed once per session.
Petal.Length Petal.Width
1 1.4 0.2
2 1.4 0.2
51 4.7 1.4
52 4.5 1.5
101 6.0 2.5
102 5.1 1.9
> select(test, all_of(vars))
Petal.Length Petal.Width
1 1.4 0.2
2 1.4 0.2
51 4.7 1.4
52 4.5 1.5
101 6.0 2.5
102 5.1 1.9
3、筛选行： filter()
> filter(test, Species == "versicolor")
Sepal.Length Sepal.Width Petal.Length
1 7.0 3.2 4.7
2 6.4 3.2 4.5
Petal.Width Species
1 1.4 versicolor
2 1.5 versicolor
#注意 &
> filter(test, Species == "setosa"&Sepal.Length > 5 )
Sepal.Length Sepal.Width Petal.Length
1 5.1 3.5 1.4
Petal.Width Species
1 0.2 setosa
#复习Day5向量内容
> a[a %in% c(1,0.5,3)] #提取向量a中存在于向量c(1,0.5,3)中的元素，相当于向量a与向量c(1,0.5,3)的交集
[1] 1 3
> filter(test, Species %in% c("setosa","versicolor"))
Sepal.Length Sepal.Width Petal.Length
1 5.1 3.5 1.4
2 4.9 3.0 1.4
3 7.0 3.2 4.7
4 6.4 3.2 4.5
Petal.Width Species
1 0.2 setosa
2 0.2 setosa
3 1.4 versicolor
4 1.5 versicolor
4、按某1列或某几列对整个表格进行排序：arrange()
#按Sepal.Length列大小进行排序，默认从小到大
> arrange(test, Sepal.Length)
Sepal.Length Sepal.Width Petal.Length
1 4.9 3.0 1.4
2 5.1 3.5 1.4
3 5.8 2.7 5.1
4 6.3 3.3 6.0
5 6.4 3.2 4.5
6 7.0 3.2 4.7
Petal.Width Species
1 0.2 setosa
2 0.2 setosa
3 1.9 virginica
4 2.5 virginica
5 1.5 versicolor
6 1.4 versicolor
#从大到小排序 desc()
> arrange(test, desc(Sepal.Length))
Sepal.Length Sepal.Width Petal.Length
1 7.0 3.2 4.7
2 6.4 3.2 4.5
3 6.3 3.3 6.0
4 5.8 2.7 5.1
5 5.1 3.5 1.4
6 4.9 3.0 1.4
Petal.Width Species
1 1.4 versicolor
2 1.5 versicolor
3 2.5 virginica
4 1.9 virginica
5 0.2 setosa
6 0.2 setosa
#将示例数据中第三行第一列元素改为4.9，这样与第二行第一列相等
> test[3,1] <- 4.9
> View(test)
View(test)
#先按照Sepal.Length从大到小排序，（相等时）再按照Sepal.Width从大到小排序
> arrange(test, desc(Sepal.Length),desc(Sepal.Width))
Sepal.Length Sepal.Width Petal.Length
1 6.4 3.2 4.5
2 6.3 3.3 6.0
3 5.8 2.7 5.1
4 5.1 3.5 1.4
5 4.9 3.2 4.7
6 4.9 3.0 1.4
Petal.Width Species
1 1.5 versicolor
2 2.5 virginica
3 1.9 virginica
4 0.2 setosa
5 1.4 versicolor
6 0.2 setosa
#先按照Sepal.Length从大到小排序，（相等时）再按照Sepal.Width从小到大排序
> arrange(test, desc(Sepal.Length),Sepal.Width)
Sepal.Length Sepal.Width Petal.Length
1 6.4 3.2 4.5
2 6.3 3.3 6.0
3 5.8 2.7 5.1
4 5.1 3.5 1.4
5 4.9 3.0 1.4
6 4.9 3.2 4.7
Petal.Width Species
1 1.5 versicolor
2 2.5 virginica
3 1.9 virginica
4 0.2 setosa
5 0.2 setosa
6 1.4 versicolor
5、汇总：summarise()
分组：group_by()
# 计算Sepal.Length的平均值和标准差
> summarise(test, mean(Sepal.Length), sd(Sepal.Length))
mean(Sepal.Length) sd(Sepal.Length)
1 5.566667 0.6918574
#按照Species分组
> group_by(test, Species)
