tidyverse包

一、数据框排序

  1. test <- iris[c(1:2,51:52,101:102),]
  2. rownames(test) =NULL
  3. test
  5. # order 可以给向量排序，也可以给数据框排序。x[order(x)]
  6. sort(test$Sepal.Length) #对某列排序
  7. test$Sepal.Length[order(test$Sepal.Length)] #全部排列
  9. test[order(test$Sepal.Length),] #对所有列进行排序，默认升序
  10. test[order(test$Sepal.Length,decreasing = T),] #对所有列进行降序排列
  12. # arrange，更加灵活的排序，整行移动，不加引号
  14. library(dplyr)
  15. arrange(test, Sepal.Length)
  16. arrange(test, desc(Sepal.Length)) #降序排列
  17. arrange(test, desc(Sepal.Width),Sepal.Length)#先按照A排列，如果列相同，按照B列排列
  19. 来自dplyr包的其他函数
  20. #mutate：新增列
  21. mutate(test,new=Sepal.Length*Sepal.Width)
  22. test$new=test$Sepal.Length*test$Sepal.Width#也能新增列
  24. #select()、filter() 筛选行、列
  26. #管道符号 %>%代表向后传递，能规避产生中间变量
  27. x1 = filter(iris,Sepal.Width>3) #筛选行
  28. x2 = select(x1,Sepal.Length,Sepal.Width)#筛选列
  29. x3=arrange(x2,Sepal.Length)
  30. #第二种方法
  31. x = iris %>%
  32.   filter(Sepal.Width>3) %>%
  33.   select(Sepal.Length,Sepal.Width) %>%
  34.   arrange(Sepal.Length)
  35. #第三种方法
  36. arrange(select(filter(iris,Sepal.Width>3),Sepal.Length,Sepal.Width),Sepal.Length)

二、表达矩阵画箱式图

对数据格式进行更改
1、把原有的行名转变为第一列
2、转置T
3、宽变长
image.png

  1. # 表达矩阵的代码操作
  2. set.seed(10086) #设定随机种子，保证随机的结果可重复
  3. exp = matrix(rnorm(18),ncol = 6)
  4. exp = round(exp,2) #保留小数点后2位数
  5. rownames(exp) = paste0("gene",1:3)
  6. colnames(exp) = paste0("test",1:6)
  7. exp[,1:3] = exp[,1:3]+1 #前三列加1
  8. exp 
  10. library(tidyr)
  11. library(tibble)
  12. library(dplyr)
  13. dat = t(exp) %>% #转制
  14.   as.data.frame() %>% 
  15.   rownames_to_column() %>% 
  16.   mutate(group = rep(c("control","treat"),each = 3))
  18. pdat = dat%>% 
  19.   pivot_longer(cols = starts_with("gene"), #pivot，宽变长的函数
  20.                names_to = "gene",
  21.                values_to = "count")
  23. library(ggplot2)
  24. p = ggplot(pdat,aes(gene,count))+
  25.   geom_boxplot(aes(fill = group))+
  26.   theme_bw()
  27. p
  28. p + facet_wrap(~gene,scales = "free")#分为3张子图，scales 参数fixed表示固定坐标轴刻度，free表示反馈坐标轴刻度

三、连接

  1. test1 <- data.frame(name = c('jimmy','nicker','Damon','Sophie'), 
  2.                     blood_type = c("A","B","O","AB"))
  3. test1
  4. test2 <- data.frame(name = c('Damon','jimmy','nicker','tony'),
  5.                     group = c("group1","group1","group2","group2"),
  6.                     vision = c(4.2,4.3,4.9,4.5))
  7. test2
  8. library(dplyr)
  9. inner_join(test1,test2,by="name")#交集inner_join
  10. left_join(test1,test2,by="name")#左连接
  11. right_join(test1,test2,by="name")#右连接
  12. full_join(test1,test2,by="name")#全连接
  13. semi_join(test1,test2,by="name")#半连接
  14. anti_join(test1,test2,by="name")#反连接

总结
image.png

  1. # 练习7-1
  2. # 1.加载test1.Rdata，将dat数据框按照logFC从小到大排序
  3. load("test1.Rdata")
  4. library(dplyr)
  5. arrange(dat, logFC)#注意⚠️不加引号
  6. # 2.将test1.Rdata中存放的两个数据框连接在一起，按共同的列取交集
  7. x=merge(dat,ids,by = "probe_id")#第一种方法
  8. library(dplyr)
  9. x2=inner_join(dat,ids,by = "probe_id")#第二种方法

