1.人見人愛 tidyverse(大包)
tidyr dplyr stringr ggplot2 (小包，可單獨安裝)
tidyr
gather-spread # 列的聚集與分散
separate-unite # 列的拆分與合并
處理缺失值：drop_na，replace_na，fill
dplyr 最核心，專門處理數(shù)據框
基礎
- mutate(), 新增列
- select(), 按列篩選
- filter(), 按行篩選
- arrange(), 按某一行對數(shù)據框進行排序
- summarise(), 匯總
進階
count()
管道符號 %>% (ctr+shift+M) ： 上一步的輸出作為下一步的輸入
tidyr
在tidyverse的世界掌唾，包括ggplot，不考慮行名
數(shù)據清理，tidydata每個變量（variable）占一列免钻，每個觀測（observation）占一行。
R語言 tidyr包的三個重要函數(shù)：gather崔拥，spread极舔，separate的用法和舉例
https://blog.csdn.net/six66667/article/details/84888644
一、數(shù)據清理
rm(list = ls())
options(stringsAsFactors = F)
if(!require(tidyr))install.packages("tidyr")
### 原始數(shù)據
test <- data.frame(geneid = paste0("gene",1:4),
sample1 = c(1,4,7,10),
sample2 = c(2,5,0.8,11),
sample3 = c(0.3,6,9,12))
test
扁變長
test_gather <- gather(data = test, #原數(shù)據链瓦，要是數(shù)據框
key = sample_nm,
value = exp, #新的列名拆魏，一個鍵值對。就是把原變量名（屬性名）做鍵（key）慈俯，變量值做值（value）渤刃。
- geneid) #要合并哪些列，參數(shù)不寫默認全部轉置贴膘。- geneid表示除去geneid列卖子，只轉置剩下三列。
head(test_gather)
geneid sample_nm exp
1 gene1 sample1 1
2 gene2 sample1 4
3 gene3 sample1 7
4 gene4 sample1 10
5 gene1 sample2 2
6 gene2 sample2 5
長變扁
#spread用來擴展表刑峡，把某一列的值（鍵值對）分開拆成多列洋闽。
#spread(data, key, value, fill = NA, convert = FALSE, drop =TRUE, sep = NULL)
#key是原來要拆的那一列的名字（變量名）玄柠，value是拆出來的那些列的值應該填什么（填原表的哪一列）
test_re <- spread(data = test_gather,
key = sample_nm,#要拆分的那一列的列名
value = exp) #擴展出的列的值應該來自原表的哪一列的列名
head(test_re)
geneid sample1 sample2 sample3
1 gene1 1 2.0 0.3
2 gene2 4 5.0 6.0
3 gene3 7 0.8 9.0
4 gene4 10 11.0 12.0
二、分割和合并
原始數(shù)據
> ### 原始數(shù)據
> test <- data.frame(x = c( "a,b", "a,d", "b,c"));test
x
1 a,b
2 a,d
3 b,c
分割
#變量名诫舅，原列名羽利，新列名，分隔符
> test_seprate <- separate(test,x, c("X", "Y"),sep = ",");test_seprate
X Y
1 a b
2 a d
3 b c
合并
#data：為數(shù)據框
col：被組合的新列名稱
…：指定哪些列需要被組合
sep：組合列之間的連接符骚勘，默認為下劃線
> test_re <- unite(test_seprate,"x",X,Y,sep = ",");test_re
x
1 a,b
2 a,d
3 b,c
三铐伴、處理NA
原始數(shù)據
> X<-data.frame(X1 = LETTERS[1:5],X2 = 1:5)
> X[2,2] <- NA
> X[4,1] <- NA
> X
X1 X2
1 A 1
2 B NA
3 C 3
4 <NA> 4
5 E 5
1.去掉含有NA的行,可以選擇只根據某一列來去除
> drop_na(X)#去掉所有含有NA的行。和na.omit一樣俏讹。
X1 X2
1 A 1
2 C 3
3 E 5
> drop_na(X,X1)#只看x1列的NA当宴，去掉所有含有NA的行
X1 X2
1 A 1
2 B NA
3 C 3
4 E 5
> drop_na(X,X[2,])#錯，不能按行除
Error: Must subset columns with a valid subscript vector.
x Subscript has the wrong type `data.frame<
X1: character
X2: integer
>`.
i It must be numeric or character.
