今天是最后一天了，看看了任务不轻松呀，加快速度搞定，善始善终。
今天的学习任务是学习一个R包的安装和简单应用（笔记内容未标注部分均学习自生信星球）
R包是什么
R包，类似C、Python中库的概念，指包含特定领域的函数、数据、文档等的集合。通过调用包，可以直接使用包中现成的数据、函数等，使开发方便快捷高效。
为什么学习R包
- R的强大在于包含了各种各样的包，使用包非常有利于便捷开发。
- 一些功能在现有的包中并不存在，需要自己实现，实现后通过打包方便代码的复用。
- 每个包涵括一个领域相关的函数数据文档等，通过包可以有效地组织代码结构，有利于开发。
R包的结构
创建R包后，在包的根目录下，一般包含以下几个部分（粗体表示必需）：
- R/： R函数目录，包含包中定义的函数。
- DESCRIPTION：包的描述，包括包名、作者、依赖等。
- NAMESPACE：名称空间。
- man/： R函数手册目录，包含了包中定义函数的手册。
- vignettes/： R项目目录，包含了本项目的使用指导。
- tests/： R函数测试目录，包含了包中定义函数的测试及包功能的测试。
- data/： 包中附带的数据文件。
摘自Young_Gy-R包简单教程
tidyr包
reshape2的替代者，功能更纯粹
tidyr主要提供了一个类似Excel中数据透视表(pivot table)的功能;
gather和spread函数将数据在长格式和宽格式之间相互转化，应用在比如稀疏矩阵和稠密矩阵之间的转化;
separate和union方法提供了数据分组拆分、合并的功能，应用在nominal数据的转化上
R将整洁数据定义为：每个变量的数据存储在自身的列中，每个观测值的数据存储在其自身的行中。整洁数据是进行数据再加工的基础。
tidyr包主要涉及：
1)缺失值的简单补齐
2)长形表变宽形表与宽形表变长形表
gather-把宽度较大的数据转换成一个更长的形式，它类比于从reshape2包中融合函数的功能
spread-把长的数据转换成一个更宽的形式，它类比于从reshape2包中铸造函数的功能。
gather()相反的是spread()，前者将不同的列堆叠起来，后者将同一列分开
3)列分割与列合并
separate－将一列按分隔符分割为多列
unite－将多列按指定分隔符合并为一列
tidyr包：（gather（宽数据转为长数据）、spread（长数据转为宽数据）、unit（多列合并为一列）、separate（将一列分离为多列））
摘自Little_Rookie——R----tidyr包介绍学习
如何使用某个R包
看R包的说明书，又叫小抄，理解并灵活使用
如何获取小抄
百度
Rstudio——cheatsheet
生信星球公众号回复R包名称
如何安装
安装tidyrinstall.packages("tidyr")
如果出错，可修改下镜像，tools-Global options-packages-CRAN mirror-change-选个位置最近的
加载tidyrlibrary(tidyr)也可以安装前用这个命令试一下有没有，
建数据框
a<-data.frame(GeneId=rep("gene5",times=3),sampleName=paste("sample",1:3,sep=""),expression=c(14,19,18))
具体解释：
rep——重复
paste——连接字符串
sep——分隔符
c()——无序数值或字符
背景知识
了解概念：key-value--“键值对” ，表示一种对应关系。“键”和“值”都是列名，如SampleName和Expression的对应。
函数后面一般都要加括号，括号里第一个参数是都数据框名
字符串要加双引号（行名和列名也是字符串，但是可以不用加），其他单元格（姑且这么叫了）里出现的字符串要加。
行 raw ； 列 column，简化写法为col
Tidya(可使数据变统一格式，方便跨包使用)，下图很生动，引用自生信星球
每个变量（variable）占一列，每个情况（case，姑且这么翻译）和观测值（observation）占一行
练习使用：
创建a<-data.frame(Country=c("A","B","C"),"1999"=paste(c(0.7,37,212),"K",sep=""),"2000"=paste(c(2,80,213),"k",sep=""))
一 Reshape Data
> gather(a,X1999,X2000,key="year",value="cases")
Country year cases
1 A X1999 0.7K
2 B X1999 37K
3 C X1999 212K
4 A X2000 2k
5 B X2000 80k
6 C X2000 213k
> gather(a,"year","cases",X1999,X2000)
Country year cases
1 A X1999 0.7K
2 B X1999 37K
3 C X1999 212K
4 A X2000 2k
5 B X2000 80k
6 C X2000 213k
gather(a,"year","cases",-Country)
Country year cases
1 A X1999 0.7K
2 B X1999 37K
3 C X1999 212K
4 A X2000 2k
5 B X2000 80k
6 C X2000 213k
> gather(a,year,cases,-Country)
Country year cases
1 A X1999 0.7K
2 B X1999 37K
3 C X1999 212K
4 A X2000 2k
5 B X2000 80k
6 C X2000 213k
二 Handle Missing Values
导入：X<-read.csv('doudou.csv')
导出：write.csv(X,'doudou.csv')
csv很好用
drop_na(x,X2)
X1 X2
1 A 1
4 D 3
> fill(x,X2)
X1 X2
1 A 1
2 B 1
3 C 1
4 D 3
5 E 3
> replace_na(x,list(X2=2))
X1 X2
1 A 1
2 B 2
3 C 2
4 D 3
5 E 2
三 Expand Tables
complete（把空值的位置补全）
> complete(x,nesting(X1#要把其余列写全，这里就一列),fill=list(X2=5))
# A tibble: 5 x 2
X1 X2
1 A 1
2 B 5
3 C 5
4 D 3
5 E 5
expand(所有组合)
expand(a,Country,X1999,X2000)
# A tibble: 27 x 3
Country X1999 X2000
1 A 0.7K 213k
2 A 0.7K 2k
3 A 0.7K 80k
4 A 212K 213k
5 A 212K 2k
6 A 212K 80k
7 A 37K 213k
8 A 37K 2k
9 A 37K 80k
10 B 0.7K 213k
# ... with 17 more rows
四 split cells
直接夭折在建数据框上，没有活学活用，先记下，有空再好好研究
separate：按列分割
separate_rows：按行分割
unite：分割完了再合并回去
结语
今天的一点小感悟，我的表妹来看我，她是个受了很多苦但性格开朗的女孩儿，她羡慕我的学生生活，甚至听到别人用hello和我打招呼这种在她的日常中也是很平常的事情，发生在这个我每天待的她很羡慕的地方，她都会觉得格外遥远，很吃惊的问我”在这你们都用英语说话呀“，要知道有这种调侃”读博=蹲监狱“，有些枯燥难熬的时刻确实神似，但可知道你眼中的监狱可是别人眼中的天堂，她经历社会之种种历练在你眼中却是自由，她总用社会底层来形容自己，我告诉她我并不如你，他男朋友说追求不同，我却说不出我追求的是什么，我们都一样，地瓜土豆而已，命运不同而已，走好当下的每一步就好！
至此，7天的学习结束，今天就不长篇大论了，在这里我收获了渔，并对曾觉得像天书般的东西有所了解并初步入门，我感受到了任何不经意提出的小问题都有及时的反馈和更新（比如脚本窗口的使用，引用图片的格式，笔记中记下的小问题等等），我感受到了教程的精心准备和老师的用心，很值得，不知下次何时再见，期待，感谢+7+.......................！