R语言基础提升与总结

原创

可乐同学与生信死磕到底

发布于 2024-04-03 21:04:56

1320

发布于 2024-04-03 21:04:56

文章被收录于专栏：今天我入门生信了吗？今天我入门生信了吗？

从今天起试一试先听课之后再跟着课件整理笔记的方法~

1 玩转字符串——stringr

1.1 str_length 字符串的长度

区分字符型向量/字符串/字符

y = c("jimmy 150","nicker 140","tony 152")

y：字符型向量

"jimmy 150"：字符串，一个引号内的所有东西

引号内的单个字母/数字/符号称为字符

x <- "The birch canoe slid on the smooth planks."
x
str_length(x)
length(x)

1.2 str_split() 拆分字符串

有分隔符号的拆分

str_split(x," ")
x2 = str_split(x," ")[[1]];x2

y = c("jimmy 150","nicker 140","tony 152")
str_split(y," ")
str_split(y," ",simplify = T)

simplify = T 简化

1.3 str_sub() 按照位置提取

str_sub(x,5,9)

提取x中的第五个——第九个字符

1.4 ?字符检测

返回逻辑值

str_detect(x2,"h")
str_starts(x2,"T") 
str_ends(x2,"e")

1.5 字符串替换

x2
str_replace(x2,"o","A") 
str_replace_all(x2,"o","A")

1.6 字符删除

x
str_remove(x," ")
str_remove_all(x," ")

2 玩转数据框

使用内置数据iris建立新的数据框test

test <- iris[c(1:2,51:52,101:102),]
rownames(test) =NULL # 去掉行名，NULL是“什么都没有”
test

2.1 arrange()数据框按照某一列排序

library(dplyr)
arrange(test, Sepal.Length) #从小到大
arrange(test, desc(Sepal.Length))

2.2 distinct()按照某一列去重复

distinct(test,Species,.keep_all = T)
distinct(test,Species)

2.3 mutate()新增一列

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

?只是在控制台上对数据框test进行了一些操作，实际上的test还是只有5列！

没有赋值就没有发生过！

补充：select()筛选列 filter()筛选行

x1 = filter(iris,Sepal.Width>3)
x2 = select(x1, Sepal.Length,Sepal.Width)
x3 = arrange(x2,Sepal.Length)

x1 x2为中间变量，无其他用途

管道符号：%>%传递，简洁明了

把前一步的运算结果传递给下一步的函数，作为这个函数的第一个参数

x = iris %>% 
  filter(Sepal.Width>3) %>% 
  select(Sepal.Length,Sepal.Width)%>%
  arrange(Sepal.Length)

3 条件语句和循环语句

这里只介绍if条件语句和for循环语句

看懂代码在干什么即可！

3.1 if条件语句

如果……就……

if(一个逻辑值，不可以是逻辑值组成的向量){ }

TRUE 执行

FALSE 不执行

如果……就……否则……

if(一个逻辑值，不可以是逻辑值组成的向量){ }else{ }

重点 ifelse函数

ifelse(x,yes,no)

x:逻辑值或者逻辑值向量

yes:逻辑值为TRUE时的返回值

no:逻辑值为FALSE时的返回值

ifelse函数支持单个逻辑值，也支持多个逻辑值组成的向量

x = rnorm(3)
x
ifelse(x>0,"+","-")

ifelse()+str_detect()王炸组合

samples = c("tumor1","tumor2","tumor3","normal1","normal2","normal3")
k1 = str_detect(samples,"tumor");k1
ifelse(k1,"tumor","normal")
k2 = str_detect(samples,"normal");k2
ifelse(k2,"normal","tumor")

ifelse()可以满足多个条件的嵌套

i = 0
if (i>0){
  print('+')
} else if (i==0) {
  print('0')
} else if (i< 0){
  print('-')
}

ifelse(i>0,"+",ifelse(i<0,"-","0"))

3.2 for循环语句

3.2.1 对向量中的每一个元素进行循环

对x里的每一个元素i进行同一个操作

for(i in x){ }

x <- c(5,6,0,3)
s=0
for (i in x){
  s=s+i
  print(c(i,s))
}

3.2.2 第二种循环方式：下标循环

x <- c(5,6,0,3)
s = 0
for (i in 1:length(x)){
  s=s+x[[i]]
  print(c(x[[i]],s))
}

3.2.3 如何将for循环的结果保存下来？

m=list()
m[[1]]=iris[1:50,]
m[[2]]=iris[51:100,] #列表新建的另一种方式
m0=list(iris[1:50,],iris[51:100,])
identical(m,m0)

s = 0
result = list()
for(i in 1:length(x)){
  s=s+x[[i]]
  result[[i]] = c(x[[i]],s)
}
result
do.call(cbind,result) #把result的结果简化，按列拼接成为一个矩阵 do.call完成批量操作