Run `rlang::last_error()` to see where the error occurred.
2.替換NA
> replace_na(X$X2,0)#把x2列的NA 替換成0
[1] 1 0 3 4 5
> replace_na(X,0)#錯泽疆，不能全部替換
Error in replace_na.data.frame(X, 0) : is_list(replace) is not TRUE
3.用上一行的值填充NA
> fill(X,X2)#按照上一行的內容填充缺失值
X1 X2
1 A 1
2 B 1
3 C 3
4 <NA> 4
5 E 5
> fill(X)#無效户矢，不能選全部
X1 X2
1 A 1
2 B NA
3 C 3
4 <NA> 4
5 E 5
完整操作，查看小抄https://www.rstudio.com/resources/cheatsheets/
dplyr
rm(list = ls())
## 包和數(shù)據的準備
if(!require(dplyr))install.packages("dplyr")
library(dplyr)
test <- iris[c(1:2,51:52,101:102),]
rownames(test) =NULL
五個基礎函數(shù)
1.mutate(),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
2.select(),按列篩選
(1)按列號篩選
> select(test,1)
Sepal.Length
1 5.1
2 4.9
3 7.0
4 6.4
5 6.3
6 5.8
> select(test,c(1,5))
Sepal.Length Species
1 5.1 setosa
2 4.9 setosa
3 7.0 versicolor
4 6.4 versicolor
5 6.3 virginica
6 5.8 virginica
(2)按列名篩選
> select(test,Sepal.Length)
Sepal.Length
1 5.1
2 4.9
3 7.0
4 6.4
5 6.3
6 5.8
> select(test, Petal.Length, Petal.Width)
Petal.Length Petal.Width
1 1.4 0.2
2 1.4 0.2
3 4.7 1.4
4 4.5 1.5
5 6.0 2.5
6 5.1 1.9
> vars <- c("Petal.Length", "Petal.Width")
> select(test, one_of(vars))#one_of('x','y','z')#選擇包含在聲明變量中的
Petal.Length Petal.Width
1 1.4 0.2
2 1.4 0.2
3 4.7 1.4
4 4.5 1.5
5 6.0 2.5
6 5.1 1.9
(3)一組來自tidyselect的有用函數(shù)
select(test, starts_with("Petal"))
## Petal.Length Petal.Width
## 1 1.4 0.2
## 2 1.4 0.2
## 3 4.7 1.4
## 4 4.5 1.5
## 5 6.0 2.5
## 6 5.1 1.9
select(test, ends_with("Width"))
## Sepal.Width Petal.Width
## 1 3.5 0.2
## 2 3.0 0.2
## 3 3.2 1.4
## 4 3.2 1.5
## 5 3.3 2.5
## 6 2.7 1.9
select(test, contains("etal"))
## Petal.Length Petal.Width
## 1 1.4 0.2
## 2 1.4 0.2
## 3 4.7 1.4
## 4 4.5 1.5
## 5 6.0 2.5
## 6 5.1 1.9
select(test, matches(".t."))
## 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
## 5 6.3 3.3 6.0 2.5
## 6 5.8 2.7 5.1 1.9
select(test, everything())
## 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
## 3 7.0 3.2 4.7 1.4 versicolor
## 4 6.4 3.2 4.5 1.5 versicolor
## 5 6.3 3.3 6.0 2.5 virginica
## 6 5.8 2.7 5.1 1.9 virginica
select(test, last_col())
## Species
## 1 setosa
## 2 setosa
## 3 versicolor
## 4 versicolor
## 5 virginica
## 6 virginica
select(test, last_col(offset = 1)) # offset 就是 ncol - 1
## Petal.Width
## 1 0.2
## 2 0.2
## 3 1.4
## 4 1.5
## 5 2.5
## 6 1.9
(4)利用everything()殉疼，列名可以重排序
select(test,Species,everything())
## Species Sepal.Length Sepal.Width Petal.Length Petal.Width
## 1 setosa 5.1 3.5 1.4 0.2
## 2 setosa 4.9 3.0 1.4 0.2
## 3 versicolor 7.0 3.2 4.7 1.4
## 4 versicolor 6.4 3.2 4.5 1.5
## 5 virginica 6.3 3.3 6.0 2.5
## 6 virginica 5.8 2.7 5.1 1.9
3.filter()篩選行
> 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 )
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"))
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
3 7.0 3.2 4.7 1.4 versicolor
4 6.4 3.2 4.5 1.5 versicolor