# A tibble: 6 x 5
# Groups: Species [3]
Sepal.Length Sepal.Width Petal.Length
* <dbl> <dbl> <dbl>
1 5.1 3.5 1.4
2 4.9 3 1.4
3 4.9 3.2 4.7
4 6.4 3.2 4.5
5 6.3 3.3 6
6 5.8 2.7 5.1
# ... with 2 more variables:
# Petal.Width <dbl>, Species <fct>
> test1 <- group_by(test, Species)
> View(test1)
View(test1)
#按照Species分组，计算每组Sepal.Length的平均值和标准差
> summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
# A tibble: 3 x 3
Species `mean(Sepal.Lengt~ `sd(Sepal.Lengt~
<fct> <dbl> <dbl>
1 setosa 5 0.141
2 versico~ 5.65 1.06
3 virgini~ 6.05 0.354
两个实用技能
1、管道操作 %>%（同时按住Ctrl+Shift+M，即可出现 %>%）
#含义同上一行代码
> test %>% group_by(Species) %>% summarise(mean(Sepal.Length), sd(Sepal.Length))
# A tibble: 3 x 3
Species `mean(Sepal.Lengt~ `sd(Sepal.Lengt~
<fct> <dbl> <dbl>
1 setosa 5 0.141
2 versico~ 5.65 1.06
3 virgini~ 6.05 0.354
2、统计某列的unique值：count()
View(test)
结果显示：unique值列，个数列（每个值出现几次）
貌似从小到大排列
> count(test,Species)
# A tibble: 3 x 2
Species n
<fct> <int>
1 setosa 2
2 versicolor 2
3 virginica 2
> count(test,Sepal.Width)
# A tibble: 5 x 2
Sepal.Width n
<dbl> <int>
1 2.7 1
2 3 1
3 3.2 2
4 3.3 1
5 3.5 1
> count(test,Sepal.Length)
# A tibble: 5 x 2
Sepal.Length n
<dbl> <int>
1 4.9 2
2 5.1 1
3 5.8 1
4 6.3 1
5 6.4 1
处理关系数据
处理关系数据：将2个表进行连接，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)
> 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
1、内连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
> inner_join(test1, test2, by = "z")
Error: `by` can't contain join column `z` which is missing from RHS
Run `rlang::last_error()` to see where the error occurred.
#因为test2中没有z，无法取交集
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
#换位置连接
> 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
> semi_join(x = test2, y = test1, by = 'x')
x y
1 b 2
2 e 5
3 f 6
5、反连接：anti_join()
#返回无法与y表匹配的x表的所有记录
> anti_join(x = test2, y = test1, by = 'x')
x y
1 a 1
2 c 3
3 d 4
> anti_join(x = test1, y = test2, by = 'x')
x z
1 x D
6、简单合并
引自生信星球教程：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()函数则需要两个表格有相同的行数。
> 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
test1与test2列数相同
test1与test3行数相同
> bind_rows(test1, test2) #按行合并（粘贴），要求列数相同
x y
1 1 10
2 2 20
3 3 30
4 4 40
5 5 50
6 6 60
> bind_cols(test1, test3) #按列合并（粘贴），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
Day6完成！
关于factor的疑惑:什么时候引入factor,什么时候不引入factor?
引用花花的回答：“新建数据框时会默认把数据框里的字符串列变成因子，在merge时，数据类型如果不一样会引起一些麻烦。通常情况下不是你自己主动使用因子，就应该避免他。避免就是用那一句options设置。”
