学习小组Day6笔记-小白之R包学习

今天已经是尾随生信星球的豆豆和花花学习的第6天啦，还有一天我竟然要准备毕业了，时间过得也太快了吧！QAQ只不过跟随豆豆和花花的确是学到了很多东西的，虽然知识比较基础。这不，今天豆豆花花给讲解了如何下载兼使用R包，这个在R中可是很重要的一部分哦，赶紧拿小本本记下。

1.镜像设置

参考来源：生信星球的镜像设置

以下是设置CRAN和Bioconductor的下载镜像代码

> options()$repos
                                        CRAN 
"https://mirrors.tuna.tsinghua.edu.cn/CRAN/" 
attr(,"RStudio")
[1] TRUE
> options()$BioC_mirror  #刚打开Rstudio检测不到Bioconductor的下载镜像
NULL
> 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   #手动代码之后就发现有中科大源了
[1] "https://mirrors.ustc.edu.cn/bioc/"

可是每次都要手动输入那么麻烦吗？这也太累了吧QAQ，不用担心，肯定有办法的。

高级设置

①需要用到R的配置文件.Rprofile，这个文件的配置其实可以多样（比如linux中我们在.bashrc文件中添加alias 作为快捷命令）

②首先用file.edit()来编辑文件：

file.edit('~/.Rprofile')

③在.Rprofile配置文件上添加镜像代码：

> 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

④最后保存配置文件，随后重启Rstudio查看结果

#重启之后就可以看到在R启动时就根据刚刚的文件自动加载了
> options()$repos
                                        CRAN 
"https://mirrors.tuna.tsinghua.edu.cn/CRAN/" 
> options()$BioC_mirror
[1] "https://mirrors.ustc.edu.cn/bioc/"

2.安装

R包安装命令是install.packages(“包”)或者BiocManager::install(“包”)
这主要取决于你要下载的R包是来源CRAN网站还是Biocductor哦，这个大家只要去谷歌搜索一下R的包名就知道啦。

>install.packages(“包”) #来源CRAN网站
>BiocManager::install(“包”) #来源Biocductor

3.加载

>library(dplyr)
>require(dplyr)

上述两个命令结果都是一致的

4.R包实战--dplyr示例

这里使用内置数据集iris的简化版来作示例数据，先把一些行提取出来。

> test<-iris[c(1:2,51:52,101:102),]

dplyr包的五个基础函数

1.mutate():用于新增列

> mutate(test, new = Sepal.Length * Sepal.Width)
  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species   new
1          5.1         3.5          1.4         0.2     setosa 17.85
2          4.9         3.0          1.4         0.2     setosa 14.70
3          7.0         3.2          4.7         1.4 versicolor 22.40
4          6.4         3.2          4.5         1.5 versicolor 20.48
5          6.3         3.3          6.0         2.5  virginica 20.79
6          5.8         2.7          5.1         1.9  virginica 15.66

上述新增的列为将前面两列的数据进行相乘得到的结果。
2.select()：用于按列进行筛选

> select(test,1)  #按列号筛选
    Sepal.Length
1            5.1
2            4.9
51           7.0
52           6.4
101          6.3
102          5.8
> select(test,c(2:4))  #筛选多列
    Sepal.Width Petal.Length Petal.Width
1           3.5          1.4         0.2
2           3.0          1.4         0.2
51          3.2          4.7         1.4
52          3.2          4.5         1.5
101         3.3          6.0         2.5
102         2.7          5.1         1.9
> select(test,Sepal.Length) #按列名进行筛选，对于处理数据大表达矩阵的可以进行特定筛选
    Sepal.Length
1            5.1
2            4.9
51           7.0
52           6.4
101          6.3
102          5.8

3.filter()：用于按行进行筛选

> filter(test,Species=="setosa")
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
> filter(test,Species=="setosa"&Sepal.Length>5)  #可以同时设置多个条件进行精准筛选
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
> filter(test,Species%in%c("versicolor","virginica")) #%in%为管道函数，类似于传送带
  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          7.0         3.2          4.7         1.4 versicolor
2          6.4         3.2          4.5         1.5 versicolor
3          6.3         3.3          6.0         2.5  virginica
4          5.8         2.7          5.1         1.9  virginica

