常用R包-dplyr

原创

用户11076492

修改于 2024-04-19 08:33:28

1050

修改于 2024-04-19 08:33:28

文章被收录于专栏：生信学习生信学习

dplyr是一个在R语言中非常流行的数据处理包，它提供了许多功能强大且易于使用的函数，包括 select、 filter、mutate、arrange和summarize 等。这些功能使得dplyr成为数据清洗、处理和分析的首选包。

一、安装和加载R包

镜像设置（清华源和中科大源）options——安装install——加载library/ require

CRAN网站R包安装命令

install.packages("dplyr")

Biocductor网站R包安装命令

BiocManager::install("dplyr")

三部曲

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)

二、首先创建示例数据框

仍直接使用内置数据集iris，并简化

test <- iris[c(1:2,51:52,101:102),]

三、dplyr基础函数

1、filter()筛选行

filter(test, Species == "setosa")

filter(test, Species == "setosa"&Sepal.Length > 5 )

filter(test, Species %in% c("setosa","versicolor"))

2、筛选列

mutate(),新增列

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

(1)按列号筛选

select(test,1)

select(test,c(1,5))

select(test,Sepal.Length)

(2)按列名筛选

select(test, Petal.Length, Petal.Width)

vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))

3、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))#用desc从大到小

对列进行排序，升序

sorted_data <- arrange(data,列名）
sorted_data

4、summarise()：汇总

对数据进行汇总操作,结合group_by使用实用性强

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

# 先按照Species分组，计算每组Sepal.Length的平均值和标准差
group_by(test, Species)

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

5、其他

管道操作 %>% (cmd/ctr + shift + M)

（加载任意一个tidyverse包即可用管道符号）

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

count统计某列的unique值

count(test,Species)

6、dplyr处理关系数据

即将2个表进行连接

test1 <- data.frame(x = c('b','e','f','x'), 
                    z = c("A","B","C",'D'))
test1

test2 <- data.frame(x = c('a','b','c','d','e','f'), 
                    y = c(1,2,3,4,5,6))
test2

（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')

left_join(test2, test1, 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

在相当于base包里的cbind()函数和rbind()函数;注意，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

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)

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

r 语言

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

r 语言

登录后参与评论

0 条评论

热度