配置下載鏡像
options()$repos,options()$BioC_mirror檢查鏡像源
- Tools--Global options--Packages--CRAN mirrors--change
options函數(shù)就是設(shè)置R運(yùn)行過程中的一些選項(xiàng)設(shè)置
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #對應(yīng)清華源
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #對應(yīng)中科大源
3.配置Rprofile文件
- .Rprofile是一個代碼文件，如果啟動時找到這個文件，那么就替我們先運(yùn)行一遍
- .Renviron，是啟動時設(shè)置R的環(huán)境變量
file.edit('~/.Rprofile')
腳本框輸入
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
保存后重啟即可。
安裝
install.packages(“包”) #包在CRAN
或者
BiocManager::install(“包”) #包在Biocductor
加載
library(包)
require(包)
以dplyr為例
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)
數(shù)據(jù)
test <- iris[c(1:2,51:52,101:102),]
1.png
dplyr五個基礎(chǔ)函數(shù)
- mutate(),新增列
mutate(test, new = Sepal.Length * Sepal.Width)#新增一列，列名new=sepal.length*sepal.width
1.png
- select(),按列篩選
select(test,1) #第一列
select(test,c(1,5)) #第一列和第五列
select(test,Sepal.Length) #Sepal.Length列
3.filter()篩選行
filter(test, Species == "setosa") #篩選species為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 )# 篩選species為setosa，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
x %in% y，判斷x是否存在于y中， 存在即TURE,不存在及FALSE。
- arrange(),按某1列或某幾列對整個表格進(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
summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 計(jì)算Sepal.Length的平均值和標(biāo)準(zhǔn)差
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))#按speciesfen后計(jì)算mean和sd
dplyr兩個實(shí)用技能
- 管道操作 %>% (cmd/ctr + shift + M)
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
等于
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
- count統(tǒng)計(jì)某列的unique值
count(test,Species)
## # A tibble: 3 x 2
## Species n
##
## 1 setosa 2
## 2 versicolor 2
## 3 virginica 2
dplyr處理關(guān)系數(shù)據(jù)
數(shù)據(jù)準(zhǔn)備
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)
1.png
- 內(nèi)連inner_join,取交集
inner_join(test1, test2, by = "x") #根據(jù)x取test1、test2的交集
- 左連left_join
left_join(test1, test2, by = 'x') #按表一最左側(cè)行數(shù)對其，對其標(biāo)準(zhǔn)為x
left_join(test2, test1, by = 'x') #按表二最左側(cè)行數(shù)對其，對其標(biāo)準(zhǔn)為x
- 全連full_join
full_join( test1, test2, by = 'x')
- 半連接：返回能夠與y表匹配的x表所有記錄semi_join
semi_join(x = test1, y = test2, by = 'x') #合并表格，輸出x相同的
- 反連接：返回?zé)o法與y表匹配的x表的所記錄anti_join
anti_join(x = test2, y = test1, by = 'x')
## x y
## 1 a 1
## 2 c 3
## 3 d 4
- 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)需要兩個表格列數(shù)相同，而bind_cols()函數(shù)則需要兩個數(shù)據(jù)框有相同的行數(shù)
test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
test1
## x y
## 1 1 10
## 2 2 20
## 3 3 30
## 4 4 40
test2 <- data.frame(x = c(5,6), y = c(50,60))
test2
## x y
## 1 5 50
## 2 6 60
test3 <- data.frame(z = c(100,200,300,400))
test3
## z
## 1 100
## 2 200
## 3 300
## 4 400
bind_rows(test1, test2)# 按列合并
## x y
## 1 1 10
## 2 2 20
## 3 3 30
## 4 4 40
## 5 5 50
## 6 6 60
bind_cols(test1, test3) #按行合并
## x y z
## 1 1 10 100
## 2 2 20 200
## 3 3 30 300
## 4 4 40 400
