生信技能树- R语言-day7

玩转字符串

1.检测字符串长度

str_length(x)

length(x)# 字符的个数

2.字符串拆分

str_split(x," ") # 把42个字符 按照“空格”拆分成八个字符串

class(str_split(x," ")) #确认是什么数据组合类型

x2 = str_split(x," ")[[1]];x2 #是list 所以用[[]]

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

str_split(y," ")

str_split(y," ",simplify = T) #简化结果

拆分后的y需要赋值，不然还是原来的y

3.按位置提取字符串

str_sub(x,5,9) #空格也要算上 x字符串里5-9位置

4.字符检测

str_detect(x2,"h") # h类似于地雷，扫雷探测，含有h的就会变成TURE，生成长度相等的逻辑值向量，可以用来取子集，可以提出来含有h的地雷

str_starts(x2,"T") #是否以t开头

str_ends(x2,"e")#是否e结束

5.字符串替换

x2

str_replace(x2,"o","A") #如果向量里的一个数据有两个o，只替换第一个

str_replace_all(x2,"o","A") #如果向量里的一个数据有两个o，都替换

str_replace_all(x2,"o|e","A") # 竖线 代表着或者

6.字符删除

str_remove(x," ")

str_remove_all(x," ")

玩转数据框

arrange，数据框按照某一列排序

sort是给向量排序的

library(dplyr)

arrange(test, Sepal.Length) #默认根据这一列从小到大给整个数据框排序

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

distinct，数据框按照某一列去重复

unique 给向量去掉重复

duplicated 判断是否发生了重复（逻辑值关系，遇到第二次就变成ture）

distinct(test,Species,.keep_all = T)

mm[!duplicated(mm)] 提取没有重复的第一次出现的

mutate，数据框新增一列

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

new是新产生的列名

新加之后，如果没有赋值，那么这个数据框还是没有新加，没有赋值，就没有产生

补充

select（）

filter（）

如何简化连续的步骤

1. 多次赋值，会产生多个中间的变量

x1 = select(iris,-5)

x2 = as.matrix(x1)

x3 = head(x2,50)

pheatmap::pheatmap(x3)

2. 嵌套，代码不易读

pheatmap::pheatmap(head(as.matrix(select(iris,-5)),50))

管道符号传递，简洁明了

iris %>%

select(-5) %>%

as.matrix() %>%

head(50) %>%

pheatmap::pheatmap()

玩转条件和循环

条件

if

if(一个逻辑值，不可以是多个逻辑值组成的向量){code }

控制code到底可运行

如果逻辑值是T，就运行

如果是F，就不运行。

if。。。else

if(一个逻辑值，不可以是多个逻辑值组成的向量){code1}

else{code2}

如果逻辑值是FALSE，就执行else里的code

0

ifelse

0

支持单个的逻辑值，也支持多个逻辑值组成的向量，根据逻辑值向量生成有两个取值的字符型向量

ifelse() + str_detect()

samples = c("tumor1","tumor2","tumor3","normal1","normal2","normal3")

k1 = str_detect(samples,"tumor");k1

ifelse(k1,"tumor","normal")

#这段逻辑不对，会造成 tumor变成了normal

k2 = str_detect(samples,"normal");k2

ifelse(k2,"normal","tumor")

多个条件

两种写法

1，if。。。else

2， ifelse（，，ifelse）在ifelse里加一个ifelse

0

补充 case_when

0

练习题

1.加载deg.Rdata,根据a、b两列的值，按照以下条件生成向量x：

load("deg.Rdata")

#a< -1 且b<0.05,则x对应的值为down；

#a>1 且b<0.05,则x对应的值为up；

#其他情况，x对应的值为no

k1 = deg$a < -1 & deg$b <0.05;table(k1) #table计算重复值

k2 = deg$a > 1 & deg$b <0.05;table(k2)

x = ifelse(k1,"down",ifelse(k2,"up","no"))

table(x)