四、字符串

常用函数

字符长度 str_length(x)
拆分 str_split( )
按位置提取字符 str_sub( )
字符检测 str_detect( )
替换 str_replace( ）/str_replace_all（）
删除 str_remove（）/str_remove_all（） 
  1. > rm(list = ls())
  2. > if(!require(stringr))install.packages('stringr')
  3. > library(stringr)
  4. > 
  5. > x <- "The birch canoe slid on the smooth planks."
  6. > 
  7. > x
  8. [1] "The birch canoe slid on the smooth planks."
  9. > ###1.检测字符串长度
  10. > str_length(x) #共多少个字符
  11. [1] 42
  12. > length(x) #向量中有多少函数
  13. [1] 1
  14. > 
  15. > ###2.字符串拆分
  16. > str_split(x," ")#以空格作为拆分
  17. [[1]]
  18. [1] "The"     "birch"   "canoe"   "slid"    "on"      "the"     "smooth" 
  19. [8] "planks."
  21. > x2 = str_split(x," ")[[1]];x2
  22. [1] "The"     "birch"   "canoe"   "slid"    "on"      "the"     "smooth" 
  23. [8] "planks."
  24. > 
  25. > y = c("jimmy 150","nicker 140","tony 152")
  26. > str_split(y," ")
  27. [[1]]
  28. [1] "jimmy" "150"  
  30. [[2]]
  31. [1] "nicker" "140"   
  33. [[3]]
  34. [1] "tony" "152" 
  36. > str_split(y," ",simplify = T)
  37.      [,1]     [,2] 
  38. [1,] "jimmy"  "150"
  39. [2,] "nicker" "140"
  40. [3,] "tony"   "152"
  41. > 
  42. > ###3.按位置提取字符串
  43. > str_sub(x,5,9)
  44. [1] "birch"
  45. > 
  46. > ###4.字符检测
  47. > str_detect(x2,"h")#检验是否含有h
  48. [1]  TRUE  TRUE FALSE FALSE FALSE  TRUE  TRUE FALSE
  49. > str_starts(x2,"h")#检验开头是否含有h
  50. [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
  51. > str_ends(x2,"h")#检验结尾是否含有h
  52. [1] FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE
  53. > 
  54. > ###5.字符串替换
  55. > str_replace(x2,"o","A") #只替换一个
  56. [1] "The"     "birch"   "canAe"   "slid"    "An"      "the"     "smAoth" 
  57. [8] "planks."
  58. > str_replace_all(x2,"o","A")#全部替换
  59. [1] "The"     "birch"   "canAe"   "slid"    "An"      "the"     "smAAth" 
  60. [8] "planks."
  61. > 
  62. > ###6.字符删除
  63. > str_remove(x," ")#只删除1个
  64. [1] "Thebirch canoe slid on the smooth planks."
  65. > str_remove_all(x," ")#全部删除
  66. [1] "Thebirchcanoeslidonthesmoothplanks."
  67. >

五、条件语句和循环语句

image.png

  2. > rm(list = ls())
  3. > 
  4. > ## 一.条件语句
  5. > 
  6. > ###1.if(){ }
  7. > 
  8. > #### (1)只有if没有else，那么条件是FALSE时就什么都不做
  9. > 
  10. > i = -1
  11. > if (i<0) print('up')
  12. [1] "up"
  13. > if (i>0) print('up')
  14. > 
  15. > #理解下面代码
  16. > if(!require(tidyr)) install.packages('tidyr')
  17. > 
  18. > #### (2)有else，ifelse(x,yes,no)
  19. #3个参数，x逻辑值，yes逻辑值为TRUE的返回值，no逻辑值为FALSE的返回值
  20. > i =1
  21. > if (i>0){
  22. +   print('+')
  23. + } else {
  24. +   print("-")
  25. + }
  26. [1] "+"
  27. > 
  28. > ifelse(i>0,"+","-")
  29. [1] "+"
  30. > 
  31. > x=rnorm(3)
  32. > ifelse(x>0,"+","-")
  33. [1] "-" "+" "+"
  34. > 
  35. > 
  36. > #### (3)多个条件
  37. > i = 0
  38. > if (i>0){
  39. +   print('+')
  40. + } else if (i==0) {
  41. +   print('0')
  42. + } else if (i< 0){
  43. +   print('-')
  44. + }
  45. [1] "0"
  46. > 
  47. > ifelse(i>0,"+",ifelse(i<0,"-","0"))#第二种写法
  48. [1] "0"
  49. > 
  50. >

