學(xué)習(xí)小組Day6筆記-田田田

  1. 鏡像設(shè)置
    Tool-packages 有一個cran鏡像脏毯,但如果要下載bioconductor的包豺总,是沒辦法用的署恍,所以要配置一個可以下載bioconductor的鏡像兴溜。
options("repos"=c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) 
#對應(yīng)清華源
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") 
#對應(yīng)中科大源
options()$repos #配置成功的話项鬼,查詢結(jié)果為清華鏡像
options()$Bioc_mirror #配置成功的話哑梳,查詢結(jié)果為中科大鏡像

但這種方法下次打開需要重新設(shè)置,所以還需要高級模式的設(shè)置

file.edit('~/.Rprofile')
#啟動編輯文件
options("repos"=c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) 
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") 
#添加鏡像绘盟,保存鸠真,退出

重啟查詢options,是對應(yīng)的鏡像
2.安裝

install.packages("包“)   
或者
BiocManager::install("包")
#取決于你要安裝的包在哪里

3.加載

library(包)
require(包)
  1. dplyr五個基礎(chǔ)函數(shù)
    4.1 matate(),新增列
mutate(test, new=Sepal.Length*Sepal.Width)

4.2 select(),按列篩選

  • 按列號篩選
select(test,1)
#第一列
select(test, c(1,5))
#第一列和第五列
  • 按列名篩選
select(test, Sepal.Length)
select(test, Petal.Length, Petal.Width)
或者
vars<- c("Petal.Length","Petal.Width")
select(test, one_of(vars))
#篩選出vars中的向量

4.3 filter(),篩選行

filter(test, Species=="setosa")
filter(test, Species=="setosa"&Sepal.Length>5)
filter(test, Species%in%c("setosa","versicolor"))
#篩選出這兩行

4.4 arrange(),按某1列或某幾列對整個表格進(jìn)行排序

arrange(test,Sepal.Length)
#默認(rèn)從小到大排列
arrange(test, desc(Sepal.Length))
#用desc進(jìn)行從大到小排列

4.5 summarise() 匯總

summarise(test, mean(Sepal.Length), sd(Sepal.Length))
#計算Sepal.Length的平均值和標(biāo)準(zhǔn)差
group_by(test, Species)
summarise(group_by(test, Species), mean(Sepal.Length), sd(Sepal.Length))
#按照Species分組龄毡,計算每組的平均值和標(biāo)準(zhǔn)差

5 dplyr 兩個實用技巧
5.1 管道操作 %>%(cmd/ctr+shift+M)

test %>%
  group_by(Species) %>% 
  summarise(mean(Sepal.Length),sd(Sepal.Length))

5.2 count統(tǒng)計某列的unique值

count(test,Species)
  1. dplyr處理關(guān)系數(shù)據(jù)
options(stringsAsFactors = F)
test1<- data.frame(x=c('b','e','f','x'),
                  z=c('A','B','C','D'),
                  stringsAsFactors = F)
test1 
test2<- data.frame(x=c('a','b','c','d','e','f'),
                   y=c(1,2,3,4,5,6),
                   stringsAsFactors = F)
test2

image.png

image.png

6.1 內(nèi)連
inner_join(test1, test2, by="x")
取交集
6.2 左連
left_join(test1,test2,by='x')
以test1的x為準(zhǔn)
left_join(test2,test2,by='x')
以test2的x為準(zhǔn)
6.3 全連
full_join(test1,test2,by='x')
取并集
6.4 半連接
semi_join(x=test1,y=test2,by='x')
返回能夠與y表匹配的x表中的所有內(nèi)容
image.png

6.5 反連接
anti_join(x=test2,y=test1,by='x')
返回?zé)o法與y表匹配的x表中的所有內(nèi)容
image.png

anti_join(x=test1,y=test2, by='x')
image.png

注意x和y表的先后順序非常重要吠卷,test1,2沦零,順序變了祭隔,結(jié)果完全相反
6.6 簡單合并

test1<-data.frame(x=c(1,2,3,4),y=c(10,20,30,40))
test1
test2<-data.frame(x=c(5,6),y=c(50,60))
test2
test3<-data.frame(z=c(100,200,300,400))
test3
bind_rows(test1,test2)
bind_cols(test1,test3)
image.png

image.png

·

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市蠢终,隨后出現(xiàn)的幾起案子序攘,更是在濱河造成了極大的恐慌茴她,老刑警劉巖,帶你破解...
    沈念sama閱讀 222,807評論 6 518
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件程奠,死亡現(xiàn)場離奇詭異丈牢,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)瞄沙,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,284評論 3 399
  • 文/潘曉璐 我一進(jìn)店門己沛,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人距境,你說我怎么就攤上這事申尼。” “怎么了垫桂?”我有些...
    開封第一講書人閱讀 169,589評論 0 363
  • 文/不壞的土叔 我叫張陵师幕,是天一觀的道長。 經(jīng)常有香客問我诬滩,道長霹粥,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,188評論 1 300
  • 正文 為了忘掉前任疼鸟,我火速辦了婚禮后控,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘空镜。我一直安慰自己浩淘,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 69,185評論 6 398
  • 文/花漫 我一把揭開白布吴攒。 她就那樣靜靜地躺著张抄,像睡著了一般。 火紅的嫁衣襯著肌膚如雪舶斧。 梳的紋絲不亂的頭發(fā)上欣鳖,一...
    開封第一講書人閱讀 52,785評論 1 314
  • 那天,我揣著相機(jī)與錄音茴厉,去河邊找鬼泽台。 笑死,一個胖子當(dāng)著我的面吹牛矾缓,可吹牛的內(nèi)容都是我干的怀酷。 我是一名探鬼主播,決...
    沈念sama閱讀 41,220評論 3 423
  • 文/蒼蘭香墨 我猛地睜開眼嗜闻,長吁一口氣:“原來是場噩夢啊……” “哼蜕依!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 40,167評論 0 277
  • 序言:老撾萬榮一對情侶失蹤样眠,失蹤者是張志新(化名)和其女友劉穎友瘤,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體檐束,經(jīng)...
    沈念sama閱讀 46,698評論 1 320
  • 正文 獨居荒郊野嶺守林人離奇死亡辫秧,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,767評論 3 343
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了被丧。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片盟戏。...
    茶點故事閱讀 40,912評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖甥桂,靈堂內(nèi)的尸體忽然破棺而出柿究,到底是詐尸還是另有隱情,我是刑警寧澤黄选,帶...
    沈念sama閱讀 36,572評論 5 351
  • 正文 年R本政府宣布蝇摸,位于F島的核電站,受9級特大地震影響糕簿,放射性物質(zhì)發(fā)生泄漏探入。R本人自食惡果不足惜狡孔,卻給世界環(huán)境...
    茶點故事閱讀 42,254評論 3 336
  • 文/蒙蒙 一懂诗、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧苗膝,春花似錦殃恒、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,746評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至问窃,卻和暖如春亥鬓,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背域庇。 一陣腳步聲響...
    開封第一講書人閱讀 33,859評論 1 274
  • 我被黑心中介騙來泰國打工嵌戈, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人听皿。 一個月前我還...
    沈念sama閱讀 49,359評論 3 379
  • 正文 我出身青樓熟呛,卻偏偏與公主長得像,于是被迫代替她去往敵國和親尉姨。 傳聞我的和親對象是個殘疾皇子庵朝,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,922評論 2 361

推薦閱讀更多精彩內(nèi)容