DAY6

学习R包

一、安装和加载R包

step1：镜像设置
通过命令options()$repos检验RStudio的镜像，如果回到了R的国外官网我们需要运行如下代码

# options函数就是设置R运行过程中的一些选项设置
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #对应清华源
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #对应中科大源
# 当然可以换成其他地区的镜像

设置成功后如果再次打开RStudio用命令options()$BioC_mirror如果是国内镜像则成功，如果是国外官网则需要进行以下步骤。
首先用file.edit('~/.Rprofile')来编辑文件，再在文件中输入

options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) 
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") 

然后在用命令options()$repos和options()$BioC_mirror来检验就可以看到镜像是国内的路径了。
step2：安装
安装R包的命令是

install.packages("包")
#或者
BiocManager::install("包")

这两个命令的选择取决于安装的包存在于CRAN网站还是Biocductor

step3：加载
下面两个命令都可以加载

library(包)
require(包)

以dplyr包为例,四行命令安装加载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)

示例数据使用内置数据iris的简化版:

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

iris简化版数据

Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度(Sepal.Length)，花萼宽度(Sepal.Width)，花瓣长度(Petal.Length)，花瓣宽度(Petal.Width)4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。（百度百科）

二、dplyr五个基础函数

• 1.mutate(),新增列
  例：输入命令mutate(test, add =Sepal.Length+Sepal.Width)
  新增列
• 2.select(),按列筛选

（1）按列号筛选

例：输入命令select(test,4) #选取第四列

筛选列
例：输入命令select(test,c(2,5)) #选取第2列和第5列
筛选列

（2）按列名筛选

例：输入命令select(test,Sepal.Length) #选取名为Sepal.Length的那一列

筛选列
例：输入命令select(test, Petal.Length, Petal.Width) #选取名为Petal.Length和Petal.Width这两列
筛选列
例：输入命令

vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))  #选取名为Petal.Length和Petal.Width这两列

筛选列

• 3.filter()筛选行
  例：输入命令filter(test, Species == "setosa") #种类为setosa的那行
  筛选行
  例：输入命令filter(test, Species == "setosa"&Sepal.Length > 5 ) #选取种类为setosa并且Sepal.Length > 5的那行
  筛选列
  例：输入命令filter(test, Species %in% c("setosa","versicolor")) #选取种类为setosa和versicolor的那行
  筛选列
• 4.arrange(),按某1列或某几列对整个表格进行排序
  例：输入命令arrange(test, Sepal.Length) #从小到大排序
  排序
  例：输入命令arrange(test, desc(Sepal.Length)) #用desc从大到小
  排列
  例：输入命令arrange(test, Sepal.Length, desc(Sepal.Width)) #将以上两种组合运用
  排列
• 5.summarise()：汇总
  例：输入命令summarise(test, mean(Sepal.Length), sd(Sepal.Length)) # 计算Sepal.Length的平均值和标准差
  汇总
  例：输入命令group_by(test, Species) # 按照Species分组
  分组
  例：输入命令summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length)) # 计算每组Sepal.Length的平均值和标准差
  汇总

三、dplyr两个实用技能

• 1.管道操作 %>% (cmd/ctr + shift + M)
  例：输入命令

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

管道操作

• 2.count统计某列的unique值
  例：输入命令count(test,Species) #统计每个种类有多少个
  统计unique值

四、dplyr处理关系数据（即将两个表进行连接）

首先引入两个表格test1，test2
输入命令

options(stringsAsFactors = F)

test1 <- data.frame(x = c('b','e','f','x'), 
                    z = c("A","B","C",'D'),
                    stringsAsFactors = F)
test1

test1

test2 <- data.frame(x = c('a','b','c','d','e','f'), 
                    y = c(1,2,3,4,5,6),
                    stringsAsFactors = F)
test2 

test2

• 1.內连inner_join,取交集
  例：输入命令inner_join(test1, test2, by = "x") #取两个表关于x的交集
  取交集
• 2.左连left_join
  例：输入命令left_join(test1, test2, by = 'x') #将两个表格以test1位基础合并
  左连
  例：输入命令left_join(test2, test1, by = 'x') #将两个表格以test2为基础合并
  左连
• 3.全连full_join
  例：输入命令full_join( test1, test2, by = 'x') #将两个表格组合成一个表格
  全连
• 4.半连接：返回能够与y表匹配的x表所有记录semi_join
  例：输入命令semi_join(x = test1, y = test2, by = 'x')
  半连接

• 5.反连接：返回无法与y表匹配的x表的所记录anti_join
  例：输入命令anti_join(x = test2, y = test1, by = 'x')
  反连接

• 6.简单合并
  例：输入命令test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40)) #新建test1
  新建test1
  例：输入命令test2 <- data.frame(x = c(5,6), y = c(50,60)) #新建test2
  新建test2
  例：输入命令test3 <- data.frame(z = c(100,200,300,400)) #新建test3
  新建test3
  例：输入命令bind_rows(test1, test2)
  合并表1表2
  例：输入命令bind_cols(test1, test3)
  合并表1表3