2018-11-18 学习小组Day6 笔记——R包tidyr入门（郭屹石）

---

tidyr包主要功能

将数据处理成标准而统一的数据框

• 数据框的变形
• 处理数据框中的空值
• 根据一个表格衍生出其他表格
• 实现行或列的分割和合并

其作用主要是把数据处理成标准而统一的数据框Tidy Data，然后进一步整理数据，为后续的数据处理和作图做准备

常规数据框结构：
每一列col：代表一个变量（variable）
每一行row：代表一次观测（observation）
Tidy Data的数据框结构：
每一列col：每个变量（variable）
每一行row：每个观测值（observation）的某种情况（case）

通过这样的reshape就由宽表格转为了长表格（纵向长）

• 了解概念：key-value：“键值对” ，表示一种对应关。“键”和“值”都是列名，如 SampleName和Expression的对应。

安装tidyr

• R包说明书下载：谷歌/百度
  Rstudio的cheatsheet网站：https://www.rstudio.com/resources/cheatsheets
  https://github.com/rstudio/cheatsheets/raw/master/data-import.pdf
• tidyr安装：
  下载和安装tidyr：install.packages("tidyr")
  安装成功后加载：library(tidyr)

数据实操

1. Reshape Data（变形）

摘自https://www.rstudio.com/resources/cheatsheets

• 新建数据框，并将数据框赋值给Data

Data <- data.frame(country = c("A","B","C"), 
                   "1999" = c("0.7K","37K","212K"), 
                   "2000" = c("2K","80K","213K"))

raw

• gather()函数：变形成Tidy Data
  Data <- gather(Data, X1999, X2000, key = "year", value = "cases")
  
  

  gather
  
  若需合并的列名较多，可用排除法进行合并：
  Data <- gather(Data, "year", "cases", -country)
• spread()函数：变回原来的宽表格
  Data <- spread(Data, year, cases)

2. Handle Missing Values（处理丢失的NA数据）

• 三种处理方式：
  (1) 删除整行
  (2) 根据上下文估计一个
  (3) 同一列的空值填上同一个数

  
  
  

  摘自https://www.rstudio.com/resources/cheatsheets
• 导入数据
  X <- read.csv('doudou.txt') #原本就是“，”分隔的txt
  
  

  raw
• drop_na() 函数：有空值的，整行删除掉括号里填数据框名
  X <- drop_na(X, X2)
  
  

  drop_na
• fill() 函数，根据上一行的数值填充上
  X <- fill(X, X2)
  
  

  fill()
• replace_na() 函数，空值填进去特定的一个数值括号里填数据框名，要填的列名 = 要填的值
  X <- replace_na(X, list(X2 = 2))
  
  

  replace_na()

3. Expand Tables

• complete()函数：（把空值的位置补全）

摘自https://www.rstudio.com/resources/cheatsheets

X <- complete(X, X1, fill = list(X2 = 5))

complete

complete

如果填多个，可以
X <- complete(X, nesting(X1, X3,...,), fill = list(X2 = 5))

• expand()函数：（就是扩增选中的列中的值各种组合，成为一个新表）
  输入数据：

pin2 <- data.frame(GeneId = rep("gene5", times = 3),
             Samplename = paste("Sample", 1:3, sep = ""),
             Expression = c(14, 19, 18))`

raw

pin3 <- expand(pin2, GeneId, Samplename, Expression)

expand()

expand()

4. split cells（把一列拆成两列）

• separate()分割成两列
  原列必须要有分隔符才行。
  

  

  摘自https://www.rstudio.com/resources/cheatsheets
  
  
  

  separate()

• separate_rows():分割成两行
  原列必须要有分隔符才行。
  

  

  摘自https://www.rstudio.com/resources/cheatsheets
  
  separate_rows(pin3, SampleName)
  
  

  separate_rows()

• unite()分割完了再合并
  

  

  摘自https://www.rstudio.com/resources/cheatsheets

pin4 <- separate(pin3, SampleName,  into = c("Sample", "name"))
unite(pin4, Sample, name, col = "SampleName", sep = "")

unite()

摘录参考：生信星球第九期Day6生信入门班教程