R语言中知识点总结（二）

一些函数不知道什么意思要查，看数值例子，做笔记，知道函数的功能，函数和返回值。

网页上查找关键词，巧用查找（ctrl+F）

---

数据读取处理，有read.table   read

R—读取数据（导入csv,txt,excel文件）

read.table函数：read.table函数以数据框的格式读入数据，所以适合读取混合模式的数据，但是要求每列的数据数据类型相同。

read.table读取数据非常方便，通常只需要文件路径、URL或连接对象就可以了，也接受非常丰富的参数设置：

• file参数：这是必须的，可以是相对路径或者绝对路径（注意：Windows下路径要用斜杠'/'或者双反斜杠'\\'）。
• header参数：默认为FALSE即数据框的列名为V1,V2...,设置为TRUE时第一行作为列名。

data1<-read.table('item.csv')#默认header=FALSE

data2<-read.table('item.csv',header=TRUE)

• read.csv、read.csv2、read.delim是read.table函数的包装，分隔符分别对应逗号，分号，制表符，同样接受read.table所有参数。
• read.csv函数header参数默认为TRUE，不同于read.table。

data3<-read.csv('item.csv',sep=',',header=TRUE)

data4<-read.table('item.csv')

#下文示例采用read.csv函数，两种写法效果相同

gc.data=read.table("count_new.txt",header=TRUE,sep="\t")#
# head(gc.data)

---

count数据

原数据csv转成txt后再做

library("DESeq2")

coldata<-data.frame(c(rep("normal",30),rep("tumor",377)))     
"condition"->names(coldata)

names(coldata)

rownames(coldata) = colnames(exprSet)

rownames() 行名                                colnames()  列名

gctestnew=gc.data[seq(1,10),seq(1,4)]

exprSet = as.matrix(gc.data[,-1])

矩阵提取相应的行，现在还在越界，已解决：

id=up_diff_result$Row.names

name=gc.data[id,1]

---

代码的形式更改镜像下载包

source("http://bioconductor.org/biocLite.R")
options(BioC_mirror="http://mirrors.ustc.edu.cn/bioc/")
biocLite('WGCNA')

转置 as.data.frame
datExpr0 = as.data.frame(t(femData[, -c(1:8)])); #去除数据 1 到 8 列 转置后生成数据框。

names(datExpr0) = femData$substanceBXH;

---

R语言的一些基础补充

sampleTree = hclust(dist(datExpr0), method = "average");

sampleTree = hclust(dist(datExpr0), method = "average");

https://blog.csdn.net/sherrymi/article/details/38341185

dim(femData); #查看数组（矩阵）的大小

plot(sampleTree，….）

https://www.cnblogs.com/wutongyuhou/p/5873056.html

sizeGrWindow(width, height)

width   desired width of the window, in inches.

height   desired heigh of the window, in inches.

datExpr0[seq(1,10),seq(1,4)]  #显示1-10行，1-4列

datExpr0 = as.data.frame(t(femData[, -c(1:8)])); #去除数据 1 到 8 列 转置后生成数据框。

nGenes = ncol(datExpr) #  3600L?  多少列
#郭：例子：matrix(1:20,nrow=4,ncol=5,byrow=FALSE) 分析: 矩阵A的数据是1-20,在R语言中1-20就是1:20,4*5的意思就是4行5列。

nSamples = nrow(datExpr) # 多少列

F2_2   行   样本134，  MMT0000044   列  是基因3600          134*3600      排序了

---

R语言 sub与gsub函数的区别

> text <- c("we are the world", "we are the children")

> sub("w", "W", text)

[1] "We are the world"    "We are the children"

> sub("W","w",text)

[1] "we are the world"    "we are the children"

> gsub("W","w",text)

[1] "we are the world"    "we are the children"

> gsub("w","W",text)

[1] "We are the World"    "We are the children"

> sub(" ", "", "abc def ghi")

[1] "abcdef ghi"

> ## [1] "abcdef ghi"

> gsub(" ", "", "abc def ghi")

[1] "abcdefghi"

> ## [1] "abcdefghi"

从上面的输出结果可以看出，sub（）和gsub（）的区别在于，前者只替换第一次匹配的字符串，而后者会替换掉所有匹配的字符串。

---

R子集subset

> x<-c(6,1,2,3,NA,12)

> x[x>5]    #x[5]是未知的，因此其值是否大于5也是未知的

[1]  6 NA 12

> subset(x,x>5)  #subset直接会把NA移除

[1]  6 12

> subset(airquality, Temp > 80, select = c(Ozone, Temp))

Ozone Temp

29     45   81

35     NA   84

36     NA   85

38     29   82

39     NA   87

40     71   90

...