小李的case when写法

0

循环

让x里的每个元素i都进行代码操作

0

i是一个代称

#批量画图

par(mfrow = c(2,2))，把图按照（2，2）的排列方式展示

for(i in 1:4){

plot(iris[,i],col = iris[,5])

}

#批量装包

pks = c("tidyr","dplyr","stringr")

for(g in pks){

if(!require(g,character.only = T))

install.packages(g,ask = F,update = F)

}

玩转隐式循环

apply

0

向量里有两个东西，一个是正文，一个是名字，虽然是向量，但他的每个 元素可以拥有名字

test<- iris[1:6,1:4] apply(test, 2, mean) Sepal.Length Sepal.Width Petal.Length Petal.Width 4.9500000 3.3833333 1.4500000 0.2333333 apply(test, 1, sum) 1 2 3 4 5 6 10.2 9.5 9.4 9.4 10.2 11.4

思考题：如何挑出30个数里最大的5个

0

head 取头几个

tail 取尾巴的几个

还没做思考题：如何跳出一个表达矩阵里方差最大的1000个基因

0

思考题：取出大于1的所有行

0

向量/列表的隐式循环-lapply

lapply(list, FUN, …)

对列表/向量中的每个元素实施相同的操作

lapply(1:4,rnorm)

两个数据框的链接

merge可以合并

inner_join:交集

都存在的取

inner_join(test1,test2,by="name")

full_join:全连接

full_join(test1,test2,by="name")

left_join：左连接，以左边的为准

left_join(test1,test2,by="name")

right_join：右连接，以右边的为准

right_join(test1,test2,by="name")

表达矩阵画箱线图

当x和y没有名字可以简写表达清楚的时候，不是ggplot2可以接受的类型

1. 这是一个矩阵

0

2. 先转置

0

3. 把行名变成一列

4. “宽”变成“长”

0

把格式变成类似于 ggplot2的形式，一列作为x，一列作为y

5. 再ggplot2

实施

set.seed(10086) #随机种子

exp = matrix(rnorm(18),ncol = 6) #随机18个数，分成6列

exp = round(exp,2) #四舍五入，留下小数点后2位

rownames(exp) = paste0("gene",1:3)

colnames(exp) = paste0("test",1:6)

exp[,1:3] = exp[,1:3]+1 # 1-3列的数字在数值上加1

exp

数据框如下

0

library(tidyr)

library(tibble)

library(dplyr)

dat = t(exp) %>% # 赋值dat，然后进行转置

as.data.frame() %>% # 矩阵变成数据框

rownames_to_column() %>% #把行名变成一列

mutate(group = rep(c("control","treat"),each = 3)) #新增一列group

0

宽变长的方法：

pdat = dat%>%

pivot_longer(cols = starts_with("gene"), #要把gene 1，2，3这一行变成列

names_to = "gene",#命名为gene

values_to = "count")#数值用count表示

0

library(ggplot2)

p = ggplot(pdat,aes(gene,count))+

geom_boxplot(aes(fill = group))+

theme_bw()

p

0

一些其他函数

1.match-----

load("matchtest.Rdata")

x

y

如何把y的列名正确替换为x里面的ID？

(1)分步解法

a = colnames(y)

b = x$file_name

k = match(a,b);k

#match(a,b)的意思是a里的每个元素在b的第几个位置上。

#是b的下标，可以给b取子集，也可以给与b对应的其他向量取子集。

colnames(y) = x$ID[k]

(2)一步解法

load("matchtest.Rdata")

colnames(y) = x$ID[match(colnames(y),x$file_name)]

(3)放弃match的解法

load("matchtest.Rdata")

rownames(x) = x$file_name

x = x[colnames(y),]

colnames(y) = x$ID

2.一些搞文件的函数----

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

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)

重要的函数

0

多脚本的管理

0

便于方面管理的文件夹

save(赋值各个文件名,file = "xxxx.Rdata/Rdata")

0

0

../ 读取上一级文件夹