DAY06-R包学习

原创

靓且有猫

发布于 2024-06-16 14:41:09

1170

安装和加载R包

（1）镜像设置

options("repos"=c(CRAN="http://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="http://mirrors.tuna.tsinghua.edu.cn/bioconductor")

（2）安装

install.packages("BiocManager")
BiocManager::install("limma")

(3)加载

options("repos"=c(CRAN="http://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.westlake.edu.cn/bioconductor")
install.packages("dplyr")
library(dplyr)

dplyr五个基础函数

1.mutate()，新增列

test <- iris[c(1:2,51:52,101:102),] #如果你的目的是选择 iris 数据集的第 1-2 行，第 51-52 行和第 101-102 行的所有列，你需要使用逗号 , 在子集选择中明确区分行和列。iris[c(1:2, 51:52, 101:102)]逗号尝试选择特定的行，但是语法实际指向了列，因为没有指定列的选择
mutate(test,new = Sepal.Length*Sepal.Width)

按列筛选（1）按行号筛选

select(test,1) #test的第一行所有数据
select(test,c(1,5)) # 
select(test,Sepal.Length)

（2）按照列名筛选

select(test,Sepal.Length)
select(test,Petal.Length,Petal.Width)

3.filter筛选

filter(test, Species == "setosa") #筛选 Species 为 "setosa" 的行
filter(test, Species == "setosa"&Sepal.Length > 5) #筛选 Species 为 "setosa" 且 Sepal.Length 大于 5 的行
filter(test, Species %in% c("setosa","versicolor"))  #筛选 Species 为 "setosa" 或 "versicolor" 的行

4.arrange(),按某1列或某几列对整个表格进行排序

arrange(test, Sepal.Length) #按照Sepal.Length的值，重排列行，默认从小到大排序
arrange(test, desc(Sepal.Length)) #用desc从大到小

5.summarise()：汇总

summarise(test, mean(Sepal.Length), sd(Sepal.Length)) # mean()计算Sepal.Length的平均值, sd()计算标准差
# 一个组合应用实例： 先按照Species分组，再计算每组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))

dplyr使用技能

1：管道操作 %>% (cmd/ctr + shift + M)

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

2:count统计某列的unique值

dplyr处理关系数据

将两个表进行链接

test1 <- data.frame(x = c('b','e','f','x'), 
                    z = c("A","B","C",'D'))
test1
test2 <- data.frame(x = c('a','b','c','d','e','f'), 
                    y = c(1,2,3,4,5,6))
test2

內连inner_join,取交集

inner\\_join(test1, test2, by = "x")

2.左连left_join

left_join(test1, test2, by = 'x') 
left_join(test2, test1, by = 'x')

3.全连full_join

left_join(test2, test1, by = 'x') # 全连, 把test 1，test2 以x为准合并，长表变短表

4.半连接：返回能够与y表匹配的x表所有记录semi_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，不合并两表格，只针对x操作

5.反连接：返回无法与y表匹配的x表的所记录anti_join

anti_join(x = test2, y = test1, by = 'x') # 反向半连接，返回不能够与y表匹配的x表所有记录，不合并两表格，只针对x操作

6.简单合并

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)