> subset(airquality, Day == 1, select = -Temp)

Ozone Solar.R Wind Month Day

1      41     190  7.4     5   1

32     NA     286  8.6     6   1

62    135     269  4.1     7   1

93     39      83  6.9     8   1

124    96     167  6.9     9   1

...

> subset(airquality, select = Ozone:Wind)

Ozone Solar.R Wind

1      41     190  7.4

2      36     118  8.0

3      12     149 12.6

4      18     313 11.5

5      NA      NA 14.3

---

就是把x中所有不是NA的值赋予x，比如说x=c(1,2,NA,4)，那么运行这个程序
x<-x[!is.na(x)]
以后，x=c(1,2,4)

---

x<-“123”，x为character类型，而as.numeric(x)则为numeric类型的123。但是因子(factor)类型却不一样。

a<-factor(c(100,200,300,301,302,400,10))，它们的值分别为100 200 300 301 302 400 10，然而

as.numeric(a)对应的值并非100 200 300 301 302 400 10，而是2 3 4 5 6 7 1。因子(factor)转换成数值型(numeric)

的规则是这样的：

一共有n个数，那么转换后的数字就会在1——n中取值，数字最小的取一，次小的取二，以此类推。

那么如何让因子(factor)类型里的数值转换对应的数值型呢？

mean(as.numeric(as.character(factorname)))
     mean(as.numeric(levels(factorname)[factorname]))
---------------------
作者：记录本
来源：CSDN
原文：https://blog.csdn.net/jiluben/article/details/40222229
版权声明：本文为博主原创文章，转载请附上博文链接！

---

> c(1:5)
[1] 1 2 3 4 5

> list(a=1,b=2,c=3)
$`a`
[1] 1

$b
[1] 2

$c
[1] 3

> 5^5
[1] 3125

---

R语言常用命令

https://www.cnblogs.com/mohuishou-love/p/10232347.html

---

• mapply

mapply(FUN, ..., MoreArgs=NULL, SIMPLIFY=TRUE, USE.NAMES=TRUE)
mapply是多变量版的sapply，参数(...)部分可以接收多个数据，mapply将FUN应用于这些数据的第一个元素组成的数组，然后是第二个元素组成的数组，以此类推。要求多个数据的长度相同，或者是整数倍关系。返回值是vector或matrix，取决于FUN返回值是一个还是多个。

> mapply(sum, list(a=1,b=2,c=3), list(a=10,b=20,d=30))
 a  b  c
11 22 33
> mapply(function(x,y) x^y, c(1:5), c(1:5))
[1]    1    4   27  256 3125
> mapply(function(x,y) c(x+y, x^y), c(1:5), c(1:5))
     [,1] [,2] [,3] [,4] [,5]
[1,]    2    4    6    8   10
[2,]    1    4   27  256 3125

作者：Stone_Stan4d
链接：https://www.jianshu.com/p/5529887f4447
來源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。

---

函数（和上面的没关系）：

days <- function(x, y){
  if(is.na(x))return(y)
  else return(x)
}

---

year <- c(2010,2012,2013,12)     c 表示列
sales <-c(1203,1220,2230,45)
salesData <- data.frame(year,sales)

4行2列

用str(salesData)观察数据框结构时，year的类型是num.
year在这里的语义是：每年的销售额，显然year是个类别，因此转化为因子：

R里面的数字向量都默认为数值型的，类别型和顺序型向量都叫因子，但是得自己设定。日期数据其实也是数值型的，但是也得设定，设定成日期型后可以进行运算。

如何把factor因子取消 as.character

关于R语言中的”因子”变量类型(一)

https://blog.csdn.net/zhangxiaojiakele/article/details/80117602

因子变量实际上是由数值型变量构成的!

这一标题有没有令你感到惊讶呢!下面给你展示一个比较sao的操作,你先自行体会以下(运气好的人可能体会过,因为我看见有人在QQ群问过这种问题):

x <- c("10", "20", "30", "40")
as.numeric(x)

## [1] 10 20 30 40

y <- as.factor(x)
y

## [1] 10 20 30 40
## Levels: 10 20 30 40

as.numeric(y)

## [1] 1 2 3 4

看到了吗?我们对于x这一数值构成的字符型向量进行数值转化操作,得到了我们想要的结果.然而,当将x转化为因子型变量时,景观看起来外观没有什么大的差别,但我们进行数值转化操作的结果却并非我们想要的,而是一堆奇怪的1,2,3,4.事实上1,2,3,4恰恰表示的对应元素在因子型变量中的排序先后,即 levels属性的先后.对照levels属性或许让你能够更至关的进行观察:

order(levels(y)）

## [1] 1 2 3 4

as.numeric(y)

