R包学习

R语言的一大特点就是拥有许许多多的第三方扩展包，这些包可以从官方网站下载,但由于速度限制，需要在Rstudio上配置镜像下载源，今天主要学习了如何设置镜像以及R包的安装、加载和使用。

1.镜像设置

参考:生信星球：你还在每次配置Rstudio的下载镜像吗?

• 初级模式-程序设置

Tools→Global Options→Packages

初始配置

• 升级模式-代码设置

利用options函数-R运行过程中的选项设置

options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #设置CRAN的下载镜像为清华源
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #设置Bioconductor的下载镜像为中科大源
options()$repos #查询CRAN镜像
options()$BioC_mirror#查询Bioconductor镜像

• 高级模式-配置文件设置

利用file.edit函数修改R的配置文件.Rprofile

file.edit('~/.Rprofile') 

最后保存，重启即可。

2.安装与加载R包

dplyr包是R语言中一个具有强大数据处理能力的Package，今天在花花的指导下，开始初步学习dplyr包的安装、加载，并进行了五个基础函数练习。

• 使用install.packages()函数安装

install.packages("dplyr")

Ps:一开始我没有注意到安装包的时候,Package名一定要加双引号，结果出现了报错信息...以后需要注意这一细节。

• 使用library或require函数加载

library (dplyr）
require (dplyr)

3. dplyr函数练习

以R中的内置数据集iris的简化版为示例数据集

#分别取出iris数据集中的
#第1、2、51、52、101、102这6行组成一个新的6行5列数据集test
test <- iris[c(1:2,51:52,101:102),]

如图： 示例数据集test

• mutate()函数——新增列

## 新增一列，该列数值为Sepal.Length（第1列）和Sepal.Width（第二列）的乘积
mutate(test, new = Sepal.Length * Sepal.Width)

• select()函数——筛选列

（1）按列号筛选

select(test,1) # 筛选第一列
select(test,c(1,5))# 筛选第1列和第5列

（2）按列名筛选

select(test, Petal.Length, Petal.Width)

• filtert()函数——筛选行

filter(test, Species == "setosa") #筛选物种名为setosa的行

filter(test, Species == "setosa"&Sepal.Length > 5 )#在上一步的基础上，附加一个第一列数值大于5的条件

filter(test, Species %in% c("setosa","versicolor"))#筛选出包含物种名中serosa和versicolor的行。

• arrang()函数——按列排序

arrange(test, Sepal.Length)#默认按照Sepal.Length从小到大排序
arrange(test, desc(Sepal.Length))#用desc变成从大到小排序

• Summarise()函数结合group_by——汇总

# 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))

4. dplyr实用技能

（1）R管道： %>%

• 快捷键 ctrl+shift+M

  
  基本含义

参考：
https://blog.csdn.net/luo617/article/details/83451052
简单理解就是将上一个函数的输出作为下一个函数的输入

test %>% 
  group_by(Species) %>% 
  summarise(mean(Sepal.Length), sd(Sepal.Length))

数据集→按物种分组→计算每组的Sepal.Length的平均值和标准差

（2）count（）函数统计某列的unique值

count(test,Species)

dplyr处理关系数据

• 内连inner_join()函数

• 左连left_join()函数

• 全连full_join()函数

• 半连inner_join()函数

• 反连inner_join()函数

假设其形式均为join（x，y）

• inner_join 返回所有在y中能查找到的x的行，且包含x和+y的所有列；
• left_join 返回所有x的行，且包含x和y的所有列，在y中没有查找到的x的行新增的列的值会以NA填充；
• right_join 同上，只是x和y调换了一下；
• full_join 返回所有x和y的行和列，未查找的部分同样会被NA填充；
• anti_join 返回所有未能在y中能查找到的x的行，也只返回x的列
• semi_join 返回所有在y中能查找到的x的行，也只返回x的列
  参考：https://zhuanlan.zhihu.com/p/27505645

构建两个数据框

#将字符串变量转换为因子,然后构建两个数据框data1,data2
options(stringsAsFactors = F)
data1 <- data.frame(x = c('b','e','f','x'), 
                    z = c("A","B","C",'D'),
                    stringsAsFactors = F)
data2 <- data.frame(x = c('a','b','c','d','e','f'), 
                    y = c(1,2,3,4,5,6),
                    stringsAsFactors = F)

示例数据框data1,data2

inner_join(data1,data2,by = "x") #内连
left_join(data1,data2,by ="x") #左连
full_join(data1,data2,by = "x")#全连
semi_join(x=data1,y=data2,by = "x")#半连接
anti_join(x=data2,data1,by = "x")#反连接

效果：

• bind_cols( ),bind_rows( )函数——数据合并

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

test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
test2 <- data.frame(x = c(5,6), y = c(50,60))
test3 <- data.frame(z = c(100,200,300,400))
bind_rows(test1, test2)
bind_cols(test1, test3)

最后，我查了一下这个dplyr包究竟有多少的内置函数

dplyr包内置函数
dplyr包内置函数

好可怕....这比我想象中的还要多.......