學(xué)習(xí)讓我快樂！??！
生信星球?qū)W習(xí)小組第87期DAY6-學(xué)習(xí)R包 思維導(dǎo)圖 謝榮俊
一、安裝和加載R包：
- 鏡像設(shè)置：除了通過代碼以及Rstudio內(nèi)在的設(shè)置方法外，和可以通過修改R的配置文件 .Rprofile一勞永逸的實(shí)現(xiàn)。
具體操作參考：你還在每次配置Rstudio的下載鏡像嗎？ 生信星球原創(chuàng) 。
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：
2.1 確保聯(lián)網(wǎng)。
2.2 通過命令行安裝：安裝命令是install.packages(“包”)或者BiocManager::install(“包”)。
2.3. 直接下載后安裝：- 加載：
library(包)
require(包)
library(dplyr)
載入程輯包：‘dplyr’
The following objects are masked from ‘package:stats’:
filter, lag
The following objects are masked from ‘package:base’:
intersect, setdiff, setequal, union
二、dplyr五個(gè)基礎(chǔ)函數(shù)
測試數(shù)據(jù)：提取了iris數(shù)據(jù)集的第1、2、51、52、101、102行數(shù)據(jù)。
- mutate(),新增列。
mutate(test, new = Sepal.Length * Sepal.Width)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species new
1 5.1 3.5 1.4 0.2 setosa 17.85
2 4.9 3.0 1.4 0.2 setosa 14.70
3 7.0 3.2 4.7 1.4 versicolor 22.40
4 6.4 3.2 4.5 1.5 versicolor 20.48
5 6.3 3.3 6.0 2.5 virginica 20.79
6 5.8 2.7 5.1 1.9 virginica 15.66
- select(),按列篩選：
(1)按列號篩選。
> select(test,1)
Sepal.Length
1 5.1
2 4.9
51 7.0
52 6.4
101 6.3
102 5.8
select(test,c(1,5))
Sepal.Length Species
1 5.1 setosa
2 4.9 setosa
51 7.0 versicolor
52 6.4 versicolor
101 6.3 virginica
102 5.8 virginica
select(test,c(1,5))
Sepal.Length Species
1 5.1 setosa
2 4.9 setosa
51 7.0 versicolor
52 6.4 versicolor
101 6.3 virginica
102 5.8 virginica
(2)按列名篩選。
select(test, Petal.Length, Petal.Width)
Petal.Length Petal.Width
1 1.4 0.2
2 1.4 0.2
51 4.7 1.4
52 4.5 1.5
101 6.0 2.5
102 5.1 1.9
View(vars)
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))
Petal.Length Petal.Width
1 1.4 0.2
2 1.4 0.2
51 4.7 1.4
52 4.5 1.5
101 6.0 2.5
102 5.1 1.9
3.filter()篩選行。
%in%:此運(yùn)算符用于標(biāo)識元素是否屬于向量。
filter(test, Species == "setosa")
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
filter(test, Species == "setosa"&Sepal.Length > 5 )
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
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
4.arrange(),按某1列或某幾列對整個(gè)表格進(jìn)行排序。默認(rèn)從小到大排序。desc() 降序
arrange(test, Sepal.Length)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 4.9 3.0 1.4 0.2 setosa
2 5.1 3.5 1.4 0.2 setosa
3 5.8 2.7 5.1 1.9 virginica
4 6.3 3.3 6.0 2.5 virginica
5 6.4 3.2 4.5 1.5 versicolor
6 7.0 3.2 4.7 1.4 versicolor
arrange(test, desc(Sepal.Length))
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 7.0 3.2 4.7 1.4 versicolor
2 6.4 3.2 4.5 1.5 versicolor
3 6.3 3.3 6.0 2.5 virginica
4 5.8 2.7 5.1 1.9 virginica
5 5.1 3.5 1.4 0.2 setosa
6 4.9 3.0 1.4 0.2 setosa
5.summarise()：匯總，對數(shù)據(jù)進(jìn)行匯總操作,結(jié)合group_by使用實(shí)用性強(qiáng)。
summarise(test, mean(Sepal.Length), sd(Sepal.Length))
mean(Sepal.Length) sd(Sepal.Length)
1 5.916667 0.8084965
group_by(test, Species)
# A tibble: 6 x 5
# Groups: Species [3]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
<dbl> <dbl> <dbl> <dbl> <fct>
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3 1.4 0.2 setosa
3 7 3.2 4.7 1.4 versicolor
4 6.4 3.2 4.5 1.5 versicolor
5 6.3 3.3 6 2.5 virginica
6 5.8 2.7 5.1 1.9 virginica
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 3 x 3
Species `mean(Sepal.Length)` `sd(Sepal.Length)`
<fct> <dbl> <dbl>
1 setosa 5 0.141
2 versicolor 6.7 0.424
3 virginica 6.05 0.354
5.dplyr兩個(gè)實(shí)用技能：
5.1 管道操作 %>% (cmd/ctr + shift + M)
在地鐵上查閱了相關(guān)文章，終于搞清楚了什么是管道操作，具體解釋參考：R語言中管道操作 CSDN %>%, %T>%, %$% 和 %<>% 。
5.2 count統(tǒng)計(jì)某列的unique值
.>6. dplyr處理關(guān)系數(shù)據(jù)：
6.1.內(nèi)連inner_join,取交集：
6.2.左連left_join：
6.3.全連full_join：
6.4.半連接：返回能夠與y表匹配的x表所有記錄。
6.5.反連接：返回?zé)o法與y表匹配的x表的所記錄anti_join。
6.6.簡單合并。