4 表达矩阵画箱线图

4.1 表达矩阵的概念

基因表达的数据通常使用表达矩阵来表示

其中矩阵的行代表某个基因在不同样本（不同处理，或时间点等）中的表达水平

列表示某个样本中各个基因的表达水平

4.2 如何把基因和count变为数据框的列名？

转置t
把原来的行名变为第一列
宽数据变长数据代码实现：set.seed(10086)# 随机种子，让rnorm的结果变固定 exp = matrix(rnorm(18),ncol = 6) exp = round(exp,2)#round取小数点后2位 rownames(exp) = paste0("gene",1:3) colnames(exp) = paste0("test",1:6) exp exp[,1:3] = exp[,1:3]+1 exp

#tidyverse系列不认矩阵 矩阵转换为数据框
library(tidyr)
library(tibble)
library(dplyr)
dat = t(exp) %>%  #t()转置
  as.data.frame() %>% 
  rownames_to_column() %>% #行名变为第一列
  mutate(group = rep(c("control","treat"),each = 3)) #数据框新增一列
#变形的函数 完成宽数据变长数据的操作
pdat = dat%>% 
  **pivot_longer**(cols = starts_with("gene"),#需要合并的列
               names_to = "gene",
               values_to = "count")
#使用ggplot画图
library(ggplot2)
p = ggplot(pdat,aes(gene,count))+
  geom_boxplot(aes(fill = group))+ 
  theme_bw()

添加分面

p + facet_wrap(~gene,scales = "free")

5 隐式循环

5.1 矩阵/数据框的隐式循环——apply

apply(X,MARGIN,FUN…)

X：数据框/矩阵名称

MARGIN：取值=1表示行；取值=2表示列

FUN：具体函数

对X的每一行/每一列进行FUN这个函数

test<- iris[1:6,1:4]
apply(test, 2, mean)
apply(test, 1, sum)

5.2 列表的隐式循环——lapply 不涉及行和列

test <- list(x = 36:33,y = 32:35,z = 30:27);test
lapply(test,mean)
lapply(test,fivenum)

#sapply 简化结果，返回矩阵或向量
sapply(test,mean)
sapply(test,fivenum)
class(sapply(test,fivenum))

6 两个数据框的连接

6.1 inner_join 取交集

test1 <- data.frame(name = c('jimmy','nicker','Damon','Sophie'), 
                    blood_type = c("A","B","O","AB"))
test1
test2 <- data.frame(name = c('Damon','jimmy','nicker','tony'),
                    group = c("group1","group1","group2","group2"),
                    vision = c(4.2,4.3,4.9,4.5))
test2

library(dplyr)
#五个数据框连接的函数 半连接、反连接基本用不到
inner_join(test1,test2,by="name")
#左连接 左边表里的人都留下 左边说了算
#右连接 右边表里说了算的连接
right_join(test1,test2,by="name")
full_join(test1,test2,by="name")
semi_join(test1,test2,by="name")
anti_join(test1,test2,by="name")

semi_join anti_join实际上没有发生过两个数据框的连接，其实是对左边的数据框取子集

7 一些顶呱呱的函数

7.1 match()

7.2 一些处理文件的函数

dir() # 列出工作目录下的文件
dir(pattern = ".R$") #列出工作目录下以.R结尾的文件 $表示以……结尾
dir(pattern = ".R") 

file.create("douhua.txt") #用代码创建文件
file.exists("douhua.txt") #某文件在工作目录下是否存在
file.remove("douhua.txt") #用代码删除文件
file.exists("douhua.txt") #删掉了就不存在啦
## 可以批量的新建和删除
f = paste0("douhua",1:100,".txt")
file.create(f)
file.remove(f)

8 思考题：如何挑选出一个表达矩阵里方差最大的基因？

1.计算每个基因的方差（每个基因是每一行，方差var）

2.每个基因方差排列

3.最后1000个数字所对应的基因

load("test2.Rdata")
##里面保存的数据框名字是test
dim(test)
apply(test, 1, var)
##计算数据框test每一个基因的方差
sort(apply(test, 1, var))
##从小到大排序，最大的1000应在最后面
tail(sort(apply(test, 1, var)),1000)
##用**tail函数**（从后面开始取）取最后1000个方差最大的基因，默认参数是6不写，这里是1000，写上
names(tail(sort(apply(test, 1, var)),1000))
#提取**元素名称**，挑出1000个基因名字

说明：

以上内容是生信技能树小洁老师课程笔记，请结合食用~

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。

学习笔记

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。

学习笔记

#生信技能树

登录后参与评论

0 条评论

热度