ggplot绘图的艺术-1：数据准备

在使用ggplot2进行绘图之前，我们需要先把数据整理成规范的格式。在R语言入门中我们了解到，ggplot2只支持tidy格式的数据，因此我们需要先转换数据格式。

1.设置工作目录

# 使用setwd命令设置工作目录
setwd("H:/GeneK/ggplot")
# 使用getwd命令查看工作目录是否设置成功
getwd()

注意：在Windows上设置工作路径时，记得要把从Windows资源管理器中复制过来的路径中的符号 \ 改成 / ，否则Rstudio无法识别，会报错。如：
我从Windows中直接复制过来的地址是：H:\GeneK\ggplot,必须修改成H:/GeneK/ggplotRstudio才能识别。

2.读取数据

使用R的read.table读取相关数据：

# 读取基因表达信息
gene_exp <- read.table(file = "gene_exp.txt", 
                       sep = "\t",
                       header = T,
                       stringsAsFactors = F)
# 读取基因长度注释信息
gene_len <- read.table(file = "gene_len.txt", 
                       sep = "\t",
                       header = T,
                       stringsAsFactors = F)
# 读取样品分组信息
group <- read.table(file = "group.txt", 
                       sep = "\t",
                       header = T,
                       stringsAsFactors = F)

读取结果如下：

1.基因表达信息

基因表达信息

2.基因长度注释信息

基因长度注释信息

3.样品分组信息

样品分组信息

3.数据变形

（1）将数据转换成Tidy data格式

由基因的表达信息表格我们可以看到，该表格不符合tidy data的原则，需要使用Tidyr包对数据格式进行调整。

# 加载Tidyr包
library(tidyr)
#使用gather函数将数据整理为Tidy格式
dexp1 <- gather(gene_exp, 
               key = Sample,
               value = Expression, 
               -Gene)

image

（2）添加基因注释和样品分组信息

#加载dplyr包
library(dplyr)
#使用left_jion添加基因长度注释信息
dexp2 <- left_join(dexp1, gene_len, by = "Gene")
#使用left_jion添加样品分组信息
dexp3 <- left_join(dexp2, group, by = "Sample")
#使表格的列按Gene，Sample，Group，Expression，Length的顺序排列
dexp4 <- select(dexp3, Gene, Sample, Group, Expression, Length)
#使表格按照基因名升序排列
dexp <- arrange(dexp4, Gene)

最终的呈现结果：

image

当然，我们还可以使用管道操作符，把上面的各步操作连接起来，一步完成转换：

dexp <- gather(gene_exp, 
                key = Sample,
                value = Expression, 
                -Gene)%>%
  left_join(gene_len, by = "Gene")%>%
  left_join(group, by = "Sample") %>%
  select(Gene, Sample, Group, Expression, Length)%>%
  arrange(Gene)

注：本文是我在基因课网络课程《ggplot：绘图的艺术》的学习笔记，使用Markdown写作。