day3 学习R包（from 花花）

一、安装和加载R包

1.镜像设置

安装好R和RStudio后需要设置好镜像。镜像网站相当于主网站的副本，访问主网站存在障碍时，访问镜像网站也可。存放R包的网站位于国外，选择国内的镜像可加快访问速度。

1|options("repos"=c(CRAN="http://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
2|options(BioC_mirror="https://mirrors.westlake.edu.cn/bioconductor")

2.安装

R包安装命令是install.packages()或者BiocManager::install()。具体使用哪一个是取决于你要安装的包存在于CRAN网站还是Biocductor，怎么知道存在于哪里呢？可以谷歌必应搜到的。

安装来自cran的stringr包：

install.packages("stringr")

安装来自Biocductor的limma包：

BiocManager::install("limma")

3.加载

library和require，两个函数均可。使用一个包，是需要先安装再加载，才能使用包里的函数。

install.packages("dplyr")    #安装

library(dplyr)    #加载，加载没问题如下图所示

二、dplyr五个基础函数

示例数据直接使用内置数据集iris的简化版:

test <- iris[c(1:2,51:52,101:102),]

1.mutate(),新增列

mutate(test, new = Sepal.Length * Sepal.Width)

2.select(),按列筛选

(1)按列号筛选

select(test,1)

select(test,c(1,5))

select(test,Sepal.Length)

(2)按列名筛选

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

vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))

3.filter()筛选行

filter(test, Species == "setosa")

filter(test, Species == "setosa"&Sepal.Length > 5 )

filter(test, Species %in% c("setosa","versicolor"))

4.arrange(),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

5.summarise()：汇总

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))

三、dplyr两个实用技能

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 

count(test,Species)

四、dplyr处理关系数据

将2个表进行连接 

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

1.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

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

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')

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')

 6.简单合并

 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
  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)
  x  y
#1 1 10
#2 2 20
#3 3 30
#4 4 40
#5 5 50
#6 6 60
> bind_cols(test1, test3)
  x  y   z
#1 1 10 100
#2 2 20 200
#3 3 30 300
#4 4 40 400