Day6-梦琪

Day6-2023.12.02

学习R包-dplyr是R中用来进行数据操作的一个包,提供了一些功能强大，易于使用的函数，这些函数对于数据探索分析和数据操作而言非常实用，dplyr主要用于数据清理，包括重命名、排序、筛选、聚合等。

一、镜像设置，安装，加载

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

install.packages("dplyr")或者 BiocManager::install(“包”)安装包

library(dplyr) 加载包 library函数是加载和使用R语言中的函数库和扩展包

二、dplyr的五个基础函数

mutate(test, new = Sepal.Length * Sepal.Width) 新增列

select(test,1)；select(test,c(1,5))；select(test,Sepal.Length) 按列号筛选

select(test, Petal.Length, Petal.Width) vars <- c("Petal.Length", "Petal.Width")；select(test, one_of(vars)) 按列名筛选

filter(test, Species == "setosa") ；filter(test, Species == "setosa"&Sepal.Length > 5 )；filter(test, Species %in% c("setosa","versicolor")) 筛选行

arrange(),按某1列或某几列对整个表格进行排序

arrange(test, Sepal.Length) 默认从小到大排序

arrange(test, desc(Sepal.Length)) desc从大到小排序

summarise(test, mean(Sepal.Length), sd(Sepal.Length)) 计算Sepal.Length的平均值和标准差

group_by(test, Species) 按照Species分组

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

三、dpylr的两个实用技能

管道操作符：管道符 %>% ，符号左侧表示数据的输入，右侧表示下游数据处理环节

count统计某列的unique值

四、dplyr处理关系数据（即将2个表进行连接）

1.內连inner_join,取交集 inner_join(test1, test2, by = "x")

2.左连left_join left_join(test1, test2, by = 'x')

3.全连full_join full_join( test1, test2, by = 'x')

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')

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')

6.简单合并

bind_rows()函数需要两个表格列数相同，而bind_cols()函数则需要两个数据框有相同的行数

感觉今天的学习内容是要背下来的那种，生日快乐小焦

加油努力向前冲！