学习小组DAY6——学习R包

DAY6

学习R包

一、安装和加载R包

step1:镜像设置
通过命令options()$repos检验RStudio的镜像,如果回到了R的国外官网我们需要运行如下代码

# 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
# 当然可以换成其他地区的镜像

设置成功后如果再次打开RStudio用命令options()$BioC_mirror如果是国内镜像则成功,如果是国外官网则需要进行以下步骤。
首先用file.edit('~/.Rprofile')来编辑文件,再在文件中输入

options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) 
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") 

然后在用命令options()$reposoptions()$BioC_mirror来检验就可以看到镜像是国内的路径了。
step2:安装
安装R包的命令是

install.packages("包")
#或者
BiocManager::install("包")

这两个命令的选择取决于安装的包存在于CRAN网站还是Biocductor

step3:加载
下面两个命令都可以加载

library(包)
require(包)

以dplyr包为例,四行命令安装加载dplyr包

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)

示例数据使用内置数据iris的简化版:

test <- iris[c(1:2,51:52,101:102),]
iris简化版数据

Iris数据集是常用的分类实验数据集,由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集,是一类多重变量分析的数据集。数据集包含150个数据样本,分为3类,每类50个数据,每个数据包含4个属性。可通过花萼长度(Sepal.Length),花萼宽度(Sepal.Width),花瓣长度(Petal.Length),花瓣宽度(Petal.Width)4个属性预测鸢尾花卉属于(Setosa,Versicolour,Virginica)三个种类中的哪一类。(百度百科)

二、dplyr五个基础函数

  • 1.mutate(),新增列
    例:输入命令mutate(test, add =Sepal.Length+Sepal.Width)
    新增列
  • 2.select(),按列筛选
(1)按列号筛选

例:输入命令select(test,4) #选取第四列

筛选列

例:输入命令select(test,c(2,5)) #选取第2列和第5列
筛选列

(2)按列名筛选

例:输入命令select(test,Sepal.Length) #选取名为Sepal.Length的那一列

筛选列

例:输入命令select(test, Petal.Length, Petal.Width) #选取名为Petal.Length和Petal.Width这两列
筛选列

例:输入命令

vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))  #选取名为Petal.Length和Petal.Width这两列
筛选列
  • 3.filter()筛选行
    例:输入命令filter(test, Species == "setosa") #种类为setosa的那行
    筛选行

    例:输入命令filter(test, Species == "setosa"&Sepal.Length > 5 ) #选取种类为setosa并且Sepal.Length > 5的那行
    筛选列

    例:输入命令filter(test, Species %in% c("setosa","versicolor")) #选取种类为setosa和versicolor的那行
    筛选列
  • 4.arrange(),按某1列或某几列对整个表格进行排序
    例:输入命令arrange(test, Sepal.Length) #从小到大排序
    排序

    例:输入命令arrange(test, desc(Sepal.Length)) #用desc从大到小
    排列

    例:输入命令arrange(test, Sepal.Length, desc(Sepal.Width)) #将以上两种组合运用
    排列
  • 5.summarise():汇总
    例:输入命令summarise(test, mean(Sepal.Length), sd(Sepal.Length)) # 计算Sepal.Length的平均值和标准差
    汇总

    例:输入命令group_by(test, Species) # 按照Species分组
    分组

    例:输入命令summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length)) # 计算每组Sepal.Length的平均值和标准差
    汇总

三、dplyr两个实用技能

  • 1.管道操作 %>% (cmd/ctr + shift + M)
    例:输入命令
test %>% 
  group_by(Species) %>% 
  summarise(mean(Sepal.Length), sd(Sepal.Length))
管道操作
  • 2.count统计某列的unique值
    例:输入命令count(test,Species) #统计每个种类有多少个
    统计unique值

四、dplyr处理关系数据(即将两个表进行连接)

首先引入两个表格test1,test2
输入命令

options(stringsAsFactors = F)

test1 <- data.frame(x = c('b','e','f','x'), 
                    z = c("A","B","C",'D'),
                    stringsAsFactors = F)
test1
test1
test2 <- data.frame(x = c('a','b','c','d','e','f'), 
                    y = c(1,2,3,4,5,6),
                    stringsAsFactors = F)
test2 
test2
  • 1.內连inner_join,取交集
    例:输入命令inner_join(test1, test2, by = "x") #取两个表关于x的交集
    取交集
  • 2.左连left_join
    例:输入命令left_join(test1, test2, by = 'x') #将两个表格以test1位基础合并
    左连

    例:输入命令left_join(test2, test1, by = 'x') #将两个表格以test2为基础合并
    左连
  • 3.全连full_join
    例:输入命令full_join( test1, test2, by = 'x') #将两个表格组合成一个表格
    全连
  • 4.半连接:返回能够与y表匹配的x表所有记录semi_join
    例:输入命令semi_join(x = test1, y = test2, by = 'x')
    半连接
  • 5.反连接:返回无法与y表匹配的x表的所记录anti_join
    例:输入命令anti_join(x = test2, y = test1, by = 'x')
    反连接
  • 6.简单合并
    例:输入命令test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40)) #新建test1
    新建test1

    例:输入命令test2 <- data.frame(x = c(5,6), y = c(50,60)) #新建test2
    新建test2

    例:输入命令test3 <- data.frame(z = c(100,200,300,400)) #新建test3
    新建test3

    例:输入命令bind_rows(test1, test2)
    合并表1表2

    例:输入命令bind_cols(test1, test3)
    合并表1表3
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,743评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,296评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,285评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,485评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,581评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,821评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,960评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,719评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,186评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,516评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,650评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,329评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,936评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,757评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,991评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,370评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,527评论 2 349

推荐阅读更多精彩内容