生信技能树七天学习小组 Day6笔记——学习R包

原创

可乐同学与生信死磕到底

发布于 2024-03-28 21:27:32

640

发布于 2024-03-28 21:27:32

文章被收录于专栏：今天我入门生信了吗？今天我入门生信了吗？

呜呜今天是补昨天的内容昨天临床任务太多只看了一下要学习的内容没有做笔记T T

1 安装和加载R包

1.1 镜像设置

1.2 安装

install.packages()/BiocManager::install()

取决于包是来源于CRAN网站还是Bioconductor

1.3 加载

library/require

options("repos" = c(CRAN="[https://mirrors.tuna.tsinghua.edu.cn/CRAN/](https://mirrors.tuna.tsinghua.edu.cn/CRAN/)")) 
options(BioC\_mirror="[https://mirrors.ustc.edu.cn/bioc/](https://mirrors.ustc.edu.cn/bioc/)") 
install.packages("dplyr")
library(dplyr)

2 dplyr的五个基础函数

test <- irisc(1:2,51:52,101:102),

2.1 mutate(),新增列

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

2.2 select(),按列筛选

2.2.1 按列号筛选

select(test,1)
select(test,c(1,5))

2.2.2 按列名筛选

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

2.3 filter()筛选行

filter(test, Species **==** "setosa")

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

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

2.4 arrange()按照某1列/某几列对整个表格进行排序

arrange()默认从小到大排序

arrange(test, Sepal.Length)

用desc()从大到小排序

arrange(test, desc(Sepal.Length))

2.5 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))

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

3 dplyr的两个实用技能

3.1 管道操作 %>% (ctr + shift + M)

可以在 R 中使用管道运算符 ( %>% ) 将一系列操作“通过管道”连接在一起，该运算符最常与 R 中的dplyr包一起使用，以对数据帧执行一系列操作。

管道运算符只是将一个操作的结果传递到其下面的下一个操作。

使用管道运算符的优点是它使代码非常易于阅读。

https://statorials.org/cn/%E7%AE%A1%E5%AD%90/ https://blog.csdn.net/qq_45794091/article/details/127770633

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

3.2 count统计某列的unique值

count(test,Species)

4 dplyr处理关系数据——将两个表进行连接

4.1 內连inner_join,取交集

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

生成test1、test2两个数据框

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

4.2 左连 left_join

以左侧的那个数据框为准

4.3 全连 full_join

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

4.4 半连接：返回能够与y表匹配的x表所有记录semi_join

定义x表与y表

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

定义x表与y表

anti_join(x = test2, y = test1, by = 'x')

4.6 简单合并

bind_rows()函数需要两个表格列数相同

bind_cols()函数则需要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
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)

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