R语言学习笔记

个人学习R语言过程中的记录，仅供个人查阅。

RSudio的操作

注释代码 Ctrl+shift+C

参考链接：http://www.mobange.com/nav/other/85071.html

• 选中要注释掉的行，按 Ctrl+shift+C ，这样就注释掉了。如果要取消注释的话， 依然是先选中，然后按快捷键 Ctrl+shift+C 即可。
• 我们可以通过一个if语句，里面添加一个永为假的条件，这样也可以达到多行注释的目的。

if(FALSE)
{
  ......
}

---

语法

条件语句 if( ){ }

• 参考链接：【R语言】条件语句与自定义函数https://zhuanlan.zhihu.com/p/86975887

# 一个分支
if(条件) {
  执行体
}

# 两个分支
if(条件) {
  执行体1
} else {
  执行体2
}

# 多分支例子
if(score >= 90) {
  res = "优"
} else if(score >= 80) {
  res = "良" 
} else if(score >= 70) {
  res = "中"
} else if(score >= 60) {
  res = "及格"
} else {
  res = "不及格"
}

---

跳出循环

next：结束本次循环;

break:跳出整个循环。

---

算法

---

设置工作目录 setwd()

数据处理

格式转换

list转向量 unlist()

转换为日期格式date数据 as.Date, as.POSIXct

• 数据框有一列是数据表示日期，read.csv读进去之后是chr格式，使用函数 as.Date() 转换成日期格式。注意D是大写，经常写错。

df$time <- as.Date(df$time)    # 将df数据框中的 time 列转换成date格式

• as.POSIXct

将矩阵转换成数据框 as.data.frame()

多列变成一列mutate() + melt()

  library(reshape2)   # 提供函数 melt（）
  library(dplyer)     # 提供函数 ename（）
cormtcars <- round(cor(mtcars), 3)   # 计算保留三位小数的相关性矩阵
data <- as.data.frame(cormtcars) %>% # 将矩阵转换成数据框
  mutate(x=rownames(cormtcars)) %>%  # 新建一列x，是11个变量名
  melt(id='x') %>%                   # 将宽数据转换成长数数据
  dplyer::rename('y'='variable','Corr'='value')  # 将variable列名改成y

---

文本操作

截取字符串 substr()

year <- substr(id_number$身份证号,7,10)

串联字符串 paster0()

拼接路径 file.path()

调整数字的位数 formatC()

num = formatC(1, flag = 0, width = 2)

调整小数点的位数 round()

 newdf <- round(cor(df), 2)

大小写转换 tolower(), toupper(),

大写函数 toupper()函数
小写函数tolower()函数
首字母大写要调用Hmisc包的capitalize()函数
或用stringr包里的str_to_title()函数

变量操作

移除变量 rm()

保存数据 save(), write.csv()

save(var, file = "c:/var.Rdata")
write.csv(var, file = "c:/var.csv")

数据框基本操作

值得学习的其它博客

• R语言数据结构之数据框

https://blog.csdn.net/m0_54356409/article/details/124201952

读取数据 read.csv()

• 读取csv格式数据 read.csv()

• 读取xlsx格式数据

拼接两个向量 c()

• 构建向量是c(), 拼接两个向量也是c()

A <- c(1:3)
B <- c(5:10)
C <- c(A, B)

将两个向量的字符分别拼接在一起 mutate()

# 将数据框中df的name和age分别拼接在一起，作为一个新变量
newdf <- mutate(df, newvar = str_c(name, age, sep = '_'))
# 网上的例子（https://bbs.pinggu.org/forum.php?mod=viewthread&tid=6676000&page=1#pid53793584）
  require('tidyverse')
  A <- c("S1","S2","S3")
  B <- c("AFG","ALB","DZA")
  data_frame(A, B) %>% 
    expand(A, B) %>% 
    mutate(var = str_c(B, A, sep = '.')) %>% 
    pull(var)

数据框合并 rbind()，cbind()，marge(), transform()

