详解R语言的24个高效操作技巧

第详解R语言的24个高效操作技巧目录R语言中的一些特殊技艺1修改默认提示语言2查看R所消耗内存大小3查看某个数据集内存大小4代码中换行5边赋值边显示7查看源代码8利用函数修改镜像9显示更多数据10默认保留小数点11管道12拆分列数据13默认加载包14为R添加额外扩展包加载路径15迁移R包16列出R包中的函数17不加载包使用其中函数18快速获取颜色19炸开数据20巧用example函数学习绘图21统计计算时间21释放内存22删除全部变量23恢复默认数据集24快速获取函数选项参数

R语言中的一些特殊技艺

1修改默认提示语言

R默认提示的语言有的人是英文，有的人是中文，这是因为每个人系统默认语言不同，可以通过下面方式进行修改

Sys.getlocale()

#显示系统语言

Sys.setenv(LANG="en")

#

更换默认语言为英文

2查看R所消耗内存大小

可以使用memory.size()#获取内存大小，不过该函数值只是和windows系统。

memory.size()

#获取内存大小

[1]

341

3查看某个数据集内存大小

object.size(mtcars)

7208

bytes

object.size(mtcars)/1024

#以kb显示

7

bytes

4代码中换行

默认回车是运行代码，在Rstudio中有自动补齐，比如定义一个函数，直接自动补齐了{}，回车就运行了，可以使用shift+enter#换行

function(x,y)

{

5边赋值边显示

默认赋值完，直接敲变量名就打印数据，可以利用下面方式一步完成两个操作。

(x

-

runif(10))

[1]

0.5795985

0.4661326

0.9730974

0.6697417

0.2431985

0.3988545

0.4064351

0.8403910

[9]

0.3136191

0.9979925

7查看源代码

如果想查看R函数的源代码，直接输入函数名，不加括号即可。

mean

function

(x,

...)

UseMethod("mean")

bytecode:

0x0000023e3b8db998

environment:

namespace:base

8利用函数修改镜像

如果不设置R镜像，每次安装R包是都会弹出选择框，可以在安装之前通过函数进行设置，使用chooseCRANmirror()函数，给定ind选项一个数值即可。数值代表镜像编号。

chooseCRANmirror()

Secure

CRAN

mirrors

1:

0-Cloud

[https]

2:

Australia

(Canberra)

[https]

3:

Australia

(Melbourne

1)

[https]

4:

Australia

(Melbourne

2)

[https]

5:

Australia

(Perth)

[https]

6:

Austria

[https]

7:

Brazil

(BA)

[https]

8:

Brazil

(PR)

[https]

9:

Brazil

(RJ)

[https]

10:

Brazil

(SP

1)

[https]

11:

Brazil

(SP

2)

[https]

12:

Bulgaria

[https]

13:

Canada

(MB)

[https]

14:

Chile

(Santiago)

[https]

15:

China

(Beijing

2)

[https]

16:

China

(Hefei)

[https]

17:

China

(Hong

Kong)

[https]

18:

China

(Guangzhou)

[https]

chooseCRANmirror(ind

=

18)

9显示更多数据

默认R显示1000行数据，如果想显示更多，可以通过设置max.print选项。

options('max.print')

$max.print

[1]

1000

options('max.print'=2000)

options('max.print')

$max.print

[1]

2000

10默认保留小数点

默认R显示7为小数，如果想默认保留两位小数，可以通过设置digits选项。

options('digits')

$digits

[1]

7

options('digits'=2)

options('digits')

$digits

[1]

2

11管道

使用管道让代码更加简洁，无需定义过多中间变量。R中的管道符号为%%如果要使用管道，需要加载magrittr包。其实Rstudio出的各种包都默认支持管道，如果加载了tidyverse包也是可以。

library(magrittr)

library(ggplot2)

mtcars

%%

ggplot(aes(x=cyl,y=mpg,group=cyl))+geom_boxplot()

12拆分列数据

有些时候记不住列名，或者容易拼错，想要列名也能够自动补齐，可以使用attach函数，这样每一列就变成一个独立的变量。

attach(mtcars)

cyl

[1]

6

6

4

6

8

6

8

4

4

6

6

8

8

8

8

8

8

4

4

4

4

8

8

8

8

4

4

4

8

6

8

4

mpg

[1]

21.0

21.0

22.8

21.4

18.7

18.1

14.3

24.4

22.8

19.2

17.8

16.4

17.3

15.2

10.4

10.4

[17]

14.7

32.4

30.4

33.9

21.5

15.5

15.2

13.3

19.2

27.3

26.0

30.4

15.8

19.7

15.0

21.4

13默认加载包

如果一些包经常使用，想要启动R之后自动加载，可以在配置文件中进行设置，例如每期启动R，自动加载ggplot2包。

file.edit("~/.Rprofile")

.First

-

function()

{

library(ggplot2)

}

14为R添加额外扩展包加载路径

默认R包的加载目录在.libPaths()目录中，当然可以为其添加更多的路径。

.libPaths()

[1]

"C:/Users/genom/Documents/R/win-library/4.0"

