您现在的位置是：首页 > 其他

当前栏目

day6-白雪

2023-02-25 18:19:49 时间

引用于微信公众号生信星球须知

R包是多个函数的集合，具有详细的说明和示例。#含有多个函数使用的代码以及方法

R包的安装和加载

镜像设置

# 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
> options()$BioC_mirror #查看镜像
[1] "https://mirrors.ustc.edu.cn/bioc/"

在这个过程中你可能会发现问题，例如下次在进到rstudio的话，查看镜像，又不在了，怎么办呢

说起来这个，就必须提到Rstudio最重要的两个配置文件：在刚开始运行Rstudio的时候，程序会查看许多配置内容，其中一个就是.Renviron，它是为了设置R的环境变量（这里先不说它）；而.Rprofile就是一个代码文件，如果启动时找到这个文件，那么就替我们先运行一遍（这个过程就是在启动Rstudio时完成的）

就是在运行Rstudio的时候，先读一下.Rprofile中的代码

用

file.edit('~/.Rprofile')  #编辑.Rprofile

之后在脚本编辑区输入设置镜像的代码

保存，重启Rstudio即可

安装（必须要联网）

R包的安装命令

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。,首先得知道你要安装什么包，安装包完成后，才可以使用包里面的函数 已安装dplyr为例

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) #dplyr下载的是一个安装包，解压在输，要不报错

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 的五个基础函数

mutate(),新增列

> mutate(test, new = Sepal.Length * Sepal.Width) #新增一列，列名new,包含元素等于Sepal.Length * Sepal.Width这两列想乘
    Sepal.Length Sepal.Width Petal.Length Petal.Width
1            5.1         3.5          1.4         0.2
2            4.9         3.0          1.4         0.2
51           7.0         3.2          4.7         1.4
52           6.4         3.2          4.5         1.5
101          6.3         3.3          6.0         2.5
102          5.8         2.7          5.1         1.9
       Species   new
1       setosa 17.85
2       setosa 14.70
51  versicolor 22.40
52  versicolor 20.48
101  virginica 20.79
102  virginica 15.66

select(),按列筛选
- 按列号筛选

> select(test,1) #筛选第一列
    Sepal.Length
1            5.1
2            4.9
51           7.0
52           6.4
101          6.3
102          5.8
> select(test,c(1,5)) #筛选第一列和第五烈
    Sepal.Length    Species
1            5.1     setosa
2            4.9     setosa
51           7.0 versicolor
52           6.4 versicolor
101          6.3  virginica
102          5.8  virginica
> select(test,Sepal.Length) #筛选Sepal.Length这一列
    Sepal.Length
1            5.1
2            4.9
51           7.0
52           6.4
101          6.3
102          5.8

按列名筛选

> select(test, Petal.Length, Petal.Width) #筛选Petal.Length, Petal.Width这两列
    Petal.Length Petal.Width
1            1.4         0.2
2            1.4         0.2
51           4.7         1.4
52           4.5         1.5
101          6.0         2.5
102          5.1         1.9
> vars <- c("Petal.Length", "Petal.Width") #赋值vars为c("Petal.Length", "Petal.Width")
> select(test, one_of(vars)) #筛选test中，跟vars中一致的列
    Petal.Length Petal.Width
1            1.4         0.2
2            1.4         0.2
51           4.7         1.4
52           4.5         1.5
101          6.0         2.5
102          5.1         1.9

filter()筛选行

> filter(test, Species == "setosa") #筛选Species是setosa的行
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          5.1         3.5          1.4         0.2
2          4.9         3.0          1.4         0.2
  Species
1  setosa
2  setosa
> filter(test, Species == "setosa"&Sepal.Length > 5 ) #筛选Species是setosa的行，并且Sepal.length大于5
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
> filter(test, Species %in% c("setosa","versicolor")) #筛选Species 在c("setosa","versicolor") 中的行
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          5.1         3.5          1.4         0.2
2          4.9         3.0          1.4         0.2
3          7.0         3.2          4.7         1.4
4          6.4         3.2          4.5         1.5
     Species
1     setosa
2     setosa
3 versicolor
4 versicolor

arrange(),按某1列或某几列对整个表格进行排序

> arrange(test, Sepal.Length) ##默认Sepal.Lengt从小到大排序
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          4.9         3.0          1.4         0.2
2          5.1         3.5          1.4         0.2
3          5.8         2.7          5.1         1.9
4          6.3         3.3          6.0         2.5
5          6.4         3.2          4.5         1.5
6          7.0         3.2          4.7         1.4
     Species
1     setosa
2     setosa
3  virginica
4  virginica
5 versicolor
6 versicolor
> arrange(test, desc(Sepal.Length)) #用desc对Sepal.Leng从大到小
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          7.0         3.2          4.7         1.4
2          6.4         3.2          4.5         1.5
3          6.3         3.3          6.0         2.5
4          5.8         2.7          5.1         1.9
5          5.1         3.5          1.4         0.2
6          4.9         3.0          1.4         0.2
     Species
1 versicolor
2 versicolor
3  virginica
4  virginica
5     setosa
6     setosa

summarise()：汇总

> summarise(test, mean(Sepal.Length), sd(Sepal.Length)) #mean平均值，sd：标准差
  mean(Sepal.Length) sd(Sepal.Length)
1           5.916667        0.8084965
> group_by(test, Species) #把test的内容按照Species进行分组
# A tibble: 6 × 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 versicol…
4          6.4         3.2          4.5         1.5 versicol…
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)) #计算每组的 mean(Sepal.Length)和  sd(Sepal.Length))
# A tibble: 3 × 3
  Species    `mean(Sepal.Length)` `sd(Sepal.Length)`
  <fct>                     <dbl>              <dbl>
1 setosa                     5                 0.141
2 versicolor                 6.7               0.424
3 virginica                  6.05              0.354

dplyr

1：管道操作 %>% (cmd/ctr + shift + M) #我们可以将其理解为车间里的流水线，经过前一步加工的产品才能进入后一步进一步加工，其作用是将前一步的结果直接传参给下一步的函数，从而省略了中间的赋值步骤，可以大量减少内存中的对象，节省内存。引用自微信公众号生信星球

微信图片_20230114180548.png

count统计某列的unique值计算数据对象（vector、dataframe）的unique独特值： unique函数从vector向量、dataframe 中删除重复项、删除dataframe重复行

> count(test,Species)
     Species n
1     setosa 2
2 versicolor 2
3  virginica 2

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

1.內连inner_join,取交集

> inner_join(test1, test2, by = "x") #x列相等的内容
  x z y
1 b A 2
2 e B 5
3 f C 6

2.左连left_join

> left_join(test1, test2, by = 'x') #test1不变，test2在x处相等的内容显示出来，没有的为NA
  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') 同上
  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

3.全连full_join

> full_join( test1, test2, by = 'x') #将test1和test2根据X合并成一个，没有的内容直接显示NA
  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

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') #显示出x的位置，1表与2表相匹配的元素

  x z
1 b A
2 e B
3 f C

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') #显示2表中x与1表不同的数据
  x y
1 a 1
2 c 3
3 d 4

简单合并

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
  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

复习