循环语句
image.png
image.png
image.png

image.png

  1. ## 二、循环语句
  2. > 
  3. > ### 1.for循环
  4. > x <- c(5,6,0,3)
  5. > s=0
  6. > for (i in x){
  7. +   s=s+i
  8. +   print(c(i,s))
  9. + }
  10. [1] 5 5
  11. [1]  6 11
  12. [1]  0 11
  13. [1]  3 14
  14. > 
  15. > x <- c(5,6,0,3)
  16. > s = 0
  17. > for (i in 1:length(x)){
  18. +   s=s+x[[i]]
  19. +   print(c(x[[i]],s))
  20. + }
  21. [1] 5 5
  22. [1]  6 11
  23. [1]  0 11
  24. [1]  3 14
  25. > 
  26. > #如何将结果存下来?
  27. > s = 0
  28. > result = list()
  29. > for(i in 1:length(x)){
  30. +   s=s+x[[i]]
  31. +   result[[i]] = c(x[[i]],s)
  32. + }
  33. > result
  34. [[1]]
  35. [1] 5 5
  37. [[2]]
  38. [1]  6 11
  40. [[3]]
  41. [1]  0 11
  43. [[4]]
  44. [1]  3 14
  46. > do.call(cbind,result)
  47.      [,1] [,2] [,3] [,4]
  48. [1,]    5    6    0    3
  49. [2,]    5   11   11   14
  50. >

六、隐式循环

如何挑出一个表达矩阵里方差最大的1000个基因？
image.png

  1. a=rnorm(100)
  2. sort(a)
  3. tail(sort(a),10)#排序后，取倒数10个
  6. load("test2.Rdata")
  7. b=apply(test,1,var)#取方差
  8. x=names(tail(sort(b),1000))
  9. head(x)
  1. > rm(list = ls())
  2. > ## apply()族函数
  3. > 
  4. > ### 1.apply 处理矩阵或数据框
  5. > 
  6. > #apply(X, MARGIN, FUN, …) 
  7. > #其中X是数据框/矩阵名；
  8. > #MARGIN为1表示行，为2表示列，FUN是函数
  9. > 
  10. > test<- iris[1:6,1:4]
  11. > 
  12. > apply(test, 2, mean)
  13. Sepal.Length  Sepal.Width Petal.Length  Petal.Width 
  14.    4.9500000    3.3833333    1.4500000    0.2333333 
  15. > 
  16. > apply(test, 1, sum)
  17.    1    2    3    4    5    6 
  18. 10.2  9.5  9.4  9.4 10.2 11.4 
  19. > 
  20. > ### 2.lapply(list, FUN, …) ，列表的隐式循环
  21. > # 对列表/向量中的每个元素（向量）实施相同的操作
  22. > 
  23. > test <- list(x = 36:33,y = 32:35,z = 30:27);test
  24. $x
  25. [1] 36 35 34 33
  27. $y
  28. [1] 32 33 34 35
  30. $z
  31. [1] 30 29 28 27
  33. > 
  34. > #返回值是列表，对列表中的每个元素（向量）求均值(试试方差var,分位数quantile)
  35. > 
  36. > lapply(test,mean)
  37. $x
  38. [1] 34.5
  40. $y
  41. [1] 33.5
  43. $z
  44. [1] 28.5
  46. > lapply(test,fivenum)
  47. $x
  48. [1] 33.0 33.5 34.5 35.5 36.0
  50. $y
  51. [1] 32.0 32.5 33.5 34.5 35.0
  53. $z
  54. [1] 27.0 27.5 28.5 29.5 30.0
  56. > ### 3.sapply 简化结果，直接返回矩阵或向量
  57. > 
  58. > sapply(test,mean)
  59.    x    y    z 
  60. 34.5 33.5 28.5 
  61. > sapply(test,fivenum)
  62.         x    y    z
  63. [1,] 33.0 32.0 27.0
  64. [2,] 33.5 32.5 27.5
  65. [3,] 34.5 33.5 28.5
  66. [4,] 35.5 34.5 29.5
  67. [5,] 36.0 35.0 30.0
  68. > 
  69. > class(sapply(test,fivenum))
  70. [1] "matrix" "array" 
  71. >
  1. #练习7-2----
  3. # 1.读取group.csv,从第二列中提取圈出来的信息
  4. library(stringr)
  5. a = read.csv("group.csv")
  6. g  = str_split(a$title," ",simplify = T)
  7. g
  8. g[,4]
  10. # 2.如何把上一题结果中的Control和Vemurafenib改成全部小写？搜索一下
  11. tolower(g[,4])
  12. str_to_lower(g[,4])
  14. # 3.加载deg.Rdata,根据a、b两列的值，按照以下条件生成向量x：
  15. #a< -1 且b<0.05,则x对应的值为down；
  16. #a>1 且b<0.05,则x对应的值为up；
  17. #其他情况，x对应的值为no
  18. # 统计up、down、no各重复了多少次
  19. load("deg.Rdata")
  20. k1 = deg$a< -1 & deg$b<0.05;table(k1)
  21. k2 = deg$a>1 & deg$b<0.05;table(k2)
  22. x = ifelse(k1,"down",ifelse(k2,"up","no"))

彩蛋：长脚本的管理

第一种方法 利用save和load进行长脚本的管理
image.png
第二种方法，用if
image.png