4.arrange(),按某一列對整個表格進行排序
> arrange(test, Sepal.Length)#默認從小到大排序
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))#用desc從大到小
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
> arrange(test, desc(Sepal.Width),Sepal.Length)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 6.3 3.3 6.0 2.5 virginica
3 6.4 3.2 4.5 1.5 versicolor
4 7.0 3.2 4.7 1.4 versicolor
5 4.9 3.0 1.4 0.2 setosa
6 5.8 2.7 5.1 1.9 virginica
基礎包用order實現(xiàn)跟arrange一樣的操作
> library(dplyr)
> test = iris[c(1,2,51,52,101,102),]
> test
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
51 7.0 3.2 4.7 1.4 versicolor
52 6.4 3.2 4.5 1.5 versicolor
101 6.3 3.3 6.0 2.5 virginica
102 5.8 2.7 5.1 1.9 virginica
> rownames(test) = NULL
> arrange(test,Sepal.Length,Sepal.Width)
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
> o = order(test$Sepal.Length)#返回下標
> test$Sepal.Length[o]#相當于進行了sort
[1] 4.9 5.1 5.8 6.3 6.4 7.0
x[order(x)]
sort(x)#x[order(x)]就等于sort(x)
#order(x)不僅可以用于給x列排序梯浪，還可以給位于一個數(shù)據框的其他列或行名進行排序，也可以對整個數(shù)據框排序
> test[o,]#某一列的下標就是行號
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
2 4.9 3.0 1.4 0.2 setosa
1 5.1 3.5 1.4 0.2 setosa
6 5.8 2.7 5.1 1.9 virginica
5 6.3 3.3 6.0 2.5 virginica
4 6.4 3.2 4.5 1.5 versicolor
3 7.0 3.2 4.7 1.4 versicolor
#和arrange作用一樣
5.summarise()：匯總 通常結合分組一起使用
對數(shù)據進行匯總操作,結合group_by使用實用性強
> summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 計算Sepal.Length的平均值和標準差：
mean(Sepal.Length) sd(Sepal.Length)
1 5.916667 0.8084965
> #dplyr里的函數(shù)不寫引號瓢娜，$
> # 先按照Species分組挂洛，計算每組Sepal.Length的平均值和標準差
> group_by(test, Species)
# A tibble: 6 x 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 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
> tmp = summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
`summarise()` ungrouping output (override with `.groups` argument)
> tmp
# 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
兩個實用技能
1：管道操作 %>% (cmd/ctr + shift + M)：上一步的輸出作為下一步的輸入
管道操作并不是只存在于dplyr
這兩種方法結果一樣
library(dplyr)
x1 = filter(iris,Sepal.Width>3)
x2 = select(x1,c("Sepal.Length","Sepal.Width" ))
x3 = arrange(x2,Sepal.Length)
x=iris %>%
filter(Sepal.Width>3) %>%
select(c("Sepal.Length","Sepal.Width" ))%>%
arrange(Sepal.Length)
#省掉2步中間賦值
#最終結果儲存在x
2：count統(tǒng)計某列的unique值
count和table比較,輸出結果是數(shù)據框,接受參數(shù)是數(shù)據框
> count(test,Species)
Species n
1 setosa 2
2 versicolor 2
3 virginica 2
> #輸出結果是數(shù)據框,規(guī)范
> table(test$Species)
setosa versicolor virginica
2 2 2
> class(table(test$Species))
[1] "table"
#和table比較,table輸出數(shù)據類型是table
## Species n
## 1 setosa 2
## 2 versicolor 2
## 3 virginica 2
處理關系數(shù)據:即將2個表進行連接，注意：不要引入factor
dplyr中一組-join結尾函數(shù)用來取不同集合 最重要：全連接眠砾，取交集
options(stringsAsFactors = F)
test1 <- data.frame(name = c('jimmy','nicker','doodle'),
blood_type = c("A","B","O"))
test1
