前言
今天是R學(xué)習(xí)的第三天，繼續(xù)。
設(shè)置鏡像站
file.edit('~/.Rprofile')
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #對(duì)應(yīng)清華源
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #對(duì)應(yīng)中科大源
設(shè)置好之后轿塔，點(diǎn)保存，然后重啟Rstuio看看仲墨，貌似成功了勾缭。
> options()$BioC_mirror
[1] "https://mirrors.ustc.edu.cn/bioc/"
安裝包
install.packages(“包名”)或者BiocManager::install(“包名”)，前者為CRAN包目养，后者為bioconductor包俩由。
install.packages("dplyr")
加載包
library(包)或require(包)均可。
library(dplyr)
dplyr包操作練習(xí)
新增列
> test <- iris[c(1:2,51:52,101:102),] #取iris數(shù)據(jù)的第1癌蚁，2幻梯，51，52努释，101碘梢，102行
> mutate(test, new = Sepal.Length * Sepal.Width) #新增列名為new，值為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
按列篩選
按列號(hào)篩選
select(test,1) #取test數(shù)據(jù)第1列
select(test,c(1,5)) #取test數(shù)據(jù)第1列和第5列
按列名篩選
select(test,Sepal.Length) #取 Sepal.Length列
select(test, Petal.Length, Petal.Width) #取Petal.Length和Petal.Width列
vars <- c("Petal.Length", "Petal.Width") #設(shè)置Petal.Length和Petal.Width為vars數(shù)據(jù)集
select(iris, one_of(vars)) #取vars中的數(shù)據(jù)庫
filter函數(shù)篩選行
filter(test, Species == "setosa") #篩選species數(shù)值為setosa的行
filter(test, Species == "setosa"&Sepal.Length > 5 ) #篩選species數(shù)值為setosa的行且sepal.length值大于5的行
filter(test, Species %in% c("setosa","versicolor"))#篩選species數(shù)值為setosa和versicolor的行
arrange函數(shù)排序表格
arrange(test, Sepal.Length)#默認(rèn)Sepal.Length從小到大排序
arrange(test, desc(Sepal.Length))#用desc Sepal.Length從大到小排序
summarise函數(shù)匯總
summarise(test, mean(Sepal.Length), sd(Sepal.Length)) # 計(jì)算Sepal.Length的平均值和標(biāo)準(zhǔn)差
group_by(test, Species)#按照species列進(jìn)行分組
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))#按照species列進(jìn)行分組伐蒂，計(jì)算分組后不同組別的Sepal.Length的平均值和標(biāo)準(zhǔn)差
管道操作
英文輸入法下輸入ctrl+shift+M直接打出管道符號(hào)%>%痘系，其意思是將%>%左邊的對(duì)象傳遞給右邊的函數(shù)，這樣可以少打一些字饿自，據(jù)說當(dāng)數(shù)據(jù)量大的時(shí)候可以節(jié)省計(jì)算內(nèi)存汰翠。
test %>%
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length)) #取test數(shù)據(jù)集，按照species列進(jìn)行分組昭雌，計(jì)算分組后不同組別的Sepal.Length的平均值和標(biāo)準(zhǔn)差复唤。
count函數(shù)統(tǒng)計(jì)
count(test,Species) #統(tǒng)計(jì)test數(shù)據(jù)中species列每個(gè)值有多少個(gè)。
inner_join函數(shù)取交集
options(stringsAsFactors = F) #避免系統(tǒng)自動(dòng)將數(shù)據(jù)框內(nèi)的相關(guān)變量轉(zhuǎn)換成因子
test1 <- data.frame(x = c('b','e','f','x'), z = c("A","B","C",'D'),stringsAsFactors = F) #創(chuàng)建數(shù)據(jù)框test1
test2 <- data.frame(x = c('a','b','c','d','e','f'), y = c(1,2,3,4,5,6),stringsAsFactors = F) #創(chuàng)建數(shù)據(jù)框test2
inner_join(test1, test2, by = "x") # 按第x列相同值取test1和test2的值重新組成數(shù)據(jù)框
##left_join函數(shù)
left_join(test1, test2, by = 'x') #此時(shí)基于x的連接只保留了test1對(duì)應(yīng)的x值的數(shù)據(jù)烛卧，當(dāng)test2相應(yīng)的值不存在的時(shí)候佛纫，用NA代替妓局；
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') #此時(shí)基于x的連接只保留了test2對(duì)應(yīng)的x值的數(shù)據(jù)，當(dāng)test1相應(yīng)的值不存在的時(shí)候呈宇，用NA代替好爬；
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
full_join函數(shù)全連接
full_join( test1, test2, by = 'x') #此時(shí)基于x的連接保留了所有x值對(duì)應(yīng)的數(shù)據(jù)，當(dāng)相應(yīng)的值不存在的時(shí)候甥啄，用NA代替存炮；
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
半連接函數(shù)semi_join
semi_join(x = test1, y = test2, by = 'x') #返回能夠與y表匹配的x表所有記錄
x z
1 b A
2 e B
3 f C
反連函數(shù)anti_join
anti_join(x = test2, y = test1, by = 'x') #返回?zé)o法與y表匹配的x表的所記錄
x y
1 a 1
2 c 3
3 d 4
簡單合并
注意：bind_rows()函數(shù)需要兩個(gè)表格列數(shù)相同，而bind_cols()函數(shù)則需要兩個(gè)數(shù)據(jù)框有相同的行數(shù)
bind_rows(test1, test2) #test1蜈漓，test2數(shù)據(jù)按行合并
bind_cols(test1, test3) #test1穆桂，test3數(shù)據(jù)按列合并
后記
今天的內(nèi)容雖然基本上只有一個(gè)數(shù)據(jù)處理包dplyr包的操作，但初次這么詳細(xì)融虽、這么多函數(shù)的操作理解起來稍微有點(diǎn)費(fèi)勁享完，還需要要實(shí)踐中運(yùn)用，然后積累有额。