## [1] 1 2 3 4

这也是为什么很多人看着眼前的数据似乎是一组字符型变量,想将其转化为数值型变量,但却发现为得到想要的结果,究其原因就在于这些变量并不是字符型变量,而是因子型变量.这一情况最容易出现在以下情形中:你的数据中某一列原本应当是数值型变量,但某几个取值缺失了,而缺失值的表示并不是简单的空值,而是其他如”-“等符号,此时在数据读取的过程中,这一列变量将会被自动转化为字符型向量,而如果你恰恰又不幸地忘记设置stringAsFactors = FALSE, 那么,便会产生如上情形了.任何情况下,都要仔细检查变量类型.上述问题的解决方法是先使用as.characer()将因子型变量转化为字符型变量,继而使用as.numeric()函数将其转化为数值型变量.

---------------------
作者：zhangxiaojiakele
来源：CSDN
原文：https://blog.csdn.net/zhangxiaojiakele/article/details/80117602
版权声明：本文为博主原创文章，转载请附上博文链接！

help('lapply')

---

R语言中ifelse函数可以完成类似的if...else的分支功能，可以认为是紧凑的if...else结构。其基本语法格式如下：

if(con, statement1, statement2)

con是逻辑条件，当逻辑条件的值为TRUE时，则输出statement1的值，否则输出statement2的值。

第一个例子：

x<-3

y<-ifelse(x>0, 2*x+1, 2*x-1)

其执行的过程是，若x是个大于0的值，则输出2*x+1的值，否则为2*x - 1的值。

---

问题待解决)

source('http://bioconductor.org/biocLite.R')
Error in file(filename, "r", encoding = encoding) :
  cannot open the connection
In addition: Warning message:
In file(filename, "r", encoding = encoding) : InternetOpenUrl failed: ''

source("https://bioconductor.org/biocLite.R") InternetOpenUrl failed: '无法与服务器建立连接'

(1)看看IE能不能打开网址  http://www.bioconductor.org/

(2) https://blog.csdn.net/truffle528/article/details/77200710   不行

options(repos=structure(c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))) 

source("https://bioconductor.org/biocLite.R")

---

R连接函数paste和paste0

paste0函数，默认是sep=""(两个函数的唯一区别)

#要生成12个月的fitbit文件名
paste("fitbit", 1:12, ".jpg", sep = "")
[1] "fitbit1.jpg"  "fitbit2.jpg"  "fitbit3.jpg"  "fitbit4.jpg"  "fitbit5.jpg"  "fitbit6.jpg"  "fitbit7.jpg"
[8] "fitbit8.jpg"  "fitbit9.jpg"  "fitbit10.jpg" "fitbit11.jpg" "fitbit12.jpg"
#可以看出参数里面有向量时的捉对拼接的效果,如果某个向量较短,就自动补齐
a <- c("甲","乙","丙","丁","戊","己","庚","辛","壬","癸")
b <- c("子","丑","寅","卯","辰","巳","午","未","申","酉","戌","亥")
paste0(a, b)
[1] "甲子" "乙丑" "丙寅" "丁卯" "戊辰" "己巳" "庚午" "辛未" "壬申" "癸酉" "甲戌" "乙亥"

paste与paste0还有一个collapse参数，可以把这些字符串拼成一个长字符串，而不是放在一个向量中

#collapse是合并成一个字符串时的分隔符
paste("fitbit", 1:3, ".jpg", sep = "", collapse = "; ")
[1] "fitbit1.jpg; fitbit2.jpg; fitbit3.jpg"

---

R——文件与工作空间的设置

• getwd()   获取当前工作空间

• ls()   列出当前工作空间所有的对象
• dir()   列出与当前工作空间平行的文件
• args(list.files)   获取list.files()函数的参数
• old.dir<-getwd()   将当前工作空间保存在old.dir变量
• dir.create('testdir')   创建一个新的工作空间
• setwd('testdir')   将上面创建的工作空间设置为当前工作空间
• file.create('mytest.R')   在当前工作空间创建一个文件
• list.files()   列出所有文件
• file.exists('mytest.R')   建议该文件是否存在
• file.rename('mytest.R','mytest2.R')   重命名
• file.copy('mytest2.R','mytest3.R')   复制
• file.path('mytest3.R')   获取路径
• dir.create(file.path('testdir2','testdir3'),recursive=TRUE)   以不覆盖方式创建工作空间
• unlink('testdir2',recursive=TRUE)   删除工作空间
• setwd(old.dir)   还原工作空间
• unlink('testdir',recursive=TRUE)   继续删除工作空间

