安装加载dplyr包

options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) 
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") 
install.packages("dplyr")
library(dplyr)  #require(dplyr)也可

注：R包安装命令是install.packages(“包”)或者BiocManager::install(“包”)。取决于你要安装的包存在于CRAN网站还是Biocductor。存在于哪可以用谷歌搜。

示例数据

test <- iris[c(1:2,51:52,101:102),]

基础函数

1.mutate(),新增列

mutate(test, new = Sepal.Length * Sepal.Width)

2.select(),按列筛选

(1)按列号筛选

select(test,1)

(2)按列名筛选

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

b

vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))

注：ab两种方法运行结果一致。

3.filter()筛选行

filter(test, Species == "setosa")
filter(test, Species == "setosa"&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

注：选两种species。

4.arrange(),按某1列或某几列对整个表格进行排序

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

5.summarise()：汇总

summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差

#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))

6：管道操作 %>% (按cmd/ctr + shift + M出现)

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

注：a.与5结果一致。
b.加载任意一个tidyverse包即可用管道符号。

7：count统计某列的unique值

> count(test,Species)
# A tibble: 3 x 2
  Species        n
  <fct>      <int>
1 setosa         2
2 versicolor     2
3 virginica      2

注：统计test数据框的Species列有哪些取值，每个取值重复了多少次。

8.连接表格

（0）建立表格

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)

（1）內连inner_join,取交集

inner_join(test1, test2, by = "x")
两个表格的x的交集

（2）左连left_join

left_join(test1, test2, by = 'x')
test1全在，补上test2的y列
left_join(test2, test1, by = 'x')
test2全在，补上test1的z列

（3）全连full_join

full_join( test1, test2, by = 'x')

（4）半连接：返回能够与test2表匹配的test1表所有记录semi_join

semi_join(x = test1, y = test2, by = 'x')
注：
a.比inner_join结果少了y列
b.主体是test1

（5）反连接：返回无法与test1表匹配的test2表的所有记录anti_join

anti_join(x = test2, y = test1, by = 'x')
注：
a.full_join的下半部分
b.主体是test2

（6）简单合并

> 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_rows()函数：加上几行信息，需要两个表格列数相同

> bind_cols(test1, test3)
  x  y   z
1 1 10 100
2 2 20 200
3 3 30 300
4 4 40 400

bind_cols()函数：添加列，需要两个表格行数相同
注：在相当于base包里的cbind()函数和rbind()函数。