4.arrange()：用于根据某一列或某几列对整个表格进行重新排序

> arrange(test,Sepal.Length)  #对某一列进行排序，不加其他参数默认从小到大排序
  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          4.9         3.0          1.4         0.2     setosa
2          5.1         3.5          1.4         0.2     setosa
3          5.8         2.7          5.1         1.9  virginica
4          6.3         3.3          6.0         2.5  virginica
5          6.4         3.2          4.5         1.5 versicolor
6          7.0         3.2          4.7         1.4 versicolor
> arrange(test,desc(Sepal.Length)) #利用参数设置从大到小排序
  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          7.0         3.2          4.7         1.4 versicolor
2          6.4         3.2          4.5         1.5 versicolor
3          6.3         3.3          6.0         2.5  virginica
4          5.8         2.7          5.1         1.9  virginica
5          5.1         3.5          1.4         0.2     setosa
6          4.9         3.0          1.4         0.2     setosa

那想对某几列进行排序应该怎么设置呢？咱们来看看吧，这是笔者为方便演练，新建的一个示例数据。

> a<-read.table(file = 'xiaobai.txt',sep = '\t',header = T)
> a
  X1 X2
1  2  7
2  2  4
3  2  6
4  1  9
5  1  7
> arrange(a,X1,X2) #以X1和X2联合升序排序。也就是说：首先按照X1的升序（从小到大）排序；如果在X1相等的情形下，则按照X2从小到大排序
  X1 X2
1  1  7
2  1  9
3  2  4
4  2  6
5  2  7
> arrange(a,X1,desc(X2)) #首先按照X1的升序（从小到大）排序；如果在X1相等的情形下，则按照X2的降序（从大到小）排序
  X1 X2
1  1  9
2  1  7
3  2  7
4  2  6
5  2  4

5.summarise():用于汇总数据信息

> summarise(test, mean(Sepal.Length), sd(Sepal.Length))
  mean(Sepal.Length) sd(Sepal.Length)
1           5.916667        0.8084965
> group_by(test, Species)
# A tibble: 6 x 5
# Groups:   Species [3]  #根据Species分成了三组
  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))
`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 3 x 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
Warning message:
`...` is not empty.

We detected these problematic arguments:
* `needs_dots`

These dots only exist to allow future extensions and should be empty.
Did you misspecify an argument?

dplyr的实用技能

1.管道函数
笔者昨天刚刚学习完，详情可看管道函数笔记哦，这里也来个简单的示例。
%>%，快捷键(cmd/ctr + shift + M)这个函数可是很常用的哦。

> test %>% 
+     group_by(Species) %>% 
+     summarise(mean(Sepal.Length), sd(Sepal.Length))
`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 3 x 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

其实就是像传送带一样把变量值一边传一遍进行修改，可以大大减少使用中介变量，可以很好地减少内存空间。
2.count统计某列的unique值

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

对于要处理一个很多数据的数据框可是很好用的一个功能呢！！！墙裂安利。

dplyr处理关系数据

咱们还是得先创建示例数据进行演示一下。

> test1 <- data.frame(x = c('b','e','f','x'), 
+                     z = c("A","B","C",'D'),
+                     stringsAsFactors = F)
> 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),
+                     stringsAsFactors = F)
> 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：用于取交集

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

2.左连left_join:以第一个表达矩阵的为准，将第二个与第一个匹配

> left_join(test1,test2,by="x")  #以整个test1表为准
  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")  #以整个test2表为准
  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：将两个表合并一起，不用管行列是否对齐，没对齐自动用NA进行补全

> 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

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")
  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")
  x y
1 a 1
2 c 3
3 d 4

6.简单合并
咱们还是先创建一些简单的表达矩阵作为示例数据吧，那样子更方便理解。

> test3 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
> test3
  x  y
1 1 10
2 2 20
3 3 30
4 4 40
> test4 <- data.frame(x = c(5,6), y = c(50,60))
> test4
  x  y
1 5 50
2 6 60
> test5 <- data.frame(z = c(100,200,300,400))
> test3
  x  y
1 1 10
2 2 20
3 3 30
4 4 40
> test5
    z
1 100
2 200
3 300
4 400

bind_rows()函数需要两个表格列数相同，使用之前一定一定要注意！

> bind_rows(test3, test4)
  x  y
1 1 10
2 2 20
3 3 30
4 4 40
5 5 50
6 6 60

bind_cols()函数则需要两个数据框有相同的行数，使用之前一定一定要注意！

> bind_cols(test3, test5)
  x  y   z
1 1 10 100
2 2 20 200
3 3 30 300
4 4 40 400

以上就是今天学习的内容啦！坚持每天学习，加油~
参考来源：生信星球