Day6-蓝色柠檬

原创

用户10817043

发布于 2023-11-04 16:28:37

2190

发布于 2023-11-04 16:28:37

文章被收录于专栏：生信学习小组-花花老师学生

今天的任务是学习R包。以dplyr包的安装加载和使用为例进行学习，因为R包之间的使用是相通的，掌握了一个，后面的可以通过具体代码的学习进行使用。dplyr这个包我以前没有接触过，从这个入手，又能学习到新东西真不错。

一、软件的安装

镜像设置就是为了加快R包的安装下载速度，节约时间。

# 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
install.packages("dplyr")
library(dplyr)

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

二、dplyr五个基础函数

2.1mutate(),新增列

test <- iris[c(1:2,51:52,101:102),] #示例数据直接使用内置数，据集iris的简化版，test是内置数据集的1/2/51/52/101/102行
mutate(test, new = Sepal.Length * Sepal.Width)

test赋值的是从iris中提取的数值，如下图所示。

2.12.select(),按列筛选

select(test,3) #筛选第3列内容
select(test,c(1,3)) #筛选1、3列内容
select(test,Sepal.Length) #筛选列名为Sepal.Length的数据
vars <- c("Petal.Length", "Petal.Width") #把Petal.Length", "Petal.Width命名为vars
select(test, one_of(vars)) #筛选vars的数据

2.3filter()筛选行

filter(test, Species == "setosa") #筛选行内容有setosa的数据
filter(test, Species == "setosa"&Sepal.Length > 5 ) #筛选行内有setosa，且Sepal.Length > 5的数据
filter(test, Species %in% c("setosa","versicolor")) 3#筛选行内容有setosa、versicolor的数据，这个 %in%不知带什么含义操作方法，我推测和vars赋值的含义差不多。

2.4arrange(),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

2.5summarise()：汇总

summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差
group_by(test, Species) #先按照Species分组
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length)) #计算每组Sepal.Length的平均值和标准差

三、dplyr两个实用技能

3.1管道操作 %>% (cmd/ctr + shift + M)

加载tidyverse包后才可用 %>%

install.packages("tidyverse")
library(tidyverse) #首先安装并加载tidyverse
test %>% 
  group_by(Species) %>% 
  summarise(mean(Sepal.Length), sd(Sepal.Length))

哪些报错了，哪些目前可以使用，在加载时展示出来，如果暂时不需要用到，也没有Error就可以往后继续进行。

3.2count统计某列的unique值

count(test,Species)

四、dplyr处理关系数据

首先先手动输入两个test的表格

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))

4.1內连inner_join,取交集

inner_join(test1, test2, by = "x")

4.2左连left_join

left_join(test1, test2, by = 'x') #以test1的x为依据进行数据提取
left_join(test2, test1, by = 'x') #以test2的x为依据进行数据提取

结果如下：

4.3全连full_join

full_join( test1, test2, by = 'x') #把数据全部展示出来，同时能够从x处找到交集的放在上面，不能找到的放在下面，但是要都表现出来

4.4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')

4.5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')

4.6简单合并

test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
test2 <- data.frame(x = c(5,6), y = c(50,60))
test3 <- data.frame(z = c(100,200,300,400)) #给test1/2/3赋值，此时的test1/2与上面操作中的就不同了
bind_rows(test1, test2) #需要两个表格列数相同
bind_cols(test1, test3) #需要两个数据框有相同的行数

写在最后，今天成功手动安装了RStutio的镜像设置，练习了dplyr的使用。R包的功能很强大，可以通过搜索进行应用。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

dplyr

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

dplyr

登录后参与评论

0 条评论

热度