参考链接
字段合并_1.3 R语言数据合并与追加
https://blog.csdn.net/weixin_39596720/article/details/112696799

• 纵向合并
  合并的前提是两个数据的列数以及表头名称完全一致
  rbind(df1, df2)
• 横向合并
  1、无需匹配字段
  合并的前提是两个数据框行数相同
  cbind(df1, df2)
  2、匹配字段合并

## 两个数据框列名(主字段X)完全一致，具有相同列名时by=“X”可省略.
merge(df1,df2,by= “X”)
## 主字段不同名，取交集，两个数据某一主字段的部分行名称相同，将两个数据合并，保留行名相同的部分
merge(df1,df2,by.x="X",by.y= "Y")
## 在取交集的前提下保留前半部分特有数据
merge(df1,df2,by.x="X",,by.y="Y",all.x=TRUE)
## 只是在取交集的前提下保留后半部分特有数据
merge(df1,df2, by.x="X",by.y="Y", all.y=TRUE)
# 该链接方法保留两个数据的并集
merge(df1, df2, by.x="X",by.y="Y", all=TRUE)

• 新增字段合并(追加) transform
  df2 <- transform(df1, v4 = (v1+v2)/v3)

给向量排序 sort()

默认是降序
sort(x, decreasing = FALSE, …)

给数据框排序 arrange()

• 使用dplyr包的 arrange() 函数

library(dplyr)
arrange(data,ver1)  # 依据ver1升序对data进行排序
arrange(data,ver1，ver2) # 依据ver1升序和ver2升序对data进行排序（针对ver1升序后重复的数据，依据ver2升序进行排序）
arrange(data, desc(ver1), ver2) #以及ver1降序，ver2升序对data排序

• 针对字符格式（chr）向量排序
  使用 stringr 包的 str_sort() 函数

删除数据框的某一列或者行 select()，subset(), slice(), filter()

• 使用符号“-”和数字删除数据框行列

# 使用行列号删除行列
newdata <- data[-1, ]  # 删除第一行
newdata <- data[ ,-1]  # 删除第一列
newdata <- data[-c(1,2), ]   # 删除1，2行
newdata <- data[, -c(1,2)]   # 删除1，2列

• 使用 select() 函数删除列

df1 <- select(df,-3)          # 删除第3列
df2<- select(df,-name)        # 删除列名为name的列
df3<- select(df,-c(name,age)) #删除列名为name和age的列

• 包的函数 slice() 删除行

library(dplyr)
newdata <- slice(data, -c(1,2))  # 删除1,2行

• 使用函数 subset() 删除行

newdata <- subset(data, name != "wang")  # 删除name等于wang的行

• 使用 函数 filter() 删除行

newdata <- filter(data, name != "wang") # 删除name等于wang的行
newdata <- filter(data, name != "wang" $ age != 25) #删除name等于wang的行并且age等于25的行

• 先根据条件使用 which() 获取行号，再根据行号使用符号“-”删除行
  实际操作的时候遇到需要删除符合很多条件的行，可以分别获取各种条件的行号，然后把行号拼接在在一起

# 由于删除条件存在冲突，不能使用&符号一起处理，所以分别提取行号，再合并行号，根据行号删除行
rownum1 <- which(CO2$uptake < 10 & CO2$uptake > 5)
rownum2 <- which(CO2$uptake > 30)
rownum <- c(rownum1, rownum2)
newdata <- CO2[-rownum, ]

• 使用 “！”删除符合一定条件的行

# 删除数据框中var向量有空值的行
newdata <-  data[!is.na(data[ ,"var"]), ]   
# 删除数据框中var向量小于10的行
newdata <-  data[!data[data$var < 10, ], ]   

删除缺失值NA na.omit()

newdata <- na.omit(data)

删除重复的行 duplicated(), unique()

• unique() 函数 直接返回去除重复后的向量

var_new <- unique(var)

• duplicated() 函数返回逻辑值，根据逻辑值删除向量中重复的数值

var_new <- var[!duplicated(var), ]

