【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()等

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)

17. 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,])

18. **Merge(): **d=merge(a,b,by.x = 'Sample_Name',by.y = 'Accession')

19. > pheatmap(cbind(a1,a2))
    > pheatmap(cbind(a1,a2),cluster_cols = F)   #cluster_cols 是否依据颜色排序
    

20. 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)
    

21. strsplit()的用法

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

22. Library stringr

    str_split(fruits, " and ")  #返回list
    str_split(fruits, " and ", simplify = TRUE) #返回matrix
    

23. 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")