[2]

"C:/Program

Files/R/R-4.0.3/library"

.libPaths(new

=

"C:/Users/genom/Desktop/nparFiles/")

.libPaths()

[1]

"C:/Users/genom/Desktop/nparFiles"

"C:/Program

Files/R/R-4.0.3/library"

15迁移R包

如果需要将一台设备安装的R包，在另外一台设备上安装，首先保存A设备上的R包名字列表，在另外一台设备上写一个循环进行安装。

#在A设备上保存名字列表

oldip

-

installed.packages()[,1]

save(oldip,file

=

"installedPacckages.Rdata")

#在B设备上进行安装；

load("installedPacckages.Rdata")

newip

-

installed.packages()[,1]

for

(i

in

setdiff(oldip,newip))

{

install.packages(i)

}

16列出R包中的函数

如果想查看一个R包中全部函数，可以使用下面的语句。

ls(package:base)

17不加载包使用其中函数

如果加载R包，还想使用其中的函数，需要使用包名字::函数名的方式。

dplyr::filter()

18快速获取颜色

在绘图的时候，想要快速设置几个不同的颜色，又嫌生成颜色比较麻烦。可以使用rainbow()函数，给定一个数据，快速生成颜色。

rainbow(6)

[1]

"#FF0000"

"#FFFF00"

"#00FF00"

"#00FFFF"

"#0000FF"

"#FF00FF"

19炸开数据

前面介绍了attach函数可以将每一列变成一个单独变量，但这种方式并不推荐，因为会让变量环境很混乱。可以使用一个特殊管道符%$%实现同样的效果，我称之为把数据炸开

library(magrittr)

Warning

message:

程辑包‘magrittr'是用R版本3.6.3

来建造的

women

%$%

plot(weight,height)

20巧用example函数学习绘图

example函数会帮助运行R帮助文档中的代码，有时候想看一个函数如何使用，可以直接运行这个example函数。

library(pheatmap)

example("pheatmap")

phetmp

#

Create

test

matrix

phetmp

test

=

matrix(rnorm(200),

20,

10)

phetmp

test[1:10,

seq(1,

10,

2)]

=

test[1:10,

seq(1,

10,

2)]

+

3

phetmp

test[11:20,

seq(2,

10,

2)]

=

test[11:20,

seq(2,

10,

2)]

+

2

phetmp

test[15:20,

seq(2,

10,

2)]

=

test[15:20,

seq(2,

10,

2)]

+

4

phetmp

colnames(test)

=

paste("Test",

1:10,

sep

=

"")

phetmp

rownames(test)

=

paste("Gene",

1:20,

sep

=

"")

phetmp

#

Draw

heatmaps

phetmp

pheatmap(test)

21统计计算时间

想统计一条代码运行时间，可以使用system.time()函数

system.time(runif(100000000))

用户

系统

流逝

2.75

0.08

2.83

21释放内存

R有一套自己的内存回收机制，因此，即使删除了变量，内存不会立即变化，可以使用gc()函数释放内存。

memory.size()

[1]

297.56

rm(list

=

ls())

memory.size()

[1]

298.54

gc()

used

(Mb)

gc

trigger

(Mb)

max

used

(Mb)

Ncells

1384255

74.0

4046672

216.2

4046672

216.2

Vcells

4288164

32.8

27057220

206.5

33821525

258.1

memory.size()

[1]

255.5

22删除全部变量

#显示全部变量内容

ls()

rm(list=ls())

#释放内存

gc()

23恢复默认数据集

如果不小心将内置数据集删除了，或者新定义同名变量，就会替换原有数据集。

head(mtcars)

mpg

cyl

disp

hp

drat

wt

qsec

vs

am

gear

carb

Mazda

RX4

21.0

6

160

110

3.90

2.620

16.46

0

1

4

4

Mazda

RX4

Wag

21.0

6

160

110

3.90

2.875

17.02

0

1

4

4

Datsun

710

22.8

4

108

93

3.85

2.320

18.61

1

1

4

1

Hornet

4

Drive

21.4

6

258

110

3.08

3.215

19.44

1

0

3

1

Hornet

Sportabout

18.7

8

360

175

3.15

3.440

17.02

0

0

3

2

Valiant

18.1

6

225

105

2.76

3.460

20.22

1

0

3

1

mtcars=1:10

mtcars

[1]

1

2

3

4

5

6

7

8

9

10

data("mtcars")

head(mtcars)

mpg

cyl

disp

hp

drat

wt

qsec

vs

am

gear

carb

Mazda

RX4

21.0

6

160

110

3.90

2.620

16.46

0

1

4

4

Mazda

RX4

Wag

21.0

6

160

110

3.90

2.875

17.02

0

1

4

4

Datsun

710

22.8

4

108

93

3.85

2.320

18.61

1

1

4

1

Hornet

4

Drive

21.4

6

258

110

3.08

3.215

19.44

1

0

3

1

Hornet

Sportabout

18.7

8

360

175

3.15

3.440

17.02

0

0

3

2

Valiant

18.1

6

225

105

2.76

3.460

20.22

1

0