读取数据框的行列数 dim(), nrow(), crow()

dim(df)      # 维度
dim(df)[1]   # 行数
dim(df)[2]   # 列数
nrow(df)     # 行数
ncol(df)     # 列数

读取数据框行列名称rownames()，colnames()， names()

预览数据框信息 str(), head()，tail()

str(df)      # 打印数据框结构信息
head(df,5)   # 打印数据框前五行数据
tail(df,5)   # 打印数据框后五行数据

将数据框的一列设置为因子 as.factor()

df$gender <- as.factor(df$gender)
str(df$gender)  # 查看 

df$Gender<-as.factor(df1$Gender)

修改数据框列名 rename，colnames

• 使用函数 rename()

newdata <- rename(data, "newname" = oldname)

• 使用函数 names()

names(data)[1] <- "newname1"
names(data)[1:2] <- c("newname1","newname2")

• 使用函数 colnames()

colnames(data)[1] <- "newname1"     				# 只修改固定列的列名
colnames(data)[1:2] <- c("newname1","newname2"）       
colnames(data) <- c("newname1","newname2","newname3"） # 默认只有三列

修改数据框行名 rownames()

使用函数 ronames()

rownames(data)[1:3] = letters[1:3]

数据框按照条件查询并返回下标 which(), subset()

which(df$age == 27)   # 返回符合条件行的下标
which(df$age == 27, 'age')   # 返回符合符合条件的数值
which(df$age == 27 & df$height > 170, 'name')  
which(df$age == 27 | df$height > 170, 'name')  
which.min(df$age)
which.max(df$age)

subset(df, age == 27 & height > 170, c('Name', 'Age'))

创建一个数据框类型数据

数据框增加新的一列 cbind(), mutate()

# 注意下面方法要长度相同
df$age <- c(15,21,23,24,25)
df<- cbind(df, age = c(15,21,23,24,25))

df <- mutate(df, age = 0)  # 添加一列0值，名称为'age',默认在最后一列

调整列的位置号

df <- select(df, age, everything())  # 将age列调整在第一列

数据框提取数据

通过位置提取数据 data[ ,1] ; data[[1]]

data_col <- data[ ,1]         # 提取第1列
data_row <- data[1, ]         # 提取第1列
data_col <- data[ ,1:3]       # 提取第1列到第3列
data_col <- data[ ,c(1,3)]    # 提取第1列和第3列

通过列名提取数据 data[“var”] ; data[[“var”]]

data_var <- data[“var”]   # 提取列名为var的向量

通过符号提取数据 data$var

data_var <- data$var     # 提取列名为var的向量

通过数值范围提取数据 data[data$var > 10, ]

data_var <- data[data$var > 10, ]    # 提取列向量var数值

#  此外多条件筛选条件可以使用符号与“&”（同时满足两种条件），或“|”（满足任一条件），等于“==”
data_var <- data[data$var1 > 10 & data$var2 < 20, ]    # 提取同时满足两个条件的行数据
data_var <- data[data$var1 > 10 | data$var2 < 20, ]    # 提取同时任一条件的行数据
data_var <- data[data$var1 == 1, ]    #等号的使用

通过函数提取数据 subset() ，select()

• 使用 subset() 函数按照一定的条件提取数据

subset(airquality, Temp > 80, select = c(Ozone, Temp))
subset(airquality, Day == 1, select = -Temp)
subset(airquality, select = Ozone:Wind)
with(airquality, subset(Ozone, Temp > 80))

• 使用select() 函数提取列数据

library(dplyr)
select(df,1)
select(df,var)
select(df,var1:var3)

数值运算

取均值 mean

• mean，一般使用函数 mean()

根据条件分组求均值 aggregate(), summarise()

• aggregate， 根据某一列的分组取均值。aggregate 帮助文档如下。

## example with character variables and NAs
testDF <- data.frame(v1 = c(1,3,5,7,8,3,5,NA,4,5,7,9),
                     v2 = c(11,33,55,77,88,33,55,NA,44,55,77,99) )
by1 <- c("red", "blue", 1, 2, NA, "big", 1, 2, "red", 1, NA, 12)
by2 <- c("wet", "dry", 99, 95, NA, "damp", 95, 99, "red", 99, NA, NA)
aggregate(x = testDF, by = list(by1, by2), FUN = "mean")

