鏡像設(shè)置

• 不想每次手動(dòng)設(shè)置鏡像？來(lái)吧，解放你的雙手！

• 設(shè)置R的配置文件 .Rprofile

說(shuō)起來(lái)這個(gè)，就必須提到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（這里先不說(shuō)它）；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）
--by 生信星球花花

file.edit('~/.Rprofile')

• 回車然后輸入鏡像設(shè)置

# 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
# 當(dāng)然可以換成其他地區(qū)的鏡像

image.png

• 保存，重啟R
  輸入

options()$repos
options()$BioC_mirror

哇哦，amazing！我再也不用每次設(shè)置鏡像了呢

image.png

安裝R包

• CRAN網(wǎng)站：install.packages(“包”)
• Biocductor網(wǎng)站：BiocManager::install(“包”)

加載R包

library(包)
require(包)

加載dplyr進(jìn)行今天的學(xué)習(xí)

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

• 增加一列
  mutate()

mutate(test, new = Sepal.Length * Sepal.Width)
mutate(test,new2= Sepal.Length+Petal.Length)
###自定義要增加哪些
type=c(rep(2,3),rep(4,3))
mutate(test,type)

image.png

• 按列篩選
  select()
  1.按列號(hào)篩選
  select(test,1)
  
  image.png
  
  select(test,c(1,5))
  
  image.png
  
  2.按列名篩選
  select(test,Sepal.Length)
  
  image.png
  
  3.篩選行
  filter(test, Species == "setosa")
  
  image.png
  
  同時(shí)符合兩種條件
  filter(test, Species == "setosa"&Sepal.Length > 5 )
  
  image.png
  
  嗯，如果想要根據(jù)多個(gè)條件篩選記錄，只需要把每個(gè)條件都作為filter() 的參數(shù)，就是把"&"換成"，"結(jié)果也是一樣的（這個(gè)理解應(yīng)該沒(méi)有錯(cuò)）
  filter(test, Species == "setosa",Sepal.Length > 5 )
  
  image.png

有點(diǎn)厲害的代碼
%in%值得花時(shí)間仔細(xì)看（判斷前面一個(gè)向量?jī)?nèi)的元素是否在后面一個(gè)向量中，返回布爾值。）
filter(test, Species %in% c("setosa","versicolor"))

image.png

• 按某1列或某幾列對(duì)整個(gè)表格進(jìn)行排序
  arrange()

arrange(test, Sepal.Length)#默認(rèn)從小到大排序

image.png

arrange(test, desc(Sepal.Length))#用desc從大到小

image.png

• 匯總
  summarise()

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

還能夠根據(jù)分組再做分析

# 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))

image.png

• 管道操作符 %>%，一個(gè)有無(wú)窮內(nèi)涵的操作，簡(jiǎn)單說(shuō)就是可以用 %>% 將函數(shù)連接起來(lái)。它可以把 %>%左側(cè)返回的結(jié)果，作為 %>%右側(cè)調(diào)用函數(shù)的第1個(gè)參數(shù)，省去大量的賦值過(guò)程(是理解了，但自己編寫估計(jì)還是有困難的)

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

image.png

• 統(tǒng)計(jì)某列的unique值
  count
count(test,Species)
  
  image.png
• 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, 其中內(nèi)連inner_join這個(gè)功能有點(diǎn)像merge
  首先創(chuàng)建兩個(gè)模擬數(shù)據(jù)框

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

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

1.內(nèi)連inner_join,取交集(用的最多應(yīng)該是這個(gè))
inner_join(test1,test2,by="x")

image.png

image.png

image.png

image.png

image.png

image.png

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，而bind_cols()函數(shù)則需要兩個(gè)數(shù)據(jù)框有相同的行數(shù)
-by 花花

bind_rows(test1, test2)
bind_cols(test1, test3)

今天的學(xué)習(xí)還是相當(dāng)豐富的，雖然理解但到熟練運(yùn)用還有很長(zhǎng)一段距離，只能是在遇到實(shí)際問(wèn)題的時(shí)候返回來(lái)看和自己操作才能真正掌握！GOOD LUCK!今天就這樣啦！

image.png