## name blood_type
## 1 jimmy A
## 2 nicker B
## 3 doodle O
test2 <- data.frame(name = c('doodle','jimmy','nicker','tony'),
group = c("group1","group1","group2","group2"),
vision = c(4.2,4.3,4.9,4.5))
test2
## name group vision
## 1 doodle group1 4.2
## 2 jimmy group1 4.3
## 3 nicker group2 4.9
## 4 tony group2 4.5
test3 <- data.frame(NAME = c('doodle','jimmy','lucy','nicker'),
weight = c(140,145,110,138))
test3
## NAME weight
## 1 doodle 140
## 2 jimmy 145
## 3 lucy 110
## 4 nicker 138
merge(test1,test2,by="name")
## name blood_type group vision
## 1 doodle O group1 4.2
## 2 jimmy A group1 4.3
## 3 nicker B group2 4.9
merge(test1,test3,by.x = "name",by.y = "NAME")
## name blood_type weight
## 1 doodle O 140
## 2 jimmy A 145
## 3 nicker B 138
1.內連inner_join,取交集
inner_join(test1, test2, by = "name")
## name blood_type group vision
## 1 jimmy A group1 4.3
## 2 nicker B group2 4.9
## 3 doodle O group1 4.2
inner_join(test1,test3,by = c("name"="NAME"))
## name blood_type weight
## 1 jimmy A 145
## 2 nicker B 138
## 3 doodle O 140
2.左連left_join
left_join(test1, test2, by = 'name')
## name blood_type group vision
## 1 jimmy A group1 4.3
## 2 nicker B group2 4.9
## 3 doodle O group1 4.2
left_join(test2, test1, by = 'name')
## name group vision blood_type
## 1 doodle group1 4.2 O
## 2 jimmy group1 4.3 A
## 3 nicker group2 4.9 B
## 4 tony group2 4.5 <NA>
3.全連full_join
full_join(test1, test2, by = 'name')
## name blood_type group vision
## 1 jimmy A group1 4.3
## 2 nicker B group2 4.9
## 3 doodle O group1 4.2
## 4 tony <NA> group2 4.5
4.半連接：返回能夠與y表匹配的x表所有記錄semi_join
semi_join(x = test1, y = test2, by = 'name')
## name blood_type
## 1 jimmy A
## 2 nicker B
## 3 doodle O
5.反連接：返回無法與y表匹配的x表的所記錄anti_join
anti_join(x = test2, y = test1, by = 'name')
## name group vision
## 1 tony group2 4.5
6.數(shù)據的簡單合并
在相當于base包里的cbind()函數(shù)和rbind()函數(shù);注意虏劲，bind_rows()函數(shù)需要兩個表格列數(shù)相同，而bind_cols()函數(shù)則需要兩個數(shù)據框有相同的行數(shù)
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
練習6-1
1.將iris數(shù)據框的前4列gather褒颈，然后還原
tmp <- iris
tmp_gather <- tmp %>%
gather(key = bioinformation, value = number, -Species)
head(tmp_gather)
## Species bioinformation number
## 1 setosa Sepal.Length 5.1
## 2 setosa Sepal.Length 4.9
## 3 setosa Sepal.Length 4.7
## 4 setosa Sepal.Length 4.6
## 5 setosa Sepal.Length 5.0
## 6 setosa Sepal.Length 5.4
tmp_re <- tmp_gather %>%
group_by(bioinformation) %>%
mutate(id=1:n()) %>%
spread(bioinformation,number)
head(tmp_re)
## # A tibble: 6 x 6
## Species id Petal.Length Petal.Width Sepal.Length Sepal.Width
## <fct> <int> <dbl> <dbl> <dbl> <dbl>
## 1 setosa 1 1.4 0.2 5.1 3.5
## 2 setosa 2 1.4 0.2 4.9 3
## 3 setosa 3 1.3 0.2 4.7 3.2
## 4 setosa 4 1.5 0.2 4.6 3.1
## 5 setosa 5 1.4 0.2 5 3.6
## 6 setosa 6 1.7 0.4 5.4 3.9
2.將第二列分成兩列（以小數(shù)點為分隔符）然后合并
#### 點號表示任意字符
x=separate(test,
Sepal.Width,
into = c('a','b'),
sep = "\\.")