## Formulas, one ~ one, one ~ many, many ~ one, and many ~ many:
## ~符号左边是需要被平均的向量，右边是条件。
aggregate(weight ~ feed, data = chickwts, mean)  # one ~ one
aggregate(breaks ~ wool + tension, data = warpbreaks, mean)  # one ~ many
aggregate(cbind(Ozone, Temp) ~ Month, data = airquality, mean) # many ~ one
aggregate(cbind(ncases, ncontrols) ~ alcgp + tobgp, data = esoph, sum) # many ~ many

summarise 用于分组汇总

# 根据分组，求均值、标准差、标准误、个数
library(dplyr)
A <- group_by(date,class1,class2)
B <- summarise(A, mean = mean(var1), sd = sd(var1), se =sd(seed_setting_rate)/sqrt(n()), n = n()) 

• 网友定义的函数 summarySE()，能根据分组求去除空值的均值、标准差、标准误、个数等
  参考链接：https://www.zhangshengrong.com/p/ArXGbnrENj/
  （R语言绘制带误差线的条形图）

summarySE <- function(data=NULL, measurevar, groupvars=NULL, na.rm=FALSE,
                      conf.interval=.95, .drop=TRUE) {
  library(plyr)
 
  # New version of length which can handle NA's: if na.rm==T, don't count them
  length2 <- function (x, na.rm=FALSE) {
    if (na.rm) sum(!is.na(x))
    else       length(x)
  }
 
  # This does the summary. For each group's data frame, return a vector with
  # N, mean, and sd
  datac <- ddply(data, groupvars, .drop=.drop,
                 .fun = function(xx, col) {
                   c(N    = length2(xx[[col]], na.rm=na.rm),
                     mean = mean   (xx[[col]], na.rm=na.rm),
                     sd   = sd     (xx[[col]], na.rm=na.rm)
                   )
                 },
                 measurevar
  )
 
  # Rename the "mean" column
  datac <- rename(datac, c("mean" = measurevar))
 
  datac$se <- datac$sd / sqrt(datac$N)  # Calculate standard error of the mean
 
  # Confidence interval multiplier for standard error
  # Calculate t-statistic for confidence interval:
  # e.g., if conf.interval is .95, use .975 (above/below), and use df=N-1
  ciMult <- qt(conf.interval/2 + .5, datac$N-1)
  datac$ci <- datac$se * ciMult
 
  return(datac)
}

向量归一化

使用creditmodel包的min_max_norm()函数

install.packages(creditmodel)
library(creditmodel)
min_max_norm(x)

其他

修改数字的显示位数 formatC

i = 1
num = formatC(i, flag = 0, width = 2)
print(num)

which

data_new <- data[which(data$var),  ]

绘图

使用ggplot2包

显示中文

library (showtext)
showtext_auto()

修改横坐标轴刻度 scale_x_continuou()

scale_x_continuous(limits = c(-5,15)，          # 设置最大和最小值
                   breaks = seq(0, 50, 1))  # 0-50每个1设置一个刻度

添加竖线、横线、对角线geom_hline(), geom_vline(), geom_abline()

画横线：geom_hline(yintercept = 5 )
画竖线：geom_vline(xintercept = 20)
画斜线：geom_abline(intercept = 37, slope = -5)

输出图片ggsave()

path_s = "D:/Figure/" 
ggsave(paste0(path_s, 'box', '.tiff'), Figure, width = 10, height = 7, units = c("cm"), dpi = 600)

调整图例的颜色

ggplot2包中对配色系统主要通过以下几个函数实现：
参考链接：https://blog.csdn.net/qq_18055167/article/details/123512967

数值型

• scale_colour/fill_coninuous()
• scale_fill_distiller(）
• scale_colour/fill_gradient()
• scale_colour/fill_gradient2()
• scale_colour/fill_gradientn()

