生信星球学习小组-Day6学习笔记--学习R包
2023-03-07 09:08:50 时间
安装和加载R包
1.配置镜像
为了一劳永逸地完成镜像配置,我们需要在将镜像链接设置在R的初始配置文件.Rprofile
里。
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) # CRAN的清华镜像源
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") # Bioconductor的中科大镜像源
2.安装R包
R包安装命令是install.packages(“R包名”)
或者BiocManager::install(“R包名”)
3.加载R包
一般使用library(“R包名”)
加载R包
dplyr包的学习
1.五个基本函数
首先构建一个储存数据的变量test
- 新增一列数据
mutate()
- 挑选不同列的数据
select()
① 按照每列的编号筛选
② 按照每列的列名筛选
- 筛选不同行的数据
filter()
- 按某1列或某几列对整个表格进行排序
arrange()
- 汇总
summarise()
2.连接不同的数据框
- 按一定规则进行连接
首先创建数据框并赋值
- 简单合并数据框`
首先创建数据框
3.实用技巧
- 管道操作
%>%
test %>% group_by(Species) %>% summarise(mean(Sepal.Length), sd(Sepal.Length))
# %>% 意思就将前面的内容作为后面的处理对象,依次执行下去
# 与下面这行代码处理效果一致
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
- 统计某列不同元素的个数
count()
相关文章
- 【java8】java新特性(一)——全局观
- 介绍最新的 AWS 勇士 – 2021 年 6 月
- 零代码实现基于机器学习的游戏运营优化
- Amazon SageMaker使用数十亿条参数简化深度学习模型训练
- AWS DeepRacer League’s 2021 年赛季推出新的公开和专业赛组
- 使用Amazon SageMaker将基于机器学习的实时洞见分析引入英式橄榄球运动
- 使用Amazon SageMaker Ground Truth为机器学习工作流构建实时数据标记管道
- python mpi学习
- 使用 Amazon Personalize 在 StockX 上拓展个性化用户体验
- 手把手教你玩转 Kubeflow on EKS(二)
- 手把手教你玩转 Kubeflow on EKS(一)
- 使用 Strongswan 建立到阿里云 VPN 的访问链路
- AWS COVID-19 知识图谱的构建与查询
- Amazon SageMaker Edge Manager 简化了边缘设备上的机器学习模型操作
- Amazon SageMaker JumpStart 简化了对预构建模型和机器学习解决方案的访问过程
- re:Invent 2020 博客直播:机器学习主题演讲
- 在 Amazon EKS 中搭配使用 Portworx 云原生存储运行高可用微软 SQL Server 容器
- 无代码机器学习:AutoGluon、Amazon SageMaker 与 AWS Lambda 合力加持 AutoML
- 在 AWS 上构建安全的电商平台
- 使用 Amazon SageMaker Processing 与 AWS Step Functions 构建机器学习工作流