學(xué)習(xí)R包

以dplyr為例，學(xué)習(xí)R包

一、安裝和加載R包

1. 鏡像設(shè)置

image.png

2. 升級(jí)模式：第一種模式無(wú)法在bioconductor上下載包時(shí)使用

# options函數(shù)就是設(shè)置R運(yùn)行過(guò)程中的一些選項(xiàng)設(shè)置
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #對(duì)應(yīng)清華源
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #對(duì)應(yīng)中科大源
# 也可以換成其他地區(qū)的鏡像

3. 高級(jí)模式：一次設(shè)置免去所有煩惱

R的配置文件 .Rprofile：Rstudio最重要的兩個(gè)配置文件：在剛開始運(yùn)行Rstudio的時(shí)候，程序會(huì)查看許多配置內(nèi)容，其中一個(gè)就是.Renviron，它是為了設(shè)置R的環(huán)境變量；而.Rprofile就是一個(gè)代碼文件，如果啟動(dòng)時(shí)找到這個(gè)文件，那么就替我們先運(yùn)行一遍（這個(gè)過(guò)程就是在啟動(dòng)Rstudio時(shí)完成的

file.edit('~/.Rprofile')
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #對(duì)應(yīng)清華源
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #對(duì)應(yīng)中科大源

最后保存=》重啟Rstudio，這時(shí)你再運(yùn)行一下：options()BioC_mirror 就發(fā)現(xiàn)已經(jīng)配置好了，就很方便地省了手動(dòng)運(yùn)行的步驟

二、安裝及加載

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

三、學(xué)習(xí)dplyr五個(gè)基礎(chǔ)函數(shù)

內(nèi)置數(shù)據(jù)集iris的簡(jiǎn)化版test <- iris[c(1:2,51:52,101:102),]

image.png

1.mutate(),新增列

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

image.png

2.select(),按列篩選

(1)按列號(hào)篩選

select(test,1)

image.png

select(test,c(1,5))

image.png

select(test,Sepal.Length)

image.png

(2)按列名篩選

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

(3)filter()篩選行

filter(test, Species == "setosa)
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))

image.png

image.png

image.png

(4).arrange(),按某1列或某幾列對(duì)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

(5).summarise()：匯總

summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 計(jì)算Sepal.Length的平均值和標(biāo)準(zhǔn)差
# 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)
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))

四、dplyr兩個(gè)實(shí)用技能

1：管道操作 %>% (cmd/ctr + shift + M)

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

2：count統(tǒng)計(jì)某列的unique值

count(test,Species)

五、dplyr處理關(guān)系數(shù)據(jù)

即將2個(gè)表進(jìn)行連接，注意：不要引入factor

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)

test1

test2

常見的六個(gè)處理數(shù)據(jù)關(guān)系

inner_join(test1, test2, by = "x")###內(nèi)連inner_join,取交集
left_join(test1, test2, by = 'x')###左連left_join
left_join(test2, test1, by = 'x')
full_join( test1, test2, by = 'x')###全連full_join
semi_join(x = test1, y = test2, by = 'x')###半連接：返回能夠與y表匹配的x表所有記錄semi_join
anti_join(x = test2, y = test1, by = 'x')###反連接：返回?zé)o法與y表匹配的x表的所記錄anti_join

####簡(jiǎn)單合并
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)