## Warning: Expected 2 pieces. Missing pieces filled with `NA` in 1 rows [2].
x$b <- replace_na(x$b,0);x
## Sepal.Length a b 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
## 3 7.0 3 2 4.7 1.4 versicolor
## 4 6.4 3 2 4.5 1.5 versicolor
## 5 6.3 3 3 6.0 2.5 virginica
## 6 5.8 2 7 5.1 1.9 virginica
x_re=unite(x,
"Sepal.Width",
a,b,sep = ".");x_re
## 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
## 3 7.0 3.2 4.7 1.4 versicolor
## 4 6.4 3.2 4.5 1.5 versicolor
## 5 6.3 3.3 6.0 2.5 virginica
## 6 5.8 2.7 5.1 1.9 virginica
x_re$Sepal.Width <- as.numeric(x_re$Sepal.Width)
str(x_re)
## 'data.frame': 6 obs. of 5 variables:
## $ Sepal.Length: num 5.1 4.9 7 6.4 6.3 5.8
## $ Sepal.Width : num 3.5 3 3.2 3.2 3.3 2.7
## $ Petal.Length: num 1.4 1.4 4.7 4.5 6 5.1
## $ Petal.Width : num 0.2 0.2 1.4 1.5 2.5 1.9
## $ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 2 2 3 3
stringr
rm(list = ls())
if(!require(stringr))install.packages('stringr')
library(stringr)#不能刪掉這一句柒巫。保險，如果有包谷丸，確保加載堡掏；沒包，只安裝刨疼，沒加載泉唁。
x <- "The birch canoe slid on the smooth planks."#這是一個字符串
1.檢測字符串長度
> ###1.檢測字符串長度
> length(x)
[1] 1
> length(x) #向量的長度，表示向量里有幾個元素
[1] 1
> str_length(x)#一共有多少個字符揩慕，空格也算游两。向量里的每個元素有多少個字符。
[1] 42
2.字符串拆分與組合
> str_split(x," ")#按照空格對x拆分
[[1]]
[1] "The" "birch" "canoe" "slid" "on" "the" "smooth" "planks."
> x2 = str_split(x," ")[[1]]#列表取子集
> #x不僅可以是單個字符串漩绵，還可以是多個字符串組成的向量
> y=sentences[1:3]
> str_split(y," ")
[[1]]
[1] "The" "birch" "canoe" "slid" "on" "the" "smooth" "planks."
[[2]]
[1] "Glue" "the" "sheet" "to" "the" "dark" "blue" "background."
[[3]]
[1] "It's" "easy" "to" "tell" "the" "depth" "of" "a" "well."
> #有3個元素的列表
> y2=str_split(y," ",simplify = T)#simplify = T,簡化贱案，把列表簡化為矩陣
> View(y2)
> y2
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9]
[1,] "The" "birch" "canoe" "slid" "on" "the" "smooth" "planks." ""
[2,] "Glue" "the" "sheet" "to" "the" "dark" "blue" "background." ""
[3,] "It's" "easy" "to" "tell" "the" "depth" "of" "a" "well."
#變?yōu)榫仃嚭螅痰淖兊煤烷L的一樣長。表格空的地方是空字符串宝踪。
#區(qū)分兩種連接
> str_c(x2,collapse = " ")#collapse侨糟，向量內部連接使用的標點
[1] "The birch canoe slid on the smooth planks."#還原
> str_c(x2,1234,sep = "+")#sep和paste一樣，外部連接瘩燥，8個元素各自加上一個東西秕重，最終還是8個元素
[1] "The+1234" "birch+1234" "canoe+1234" "slid+1234" "on+1234" "the+1234" "smooth+1234"
[8] "planks.+1234"
3.提取字符串的一部分
> str_sub(x,5,9)#從第5位提取到第9位
[1] "birch"
4.大小寫轉換
> str_to_upper(x2)#全大寫
[1] "THE" "BIRCH" "CANOE" "SLID" "ON" "THE" "SMOOTH" "PLANKS."
> str_to_lower(x2)#全小寫
[1] "the" "birch" "canoe" "slid" "on" "the" "smooth" "planks."
> str_to_title(x2)#首字母大寫
[1] "The" "Birch" "Canoe" "Slid" "On" "The" "Smooth" "Planks."
