R语言中最重要的就是R包的使用。
1.R包的加载和安装
每次使用一个新的R包时,都要完成以下3步:
1a.镜像设置
可参考:你还在每次配置Rstudio的下载镜像吗? (qq.com)
但这个方法并不适用于每个电脑,有一部分会失败。失败的话就每次需要下载R包时运行这两句代码即可。
1b.R包的安装
在联网的前提下,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。
1c.R包的加载
library(包)
和require(包)
均可完成加载。
2.dplyr五个基础函数
dplyr包主要用于数据清洗和整理,主要功能有:行选择、列选择、统计汇总、窗口函数、数据框交集等是非常高效、友好的数据处理包,学清楚了,能大大提高数据处理及分析效率。
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),]
2a.1.mutate(),新增列
mutate(test, new = Sepal.Length * Sepal.Width)
2b.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))
2c.filter()筛选行
filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))
2d.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从大到小排序
2e.summarise():进行汇总
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))
3.dplyr两个实用技能
(加载任意一个tidyverse包即可用管道符号)
3a.管道操作 %>% (cmd/ctr + shift + M)
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
3b:count统计某列的unique值
count(test,Species)
4.dplyr处理关系数据
即将2个表进行连接,P.s:不要引入factor
options(stringsAsFactors = F)
test1 <- data.frame(x = c('b','e','f','x'),
z = c("A","B","C",'D'),
stringsAsFactors = F)
test1
test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6),
stringsAsFactors = F)
test2
stringsAsFactors = FALSE
:此时数据框将不会默认把字符型转化为因子,运行代码。可参考:R语言数据框中的stringsAsFactors参数
4a.內连inner_join,取交集
inner_join(test1, test2, by = "x")
4b.左连left_join
left_join(test1, test2, by = 'x')
left_join(test2, test1, by = 'x')
4c.全连full_join
full_join( test1, test2, by = 'x')
4d.半连接:返回能够与y表匹配的x表所有记录
semi_join(x = test1, y = test2, by = 'x')
4e.反连接:返回无法与y表匹配的x表的所记录
anti_join(x = test2, y = test1, by = 'x')
4f.简单合并
在相当于base包里的cbind()函数和rbind()函数;
P.s: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)