Day6生信入门—R包

R语言有丰富的图表和Biocductor上面的各种生信分析R包。

下面以dplyr为例，学习R包

安装和加载R包

初级模式

通过options()$repos检验

升级模式

为了保证可以自定义CRAN和Bioconductor的下载镜像，只需要运行这两行代码即可：

options函数就是设置R运行过程中的一些选项设置

options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #对应清华源

options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #对应中科大源

  当然可以换成其他地区的镜像

BU这种方法还是有问题，下次再打开Rstudio，下载Bioconductor还是会回到官方镜像，可以查询options()$BioC_mirror，如果依然是自己设置的国内镜像，就不用管了；如果发现需要再重新运行一遍代码进行设置，那么使用下面的高级模式

### 高级模式

使用R的配置文件.Rprofile

1）首先用file.edit()来编辑文件：file.edit('~/.Rprofile')

2) 然后在左上添加两行options代码：

options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #对应清华源

options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #对应中科大源

option 代码

3）保存➡️重启Rstudio，再运行一下：

options()$repos 和

options()$BioC_mirror

就发现已经配置好了，就很方便地省了手动运行的步骤

2. 安装

【确保联网再操作！！！】

R包安装命令是install.packages(“包”)或者BiocManager::install(“包”)。取决于要安装的包存在于CRAN网站还是Biocductor，存在于哪里➡️可以谷歌搜到。

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。

安装加载三部曲

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)

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),]

dplyr五个基础函数

🌟🌟🌟注意，井号开头的是代码运行记录。可以和自己的运行结果做对比

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,Sepal.Length)

select(test,c(1,5))

##### 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))

# dplyr两个实用技能

## 1：管道操作 %>% (cmd/ctr + shift + M)

（加载任意一个tidyverse包即可用管道符号）

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

## 2：count统计某列的unique值

count(test,Species)

# dplyr处理关系数据

即将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. 内连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

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)