5.字符串排序
> str_sort(x2)
[1] "birch" "canoe" "on" "planks." "slid" "smooth" "the" "The"
#比sort更專業(yè)，還可以按照希臘文等排序
6.字符檢測厉膀，返回等長的邏輯值向量 重點
> str_detect(x2,"h")#檢測向量里的每一個元素是否含有h字母
[1] TRUE TRUE FALSE FALSE FALSE TRUE TRUE FALSE
str_starts(x2,"T")#判斷是否以……開頭
str_ends(x2,"e")#判斷是否以……結尾
> ###與sum和mean連用溶耘，可以統(tǒng)計匹配的個數(shù)和比例
> sum(str_detect(x2,"h"))#多少個T
[1] 4
> mean(str_detect(x2,"h"))#T占全部的比例，也是這組數(shù)字的平均值
[1] 0.5
> as.numeric(str_detect(x2,"h"))
[1] 1 1 0 0 0 1 1 0
7.提取匹配到的字符串
> str_subset(x2,"h")
[1] "The" "birch" "the" "smooth"
> #和x2[str_detect(x2,"h")]一樣
8.字符計數(shù)
> str_count(x," ")#x一個元素服鹅，數(shù)x有多少個空格
[1] 7
> str_count(x2,"o")#x2一個向量凳兵，數(shù)x2中每個元素有多少個o
[1] 0 0 1 0 1 0 2 0
9.字符串替換
> str_replace(x2,"o","A")#只替換第一個
[1] "The" "birch" "canAe" "slid" "An" "the" "smAoth" "planks."
> str_replace_all(x2,"o","A")#全部替換
[1] "The" "birch" "canAe" "slid" "An" "the" "smAAth" "planks."
結合正則表達式更加強大
正則表達式 - 語法
正則表達式(regular expression)描述了一種字符串匹配的模式（pattern），可以用來檢查一個串是否含有某種子串企软、將匹配的子串替換或者從某個串中取出符合某個條件的子串等庐扫。
例如：
runoo+b，可以匹配 runoob仗哨、runooob形庭、runoooooob 等，+ 號代表前面的字符必須至少出現(xiàn)一次（1次或多次）厌漂。
runoob萨醒，可以匹配 runob、runoob苇倡、runoooooob 等富纸， 號代表前面的字符可以不出現(xiàn)，也可以出現(xiàn)一次或者多次（0次雏节、或1次胜嗓、或多次）高职。
colou?r 可以匹配 color 或者 colour钩乍，? 問號代表前面的字符最多只可以出現(xiàn)一次（0次、或1次）怔锌。
構造正則表達式的方法和創(chuàng)建數(shù)學表達式的方法一樣寥粹。也就是用多種元字符與運算符可以將小的表達式結合在一起來創(chuàng)建更大的表達式。正則表達式的組件可以是單個的字符埃元、字符集合涝涤、字符范圍、字符間的選擇或者所有這些組件的任意組合岛杀。
正則表達式是由普通字符（例如字符 a 到 z）以及特殊字符（稱為"元字符"）組成的文字模式阔拳。模式描述在搜索文本時要匹配的一個或多個字符串。正則表達式作為一個模板类嗤，將某個字符模式與所搜索的字符串進行匹配糊肠。
特殊字符
所謂特殊字符辨宠，就是一些有特殊含義的字符，如上面說的 runoo*b 中的 货裹，簡單的說就是表示任何字符串的意思嗤形。如果要查找字符串中的 * 符號，則需要對 * 進行轉義弧圆，即在其前加一個 : runo*ob 匹配 runoob赋兵。
許多元字符要求在試圖匹配它們時特別對待。若要匹配這些特殊字符搔预，必須首先使字符"轉義"霹期，即，將反斜杠字符\ 放在它們前面斯撮。
練習6-2
#Bioinformatics is a new subject of genetic data collection,analysis and dissemination to the research community.
#1.將上面這句話作為一個長字符串经伙，賦值給tmp
tmp <- "Bioinformatics is a new subject of genetic data collection,analysis and dissemination to the research community."
#2.拆分為一個由單詞組成的向量，賦值給tmp2(注意標點符號)
> tmp2 <- str_split(tmp," ")[[1]];tmp2#錯勿锅。沒有注意標點帕膜。
[1] "Bioinformatics" "is" "a" "new" "subject"
[6] "of" "genetic" "data" "collection,analysis" "and"
[11] "dissemination" "to" "the" "research" "community."