类别型

• scale_colour/fill_discrete()
• scale_colour/fill_brewer()
• scale_colour/fill_manual()

其中，colour表示轮廓色度量，fill表示填充色度量

————————————————————

调色板介绍
参考链接：https://blog.csdn.net/weshengxin/article/details/126006349
3 类调色板各有特色：

• 连续型（sequential）：单渐变色，一种颜色由浅到深。
• 离散型（divergent）：双渐变色，一种颜色到另外一种颜色的渐变。
• 定性型（qualitative）：区分色，几种区分度很高的颜色组合。

# 显示所有面板
display.brewer.all(n=NULL, type="all", select=NULL, exact.n=TRUE, colorblindFriendly=FALSE)

————————————————————

变量的类型
参考链接：https://blog.csdn.net/Allenmumu/article/details/119532449

1. 分类（分组）变量。变量可以进一步指定为名义、有序和二元（二分）。分类变量使用定性调色板。
2. 连续变量。连续变量使用连续或发散调色板。

————————————————————

（1）调整单一颜色

1. 可以指定为单色也可以赋值给变量。通常使用在geom_*(color = “blue”)。注意只有变量才会在aes（）中使用。
2. color（轮廓颜色），fill（填充颜色）。

（2）分类变量颜色调整

1. 手动选择颜色使用函数
   scale_color_manual()
2. 使用内置的定性调色板，使用函数
   scale_color_brewer()
3. 使用扩展包中的调色板，例如：
   library(ggsci)
   scale_color_aaas()
   scale_color_npg()

（3）数值变量颜色调整
定量变量表示可测量的数量，因此是数字变量。定量数据可以进一步分类为连续（可能是浮点数）或离散（仅限整数）。
函数 scale_color_gradient() 是一个顺序梯度，
而 cale_color_gradient2() 是发散的。

1. 连续变量默认配色方案，单色渐变，
   scale_color_continuous()

2. 手动设置顺序配色方案，
   scale_color_gradient(low = “white”, high = “black”)
   发散的配色方案，
   scale_color_gradient2(low = “red”, mid = “white”, high = “blue”)
   使用R预设调色板，
   scale_color_gradientn(colours =rainbow(10))

3. 将ColorBrewer的颜色应用到连续变量上。
   scale_color_distiller(palette = “Spectral”)

4. ggplot2中的 Viridis 调色板（好看，比较实用）
   scale_color_viridis_c()
   scale_color_viridis_c(option = “inferno”)
   scale_color_viridis_c(option = “plasma”)
   scale_color_viridis_c(option = “cividis”)

5. 使用扩展包中的调色板
   racrtocolors包
   scale_color_carto_c(palette = “BurgYl”)
   scale_color_carto_c(palette = “Earth”)

R语言绘制条形图 geom_bar()

• R语言绘制带误差线的条形图（https://www.zhangshengrong.com/p/ArXGbnrENj/）

绘制直方图 geom_histogram()

参考博文：

• 语言ggplot2统计图形：常见的4种直方图
  (https://zhuanlan.zhihu.com/p/484533343)

# 使用geom_histogram自定义
P <- ggplot(data, aes(var)) 
P + geom_histogram(fill = "darkgrey",
                   color="white") +
    scale_x_continuous(breaks = seq(0, 50, 1)) 
                   
# 让每个bin的两侧都显示标注
P + geom_bar() + scale_x_binned() 

绘制柱状图 geom_bar()

参考博文：

• https://www.zhangshengrong.com/p/ArXGbnrENj/
  构建了新函数summarySE，计算平均值和标准差，添加了误差棒

• https://zhuanlan.zhihu.com/p/38412409
  添加了文本标注

D.se <- summarySE(D, measurevar = 'seed_setting_rate', groupvars=c('genotype', 'treatment'), na.rm = TRUE) 