---

R中的路径设置

1.使用getwd()函数来显示当前工作目录。

> getwd()
[1] "C:/Users/Administrator/Documents"

2.使用setwd()函数更改当前目录。

> dir.create("E:/R_Files")
> setwd("E:/R_Files")
> getwd()
[1] "E:/R_Files"

注意：
    (1) 函数setwd()不会自动创建一个不存在的目录。如果必要的话，可以使用函数dir.create()来创建新目录，然后使用setwd()将工作目录指向这个新目录。

(2)R里的dir.create()是不级联的，就是说一次只能创建有一个“/”的路径。如果需要两个“/”的路径（”E:/R_Files/R1”），就需要用dir.create()创建两次，然后文件才创建成功。再按照例子用setwd()去设置即可。

(3)函数setwd()是设置临时的工作路径（也就是说一旦你关闭了Rstudio后，工作目录又变回原来的工作目录）。
---------------------
作者：语希丫头
来源：CSDN
原文：https://blog.csdn.net/mona_sunshine/article/details/53042413
版权声明：本文为博主原创文章，转载请附上博文链接！

---

getGEO(GEO = NULL, filename = NULL, destdir = tempdir(), GSElimits=NULL,

GSEMatrix=TRUE,AnnotGPL=FALSE)

例如：

gds <- getGEO("GDS10") 会返回一个对象，而且下载数据一般会在tmp目录下面，当然如果你需要保存这些文件，你可以自己制定下载目录及文件名。

gse2553 <- getGEO("GSE2553")

GDS2eSet函数可以把上面这个下载函数得到的对象(要确定是GDS而不是GSE)变成表达对象

pData和exprs函数都可以处理上面这个表达对象，从而分别得到样品描述矩阵和样品表达量矩阵

综合一起就是

g4100 <- GDS2eSet(getGEO("GDS4100"))
g4102 <- GDS2eSet(getGEO("GDS4102"))
e4102<-exprs(g4102)
e4100<-exprs(g4100)

这样的代码，这个e4100和e4102就都是一个数值矩阵啦，可以进行下游分析，但是如果是下载的GSM数据

就用下面这个代码，GSE26253_series_matrix.txt是通过GSEMatrix=TRUE这个参数特意下载到你的目录的

---

直接在下面加上这个语句，看出现什么结果。上面的funtion是一个函数，这个是调用那个函数的，在这中间会下载那个数据，最后得出return(tT)
https://www.jianshu.com/p/b879ad1ae240

我估计会下载很长时间,我看这两个数据包都很大'GSE31056', 'GPL10526'
这里好像是一个在线GEO分析的工具

http://www.360doc.com/content/16/1030/23/19913717_602657026.shtml

转我的博客

---

？？？

GSE26253

Platforms (1)  GPL8432      Illumina HumanRef-8 WG-DASL v3.0

---

R语言提供了批量处理函数，可以循环遍历某个集合内的所有或部分元素，以简化操作。

这些函数底层是通过C来实现的，所以效率也比手工遍历来的高效。
批量处理函数有很重要的apply族函数：lapply sapply apply tapply mapply。apply族函数是高效能计算的运算向量化(Vectorization)实现方法之一，比起传统的for,while常常能获得更好的性能。
    apply : 用于遍历数组中的行或列，并且使用指定函数来对其元素进行处理。
    lapply : 遍历列表向量内的每个元素，并且使用指定函数来对其元素进行处理。返回列表向量。
    sapply : 与lapply基本相同，只是对返回结果进行了简化，返回的是普通的向量。
    mapply: 支持传入两个以上的列表。

tapply: 接入参数INDEX，对数据分组进行运算，就和SQL中的by group一样。

---------------------
作者：wa2003
来源：CSDN
原文：https://blog.csdn.net/wa2003/article/details/45887055
版权声明：本文为博主原创文章，转载请附上博文链接！

R语言-attach、detach、with

with(onedata.frame,{     name })

---

R语言reads.table 自动将字符串变成了逻辑值

今天遇到了一个问题，文件中有一列的值为全为F, 用read.table 读取的时候，自动将F 变成了false

对于这样的转换，可以通过 colClass 参数控制

colClass 参数指定每一列的类型，numeric, integer,  character, logical 等等，只需要将全是F的那一列指定为 character 就可以了

read.table( "file.txt" , sep = "\t",  header=FALSE, stringsAsFactors=FALSE, colClasses = c("character"))

其实在R里面还有一个内置的函数 .libPaths , 可以直接查看所有的路径

用法示例：

.libPaths()
[1] "/usr/lib64/R/library"