生信星球学习小组Day6-R包学习 Jerry

原创

jerry早点睡

发布于 2023-08-12 14:42:11

1780

发布于 2023-08-12 14:42:11

文章被收录于专栏：jerry的学习笔记jerry的学习笔记

今天是学习小组学习的第6天，主要是学习了解R包

1. 安装和加载R包

R包是多个函数的集合

a. 镜像设置

（1）在Rstudio程序设置中设置，可以用options()$repos来检验，但有时候还是不能成功，也不能下载Bioconductor的包

（2）代码设置

# 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
# 可以换成其他地区的镜像

但这种方法每次打开Rstudio都要运行一遍镜像配置，可以查询options()$BioC_mirror 检验

(3) 用到R的配置文件 .Rprofile

b. 安装

确保联网后，用命令nstall.packages(“包”)或者BiocManager::install(“包”)安装需要的包

c. 加载

library和require，两个函数均可，加载后才可以使用包

整个流程的代码

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)

test <- iris[c(1:2,51:52,101:102),]  #示例数据

2. dplyr五个基础函数

a. mutate(),新增列

mutate(test, new = Sepal.Length * Sepal.Width)
# 新增一列new

b. select(),按列筛选

# (1)按列号筛选
select(test,1)
select(test,c(1,5))
selec(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))

c. filter()筛选行

filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))

d. 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

e. summarise()：汇总

对数据进行汇总,结合group_by实用性强

summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 计算Sepal.Length的平均值和标准差
##   mean(Sepal.Length) sd(Sepal.Length)
## 1           5.916667        0.8084965
# 先按照Species分组，计算每组Sepal.Length的平均值和标准差
group_by(test, Species)
## # A tibble: 6 x 5
## # Groups:   Species [3]
##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species   
## *        <dbl>       <dbl>        <dbl>       <dbl> <fct>     
## 1          5.1         3.5          1.4         0.2 setosa    
## 2          4.9         3            1.4         0.2 setosa    
## 3          7           3.2          4.7         1.4 versicolor
## 4          6.4         3.2          4.5         1.5 versicolor
## 5          6.3         3.3          6           2.5 virginica 
## 6          5.8         2.7          5.1         1.9 virginica
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
## # A tibble: 3 x 3
##   Species    `mean(Sepal.Length)` `sd(Sepal.Length)`
##   
## 1 setosa                     5                 0.141
## 2 versicolor                 6.7               0.424
## 3 virginica                  6.05              0.354

3. dplyr两个实用技能

a. 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))
#管道上一个输出赋给了下一个输入

b. count统计某列的unique值

count(test,Species)
## # A tibble: 3 x 2
##   Species        n
##   
## 1 setosa         2
## 2 versicolor     2
## 3 virginica      2

4. dplyr处理关系数据

连接两表

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

a. 內连inner_join,取交集

inner_join(test1, test2, by = "x") #不加by会自动获取相同的列名
##   x z y
## 1 b A 2
## 2 e B 5
## 3 f C 6

b. 左连left_join

left_join(test1, test2, by = 'x') #以左边为准
##   x z  y
## 1 b A  2
## 2 e B  5
## 3 f C  6
## 4 x D <NA>
left_join(test2, test1, by = 'x') #右连接则是right_join
##   x y    z
## 1 a 1  <NA>
## 2 b 2    A
## 3 c 3  <NA>
## 4 d 4  <NA>
## 5 e 5    B
## 6 f 6    C

c. 全连full_join

full_join( test1, test2, by = 'x')
##   x    z  y
## 1 b    A  2
## 2 e    B  5
## 3 f    C  6
## 4 x    D NA
## 5 a <NA>  1
## 6 c <NA>  3
## 7 d <NA>  4

d. 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')
##   x z
## 1 b A
## 2 e B
## 3 f C

e. 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')
##   x y
## 1 a 1
## 2 c 3
## 3 d 4

f. 简单合并

相当于base包里的cbind()函数和rbind()

bind_rows()要求两表列数相同，而bind_cols()函数要求两个数据框行数相同

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

示例代码来自微信公众号生信星球

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。

学习笔记

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。

学习笔记

登录后参与评论

0 条评论

热度