本文内容均来自花花老师生信星球学习小组
R包是多个函数的集合,具有详细的说明和示例。
options("repos"=c(CRAN="http://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="http://mirrors.tuna.tsinghua.edu.cn/bioconductor/")
确保联网操作
谷歌必应搜索需要的R包存在于CRAN网站还是Biocductor
install.packages("stringr")#安装来自cran的stringr包
BiocManager::install("limma")#安装来自Biocductor的limma包
加载R包的两个函数library
和require
二者均可
library(dplyr)
R包使用流程:先安装后加载,然后才能使用包里的函数
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #设置镜像options(BioC_mirror="http://mirrors.tuna.tsinghua.edu.cn/bioconductor/")#镜像
install.packages("dplyr")#安装
library(dplyr)#加载
使用内置数据集iris的简化版
赋值给变量test
test <- iris[c(1:2,51:52,101:102),]
新增列
mutate(test, new = Sepal.Length * Sepal.Width)
按列筛选
select(test,1)
select(test,c(1,5))
select(test,Sepal.Length)
select(test, Petal.Length, Petal.Width)
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))
筛选行
filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))
按某1列或某几列对整个表格进行排序
arrange(test, Sepal.Length)#默认从小到大排序
arrange(test, desc(Sepal.Length))#用desc从大到小
对数据进行汇总操作,结合group_by使用实用性强
summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差
# 先按照Species分组,计算每组Sepal.Length的平均值和标准差
group_by(test, Species)
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
count(test,Species)
将2个表进行连接
test1 <- data.frame(x = c('b','e','f','x'),
z = c("A","B","C",'D'))
test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6))
inner_join(test1, test2, by = "x") #內连inner_join,取交集
left_join(test1, test2, by = 'x') #左连left_join
left_join(test2, test1, by = 'x') #左连left_join
full_join( test1, test2, by = 'x') #全连full_join
semi_join(x = test1, y = test2, by = 'x') #半连接:返回能够与y表匹配的x表所有记录semi_join
anti_join(x = test2, y = test1, by = 'x') #反连接:返回无法与y表匹配的x表的所记录anti_join
#简单合并:在相当于base包里的cbind()函数和rbind()函数;注意,bind_rows()函数需要两个表格列数相同,而bind_cols()函数则需要两个数据框有相同的行数
test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
test1
test2 <- data.frame(x = c(5,6), y = c(50,60))
test2
test3 <- data.frame(z = c(100,200,300,400))
test3
bind_rows(test1, test2)
bind_cols(test1, test3)
?sd
作者写的网页版教程,不是每个R包都有
browseVignettes("limma")
本文系转载,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文系转载,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。