package處理數(shù)據(jù)

鏡像設(shè)置

• R的包主要來源于CRAN網(wǎng)站和Biocductor，生信主要來源于Biochuctor
• 鏡像代碼設(shè)置 options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
• tools=>Global options=>packages

包的加載

• library()
• require()

裝包三部曲

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)

dplyr 包

• dplyr是一個(gè)dplyr包主要用于數(shù)據(jù)清洗和整理，主要功能有：行選擇、列選擇、統(tǒng)計(jì)匯總、數(shù)據(jù)框交集等是非常高效、友好的數(shù)據(jù)處理包。
• test <- iris[c(1:2,51:52,101:102),] iris 是R內(nèi)置的一個(gè)數(shù)據(jù)集。
• dplyr五個(gè)基礎(chǔ)函數(shù)
  • mutate(),新增列，mutate(test, new = Sepal.Length * Sepal.Width)
  • select(),按列篩選,
    • 按列號篩選select(test,1),# 多列：select(test,C(1,5)）
    • 按列名篩選select(test, Petal.Length, Petal.Width)
  • filter()篩選行 filter詳解
    • 篩選1個(gè)filter(test, Species == "setosa")
    • 篩選指定 filter(test, Species == "setosa"&Sepal.Length > 5 )
    • 篩選filter(test, Species %in% c("setosa","versicolor"))
  • arrange(),按某1列或某幾列對整個(gè)表格進(jìn)行排序，arrange(test, Sepal.Length)默認(rèn)從小到大排序 arrange(test, desc(Sepal.Length))#用desc從大到小
  • summarise()：匯總計(jì)算平均值，標(biāo)準(zhǔn)差，中位數(shù)等。 summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 計(jì)算Sepal.Length的平均值和標(biāo)準(zhǔn)差
  • group_by 定義分組變量，與summarise合用可高效處理數(shù)據(jù)
    1. 先按照Species分組，計(jì)算每組Sepal.Length的平均值和標(biāo)準(zhǔn)差group_by(test, Species)
    2. summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
• count統(tǒng)計(jì)某列的unique值 count(test,Species) 把重復(fù)元素或行給刪除的向量、數(shù)據(jù)框

管道操作

• 什么是管道操作？一個(gè)高效的管道操作工具包，通過管道的連接方式，讓數(shù)據(jù)或表達(dá)式的傳遞更高效
• 安裝magrittr包 install ("magrittr")
• 加載library(magrittr)
• %>% 左邊程序傳遞給右邊test %>% group_by(Species) %>% summarise(mean(Sepal.Length), sd(Sepal.Length))

處理關(guān)系 lianjie

• 內(nèi)連inner_join,取交集 inner_join(test1, test2, by = "x") by="x"表示變量為x列
• 左連保留左邊及交集，left_join(test1, test2, by = 'x')，還有右邊連接
• 全連取并集，full_join( test1, test2, by = 'x')
• 篩選連接匹配觀測的方式與合并連接相同，但前者影響的是觀測，而不是變量。# 行表示觀測，列表示變量。
  • semi_join(x, y)： 保留 x 表中與 y 表中的觀測相匹配的所有觀測。 semi_join(x = test1, y = test2, by = 'x')
  • anti_join(x, y)： 丟棄 x 表中與 y 表中的觀測相匹配的所有觀測。```anti_join(x = test2, y = test1, by = 'x')
• 簡單合并：在相當(dāng)于base包里的cbind()函數(shù)和rbind()函數(shù);注意，
  • bind_rows()函數(shù)需要兩個(gè)表格列數(shù)相同，橫向合并bind_rows(test1, test2)
  • bind_cols()函數(shù)則需要兩個(gè)數(shù)據(jù)框有相同的行數(shù)，縱向合并bind_cols(test1, test3)