【R语言学习】生信人应该这样学R语言--学习笔记(1)

资料及代码均来自生信技能树团队,感谢~

相关数据及习题集

  • 初级10 个题目:http://www.bio-info-trainee.com/3793.html
  • 中级要求是:http://www.bio-info-trainee.com/3750.html
  • 高级要求是完成20题: http://www.bio-info-trainee.com/3415.html
  • 统计专题 30题:http://www.bio-info-trainee.com/4385.html
  • 可视化专题30题:http://www.bio-info-trainee.com/4387.html

学习笔记整理

  1. .libPaths() #查找安装包路径

  2. 创建字符串向量:a<-LETTERS, a<-letters[1:10]

  3. substr("abcde",1,4) #substr()用法 [1] "abcd"

  4. dim()的用法:

    a<-1:10
    dim(a)<-c(2,5)
    pheatmap::pheatmap(a)
    
  5. 注意检查数据类型是否正确:class()mode()typeof()str()

  6. 判断、改变变量类型:.is.*(),.as.*()

  7. Code中有批量注释按钮:Code->Comment/Uncomment lines

  8. lapply(d,length) #lapply()的用法,对d中每个元素都length一下

  9. 选取变量时grep()、grepl()的用法:

    > a 
      V1 V2 V3 V4 V5
    1  1  5  5  7  9
    2  2  4  6  8 10
    > index1<-grep("8",a$V4) #grep()的用法
    > index2<-grepl("8",a$V4)    #grepl()的用法
    > b1<-a[index1,]
    > b1
      V1 V2 V3 V4 V5
    2  2  4  6  8 10
    > b2<-a[index2,]
    > b2
      V1 V2 V3 V4 V5
    2  2  4  6  8 10
    
  10. list中提取元素的小技巧,[]与[[]]的区别:[]取到的仍然是list, [[]]才能取到元素。即list[1]得到第一列表,list[[1]]得到元素。

  11. 读取文件:read.table(" ",comment.char="!",header=T,sep="\t") ,可以按Tab键选取文件

  12. 设定行名:rownames(b)=b[,1];

    去掉某一列:d<-d[,-1] #去掉d的第1列

    去掉行名:write.csv(b,"*.csv",row.names=F)

  13. save(b, file = "b_input.Rdata")
    load("b_input.Rdata")
    
  14. sort(a$v1)
    sort(a$v1)[1]
    sort(a$v1,decreasing = T)[1]    #降序排列
    #取最大最小值
    max(a$v1)
    min(a$v1)   
    #取四分位数+中位数
    fivenum(a$v1)
    #去掉变量值<5000的元素
    a$v1< 5000
    table(a$v1 < 5000)
    b <- a[a$v1 < 5000,]
    
  15. 选取阈值的时候可以先画个箱型图看一下数据分布情况,比如boxplot(a$Mbases~a$Assay_type)

  16. 取平均值:

#方法1
mean(b[1,])
mean(as.numeric(b[1,]))
#方法2
rowMeans(b)
#方法3 for循环
for (i in 1:nrow(b)) {
  print(mean(as.numeric(b[i,])))
}
#方法4 apply函数
apply(b,1,function(x){  #第2个参数中,1代表行,2代表列
  mean(x)
})
apply(b,1,mean)
  1. 排序+热图:sort默认是从小到大排序.
sort(apply(a,1,sd),decreasing = T)[1:50]    #取top50
names=names(sort(apply(a,1,sd),decreasing = T)[1:50])   #获取探针名字
pheatmap::pheatmap(a[names,])
  1. **Merge(): **d=merge(a,b,by.x = 'Sample_Name',by.y = 'Accession')

  2. > pheatmap(cbind(a1,a2))
    > pheatmap(cbind(a1,a2),cluster_cols = F)   #cluster_cols 是否依据颜色排序
    
  3. 给data.frame重命名(names(),paste()),并画出简单的热图:

    a1<-matrix(rnorm(100),5,20)
    a2<-matrix(rnorm(100)+2,5,20)
    a3<-cbind(a1,a2)
    a3<-as.data.frame(a3)
    names(a3)
    ##paste()的用法
    names(a3)<-c(paste("a1",1:20,sep="_"),paste("a2",1:20,sep="_"))
    library(pheatmap)
    pheatmap(a3)
    
  4. strsplit()的用法

    #“."是通配符,要用[]括起来
    > strsplit("ENSG00000000003.13",split = "[.]")   
    [[1]]
    [1] "ENSG00000000003" "13"  
    
  5. Library stringr

    str_split(fruits, " and ")  #返回list
    str_split(fruits, " and ", simplify = TRUE) #返回matrix
    
  6. 转换基因ID:

    >a<-read.table("ensembl.txt")
    #strsplit("ENSG00000000003.13",split = "[.]")
    #strsplit("ENSG00000000003.13",split = "[.]")[[1]][1]
    >library(stringr)
    >str_split(a$V1,"[[.]]",simplify = T)[,1]  
    [1] "ENSG00000000003" "ENSG00000000005" "ENSG00000000419" "ENSG00000000457" "ENSG00000000460"
    [6] "ENSG00000000938"
    >a$ensembl_id<-str_split(a$V1,"[[.]]",simplify = T)[,1]  #a中增加了ensemble_id那一列
    
    #安装org.Hs.eg.db(详情见上一篇学习笔记) 
    
    library(org.Hs.eg.db)
    g2s<-toTable(org.Hs.egSYMBOL)
    g2e<-toTable(org.Hs.egENSEMBL)
    b<-merge(a,g2e,by="ensembl_id",all.x=TRUE)
    c<-merge(b,g2s,by="gene_id",all.x=TRUE)
    
    table(c$ensembl_id)[table(c$ensembl_id)>1]  #查找重复出现的基因
    c<-c[!duplicated(c$V1),]
    c<-c[match(a$V1,c$V1),] #按照a中V1的顺序给c排序
    
    write.csv(c,"geneID2symbol.csv")
    

你可能感兴趣的:(【R语言学习】生信人应该这样学R语言--学习笔记(1))