正確答案
> tmp2 = tmp %>%
+ str_replace(","," ") %>%#取點號
+ str_remove("[.]") %>%
+ str_split(" ")
> tmp2
[[1]]
[1] "Bioinformatics" "is" "a" "new" "subject" "of"
[7] "genetic" "data" "collection" "analysis" "and" "dissemination"
[13] "to" "the" "research" "community"
> tmp2 = tmp2[[1]]
> tmp2
[1] "Bioinformatics" "is" "a" "new" "subject" "of"
[7] "genetic" "data" "collection" "analysis" "and" "dissemination"
[13] "to" "the" "research" "community"
> str_remove(tmp,".")#B被去掉，.是正則表達式里任意字符的意思溢十。
[1] "ioinformatics is a new subject of genetic data collection,analysis and dissemination to the research community."
str_remove(tmp,"\\.")#\\或中括號表達點號自己的意思
> #3.用函數(shù)返回這句話中有多少個單詞垮刹。
> length(tmp2)
[1] 16
> #4.用函數(shù)返回這句話中每個單詞由多少個字母組成。
> str_length(tmp2)
[1] 14 2 1 3 7 2 7 4 10 8 3 13 2 3 8 9
> #5.統(tǒng)計tmp2有多少個單詞中含有字母"e"
> table(str_detect(tmp2,"e"))
FALSE TRUE
9 7
> #或sum
一.條件語句
if,ifelse,for是重點张弛，掌握
if條件語句：如果荒典。。吞鸭。就寺董。。刻剥。遮咖，否則。造虏。御吞。
if(一個邏輯值){ 一段代碼 } else { 一段代碼 }
注意只能有一個邏輯值，if不支持循環(huán)漓藕。T陶珠，執(zhí)行；F享钞，跳過揍诽。否則。
一句代碼，大括號可寫可不寫暑脆。
1.if(){ }
(1)只有if沒有else交排，那么條件是FALSE時就什么都不做
rm(list = ls())
> i = -1
> if (i<0) print('up')
[1] "up"
> if (i>0) print('up')
#理解下面代碼
if(!require(tidyr)) install.packages('tidyr')
(2)有else
> i =1
> if (i>0){
+ cat('+')#打印出本來的樣子，和 print("+")不一樣
+ } else {
+ print("-")
+ }
+
ifelse 非常重要
ifelse(x,yes,no)
3個參數(shù)
x:邏輯值饵筑。支持向量埃篓，ifelse函數(shù)支持循環(huán)。
yes:邏輯值為TRUE時的返回值
no：邏輯值為FALSE時的返回值
x是邏輯值向量
> ifelse(i>0,"+","-")
[1] "+"
> x=rnorm(10)
> y=ifelse(x>0,"+","-")
> y
[1] "-" "+" "+" "-" "+" "-" "+" "+" "+" "+"
x換成返回邏輯值的函數(shù)
對一個向量按照是否含有某關鍵詞進行分組根资，并附上想要的關鍵詞
ifelse(str_detect(x,“h”),"+","-")
(3)多個條件
i = 0
if (i>0){ #if只能有一個邏輯值
print('+')
} else if (i==0) {
print('0')
} else if (i< 0){
print('-')
}
#else if可以寫很多個
#ifelse只有3個參數(shù)架专，但是可以嵌套
ifelse(i>0,
"+",
ifelse(i<0,
"-",
"0"))
#再嵌套可以寫在 "+"或者"0"
#嵌套多不易讀
#case-when() dyplr里，會更好用
2.switch()
> cd = 3
> foo <- switch(EXPR = cd,
+ #EXPR = "aa",
+ aa=c(3.4,1),
+ bb=matrix(1:4,2,2),
+ cc=matrix(c(T,T,F,T,F,F),3,2),
+ dd="string here",
+ ee=matrix(c("red","green","blue","yellow")))
> foo
[,1] [,2]
[1,] TRUE TRUE
[2,] TRUE FALSE
[3,] FALSE FALSE
> foo <- switch(#EXPR = cd,
+ EXPR = "aa",
+ aa=c(3.4,1),
+ bb=matrix(1:4,2,2),
+ cc=matrix(c(T,T,F,T,F,F),3,2),
+ dd="string here",
+ ee=matrix(c("red","green","blue","yellow")))
> foo
[1] 3.4 1.0
R語言 Switch語句
https://www.w3cschool.cn/r/r_switch_statement.html
長腳本管理方式
1,分成多個腳本玄帕，每個腳本最后保存Rdata部脚，下一個腳本開頭清空再加載。
image.png
2.if(F){...}, 則{}里的腳本被跳過裤纹，if(T){...},則{}里的腳本被執(zhí)行委刘，凡是帶有{}的代碼，均可以被折疊.
