Tidyverse中使用函数
2019-11-21 本文已影响0人
小梦游仙境
学习
tidyverse包前，先对tibble数据类型进行简单的了解，因为下面生成的结果都是以tibble展示的。tibble是R语言中一个用来替换data.frame类型的扩展的数据框，tibble继承了data.frame，是弱类型的，同时与data.frame有相同的语法，使用起来更方便。tibble包，也是由Hadley开发的R包。
tibble对data.frame做了重新的设定：
- tibble，不关心输入类型，可存储任意类型，包括list类型
- tibble，没有行名设置 row.names
- tibble，支持任意的列名
- tibble，会自动添加列名
- tibble，类型只能回收长度为1的输入
- tibble，会懒加载参数，并按顺序运行
- tibble，是tbl_df类型
1.要学的tidyverse包中的注意的三个数据操作函数
- filter
- select
- %>%
2.加载dplyr和gapminder数据集
library(tidyverse)
library(gapminder)
3.复制一个示例数据集gapminder
(my_gap <- gapminder)
image-20191121221058347
my_gap %>% filter(country == "Canada")#提取出country只为Canada的行
image-20191121221105923
#赋予一个新的变量
my_precious <- my_gap %>% filter(country == "Canada")
image-20191121221114449
4.使用mutate()添加新变量
加入现在想要新添加一列，计算一个国家的GDP，就是人口数量*人均GDP
my_gap %>%
mutate(gdp = pop * gdpPercap)
image-20191121221124007
ctib <- my_gap %>%
filter(country == "Canada")
## this is a semi-dangerous way to add this variable
## I'd prefer to join on year, but we haven't covered joins yet
my_gap <- my_gap %>%
mutate(tmp = rep(ctib$gdpPercap, nlevels(country)),
gdpPercapRel = gdpPercap / tmp,
tmp = NULL)
image-20191121221141860
my_gap %>%
filter(country == "Canada") %>%
select(country, year, gdpPercapRel)
<img src="https://tva1.sinaimg.cn/large/006y8mN6gy1g960nthrfyj30u00ud1hy.jpg" alt="image-20191121221150989" style="zoom:50%;" />
summary(my_gap$gdpPercapRel)
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.007236 0.061648 0.171521 0.326659 0.446564 9.534690
5.arrange()来对数据进行行顺序排序
重新排序数据中的行
> my_gap
image-20191121221208503
my_gap %>%
arrange(year, country)
image-20191120181311968
如果想要从2007年开始显示数据，并且按照lifeExp进行排序
> my_gap %>%
+ filter(year == 2007) %>%
+ arrange(lifeExp)
image-20191120181421039
6.用rename()重命名变量
my_gap %>%
rename(life_exp = lifeExp,
gdp_percap = gdpPercap,
gdp_percap_rel = gdpPercapRel)
image-20191120182003646
7.select()重命名和重定位变量
- select挑选出希望出现在新表格中的变量
- select同everthing一同使用，可以将某个变量放置最前面
my_gap %>%
filter(country == "Burundi", year > 1996) %>%
select(yr = year, lifeExp, gdpPercap) %>%
select(gdpPercap, everything())
image-20191120182254490
8.强大工具group_by()
8.1计数
- 每个大洲都有多少个观测？用
summarize函数
> my_gap %>%
+ group_by(continent) %>%
+ summarize(n = n())
# A tibble: 5 x 2
continent n
<fct> <int>
1 Africa 624
2 Americas 300
3 Asia 396
4 Europe 360
5 Oceania 24
- 也可以用
tally()函数来计算
my_gap %>%
group_by(continent) %>%
tally()
#> # A tibble: 5 x 2
#> continent n
#> <fct> <int>
#> 1 Africa 624
#> 2 Americas 300
#> 3 Asia 396
#> 4 Europe 360
#> 5 Oceania 24
-
count()函数是一个既可以分类也可以进行分类后计数的功能
my_gap %>%
count(continent)
#> # A tibble: 5 x 2
#> continent n
#> <fct> <int>
#> 1 Africa 624
#> 2 Americas 300
#> 3 Asia 396
#> 4 Europe 360
#> 5 Oceania 24
- 用
n_distinct函数来显示每个大洲共有多少个国家
my_gap %>%
group_by(continent) %>%
summarize(n = n(),
n_countries = n_distinct(country))
#> # A tibble: 5 x 3
#> continent n n_countries
#> <fct> <int> <int>
#> 1 Africa 624 52
#> 2 Americas 300 25
#> 3 Asia 396 33
#> 4 Europe 360 30
#> 5 Oceania 24 2
8.2 统计一般数据
summarize()可以将经典的数据统计结果如： mean(), median(), var(), sd(), mad(), IQR(), min()和 max()一同输出
my_gap %>%
group_by(continent) %>%
summarize(avg_lifeExp = mean(lifeExp))
#> # A tibble: 5 x 2
#> continent avg_lifeExp
#> <fct> <dbl>
#> 1 Africa 48.9
#> 2 Americas 64.7
#> 3 Asia 60.1
#> 4 Europe 71.9
#> 5 Oceania 74.3
summarize_at可以对不同的变量分别进行函数计算
my_gap %>%
filter(year %in% c(1952, 2007)) %>%
group_by(continent, year) %>%
summarize_at(vars(lifeExp, gdpPercap), list(~mean(.), ~median(.)))
#> # A tibble: 10 x 6
#> # Groups: continent [5]
#> continent year lifeExp_mean gdpPercap_mean lifeExp_median
#> <fct> <int> <dbl> <dbl> <dbl>
#> 1 Africa 1952 39.1 1253. 38.8
#> 2 Africa 2007 54.8 3089. 52.9
#> 3 Americas 1952 53.3 4079. 54.7
#> 4 Americas 2007 73.6 11003. 72.9
#> 5 Asia 1952 46.3 5195. 44.9
#> 6 Asia 2007 70.7 12473. 72.4
#> 7 Europe 1952 64.4 5661. 65.9
#> 8 Europe 2007 77.6 25054. 78.6
#> 9 Oceania 1952 69.3 10298. 69.3
#> 10 Oceania 2007 80.7 29810. 80.7
#> # … with 1 more variable: gdpPercap_median <dbl>
如果仅仅关注亚洲，想知道每年最低和最高的lifeExp是多少？
my_gap %>%
filter(continent == "Asia") %>%
group_by(year) %>%
summarize(min_lifeExp = min(lifeExp), max_lifeExp = max(lifeExp))
#> # A tibble: 12 x 3
#> year min_lifeExp max_lifeExp
#> <int> <dbl> <dbl>
#> 1 1952 28.8 65.4
#> 2 1957 30.3 67.8
#> 3 1962 32.0 69.4
#> 4 1967 34.0 71.4
#> 5 1972 36.1 73.4
#> 6 1977 31.2 75.4
#> 7 1982 39.9 77.1
#> 8 1987 40.8 78.7
#> 9 1992 41.7 79.4
#> 10 1997 41.8 80.7
#> 11 2002 42.1 82
#> 12 2007 43.8 82.6
最后友情宣传生信技能树
-
全国巡讲:R基础，Linux基础和RNA-seq实战演练 : 预告：12月28-30长沙站