P <- ggplot(D.se , aes(x = genotype, y = seed_setting_rate, fill = treatment)) +
  geom_errorbar(aes(ymax = seed_setting_rate + se, ymin = seed_setting_rate - se),
                position = position_dodge(0.9), width = .8, size = .2) +
  geom_bar(stat="identity", position="dodge") +
  mytheme  
P
path = "G:/F/work_RuGao_WYL_2022/Phenotype/Figure/maturity/"
ggsave(paste0(path,'bar_','seed_setting_rate','.tiff'), P, width = 20, height = 10,units = c("cm"), dpi = 600)

绘制散点图并添加相关性标注geom_point()

• 参考链接：
  R语言绘图小技巧篇-添加相关系数
  https://www.jianshu.com/p/baf4ed9563b3

library(ggplot2)
data(mtcars)
df <- mtcars
df$cyl <- as.factor(df$cyl)

ggscatter(df, x = "wt", y = "mpg",
          add = "reg.line", conf.int = TRUE,
          add.params = list(fill = "lightgray"),
          ggtheme = theme_minimal()
)+ stat_cor(method = "pearson",
            label.x = 2, label.y = 30,color='red')

画带带误差阴影的折线图geom_line()

参考链接：

• 【R语言系列02】PLOT GGPLOT作图，标注虚线，标注文本，添加阴影误差带
  （https://www.freesion.com/article/98321370899/）

绘制相关性矩阵

参考链接：
R语言绘制相关性热图（相关性图）多种方法盘点，包你一学就会！( https://zhuanlan.zhihu.com/p/458889477 )

• 使用ggcorrplot包

library(ggcorrplot)
library(ggplot2)
# 使用默认的方案绘图
ggcorrplot(cormtcars)  

# 使用自定义方案绘图
cor <- round(cor(mtcars), 2)  # R自带的cor()函数计算相关性矩阵，round()保留两位小数
pmtcars <- cor_pmat(mtcars)   # 使用ggcorrplot包的cor_pmat()函数计算p值
P <- ggcorrplot(cor, 
     method = "circle",   # 使用圆形表示每个相关性，默认是方形
     type = "upper",               # 只显示上三角
     lab = T, lab_size = 3,        # 显示相关性标注，调整字体大小
     p.mat = pmat, insig = "blank",  # pmat表示前面计算的显著性P的矩阵, "blank"表示显著性小于0.05的相关性不显示，默认是打叉号                    
     # hc.order = TRUE    # 分等级聚类重排矩阵，通俗讲就是把相关性按照高低或者正负堆在一块
     ) 
P  
# 保存图片
path_s = "D:/" 
ggsave(paste0(path_s,'cor', '.tiff'), P, width = 20, height = 20, units = c("cm"), dpi = 600)

还可以使用以下包：

• corrplot包，
• corrgram包，
• PerformanceAnalytics包，
  （https://blog.csdn.net/S_S0318/article/details/115959945）
• ggplot2包以及pheatmap包绘制热力图 （https://blog.csdn.net/weixin_39646107/article/details/111298026）

算法

去除离群值（使用箱线图计算离群值的算法）

 # 使用箱线图计算离群值的算法
  df <- D_PE_date
  D_PE_outlier <- df[0, ]    #构建空数据框，用于汇总输出结果
  
  for(i in 1:110){ 
    print(i)
    D.i <- subset(df, genotype_num == i)
    for(j in parameter_abbr){
      D.ij <- D.i[,j]
      qnt <- quantile(D.ij, probs = c(.25, .75), na.rm = T, names = FALSE) # 计算分位点
      H <- 1.5 * IQR(D.ij, na.rm = T)                                      # 计算四分位范围        # outlier_down <- qnt[1] - H; outlier_up <- qnt[2] + H; qnt; H; outlier_down; outlier_up; outlier <-  D.ij[D.ij < (qnt[1] - H) | D.ij > (qnt[2] + H)]
      D.i[D.i[,j] < qnt[1] - H | D.i[,j] > qnt[2] + H, j] <- NA
    }
    D_PE_outlier <- rbind(D_PE_outlier, D.i)
  }