或者用#
image.png
二鹰椒、循環(huán)語句
1.for循環(huán)
image.png
for ( i in x ){代碼}
對x里的每個元素i進行同一操作 x多是向量锡移。i必須是x里的元素，不是順序漆际。
x的長度是多少淆珊，for循環(huán)就進行多少次
自動結束機制：到達最后一個元素
順便看一下next和break
x本身做循環(huán)主體
> x <- c(5,6,0,3)
> s=0
> for (i in x){
+ s=s+i
+ #if(i == 0) next #跳過這一循環(huán)，到下一循環(huán)
+ #if (i == 0) break #直接終止奸汇，后面都不循環(huán)
+ print(c(which(x==i),i,1/i,s))
+ }
#which(x==i)x的第幾個元素等于i施符，返回元素下標，就是現(xiàn)在是第幾輪
[1] 1.0 5.0 0.2 5.0
[1] 2.0000000 6.0000000 0.1666667 11.0000000
[1] 3 0 Inf 11 #Inf正無窮
[1] 4.0000000 3.0000000 0.3333333 14.0000000
用x的下標做循環(huán)
x <- c(5,6,0,3)
s = 0
for (i in 1:length(x)){
s=s+x[[i]]# 循環(huán)中 取子集中括號建議寫兩個擂找，一個有時出錯
#if(i == 3) next #跳過這一循環(huán)戳吝，到下一循環(huán)
#if (i == 3) break#直接終止，后面都不循環(huán)
print(c(i,x[[i]],1/i,s))
}
[1] 1 5 1 44
[1] 2.0 6.0 0.5 50.0
[1] 3.0000000 0.0000000 0.3333333 50.0000000
[1] 4.00 3.00 0.25 53.00
如何將結果存下來?
> s = 0
> result = list()#先聲明新建result贯涎，是列表听哭，列表里還沒有東西，再一個一個加元素
> for(i in 1:length(x)){
+ s=s+x[[i]]
+ result[[i]] = c(i,x[[i]],1/i,s)
+ }
> result
[[1]]
[1] 1 5 1 5
[[2]]
[1] 2.0 6.0 0.5 11.0
[[3]]
[1] 3.0000000 0.0000000 0.3333333 11.0000000
[[4]]
[1] 4.00 3.00 0.25 14.00
> #很規(guī)則柬采，簡化為一個數(shù)據框
> do.call(cbind,result)#按列組合列表里的每一個元素
[,1] [,2] [,3] [,4]
[1,] 1 2.0 3.0000000 4.00
[2,] 5 6.0 0.0000000 3.00
[3,] 1 0.5 0.3333333 0.25
[4,] 5 11.0 11.0000000 14.00
#list對象很難以文本的形式導出欢唾，因此需要一個函數(shù)能快速將復雜的list結構扁平化成dataframe且警。這里要介紹的就是do.call函數(shù)粉捻。
#簡單的講，do.call 的功能就是執(zhí)行一個函數(shù)斑芜，而這個函數(shù)的參數(shù)呢肩刃，放在一個list里面, 是list的每個子元素。
2.while 循環(huán)：當……的時候
image.png
while.repeat慎用，知道怎么結束
沒有自動結束機制
i = 0
while (i < 5){
print(c(i,i^2))
i = i+1
}
3.repeat 語句
#注意：必須有break
i=0L
s=0L
repeat{
i = i + 1
s = s + i
print(c(i,s))
if(i==50) break
}
<meta charset="utf-8">
<article class="_2rhmJa">
重點函數(shù)
- sort
- match
- names
- ifelse 和 str_detect
- identical
- arrange
- merge 和 inner_join
- unique 和 duplicated
重點知識點
- 向量數(shù)據框盈包、列表取子集
- 數(shù)據框新增列
- 文件讀取
- Rdata的加載與保存
- 作圖保存
- R包安裝和加載
- 形式參數(shù)沸呐、實際參數(shù)、默認參數(shù)
R語言遍歷呢燥、創(chuàng)建崭添、刪除文件夾
- dir() #工作目錄下的文件
- file.create()
- file.exists(…)
- file.remove()
- file.rename(from, to)
- file.append(file1, file2)
</article>
作者：Ruizheng
鏈接：http://www.reibang.com/p/59369bbb40ab
來源：簡書
著作權歸作者所有。商業(yè)轉載請聯(lián)系作者獲得授權叛氨，非商業(yè)轉載請注明出處呼渣。
