1.基础数据结构
1.1 向量
# 创建向量a <-c(1, 2, 3, 4, 5, 6)
b<-c("one", "two", "three")
c<-c(TRUE, FALSE, TRUE, TRUE, FALSE)#向量索引a[2] #第二个元素a[-2] #删除第二个元素a[c(2:4)] #取出第二到第四个元素[1] 2[1] 2[1] 1 3 4 5 6
图片
1.2 矩阵
#创建矩阵mymat <- matrix(c(1:10), nrow=2, ncol=5, byrow=TRUE)#矩阵索引mymat[2,] #取第二行mymat[,2] #取第二列mymat[1,5] #第一行第五列的元素
图片
1.3 数组
#创建数组myarr <- array(c(1:12),dim=c(2,3,2))
dim(myarr) #取矩阵或数组的维度myarr[1,2,1] #取第一个矩阵的第一行第二列
1.4 数据框
图片
图片
# 创建数据框kids <- c("Wang", "Li")
age <- c("18", "16")
df <- data.frame(kids, age)#数据框索引df[1,] #第一行df[,2] #第二列df[1:2,1:2]#前两行，前两列df$kids #根据列名称#数据框常用函数str(df) #数据框的结构rownames(df) #行名称colnames(df) #列名称
1.4.1 因子变量
变量：类别变量，数值变量
类别数据对于分组数据研究非常有用。（男女，高中低）
R中的因子变量类似于类别数据。
#向量因子化status<-c("Poor", "Improved", "Excellent", "Poor")
status<-factor(status,ordered=TRUE,
levels= c("Poor","Improved", "Excellent"),
labels=c("P","I","E"))
index <- sample(1:100,75)
plotdata <- data.frame(index,status)
attach(plotdata)
boxplot(index~status,col="red")
图片类别变量，有序变量称为因子，决定了数据的分析方式和视觉呈现形式
Attach()可以将数据框添加到R的搜索路径中，当R遇到一个变量名后，将检测搜索路径中的数据框，定位这个变量
1.5 列表
列表以一种简单的方式组织和调用不相干的信息，R函数的许多运行结果都是以列表的形式返回
#创建列表lis <- list(name='fred',
wife='mary',
no.children=3,
child.ages=c(4,7,9))#列表索引lis$name #列表组件名lis[[1]] #列表位置访问
常用函数
图片
图片
R流程控制
图片
p <- 0.1
if(p<=0.05){ print("p<=0.05!")
}else{ print("p>0.05!")
}
图片
for(i in 1:10) { print(i)
}
i <- 1while(i<10)
{ print(i)
i <- i + 1
}
图片
v <- LETTERS[1:6]for (i in v){ if(i == 'D'){
next
} print(i)
}
图片
v <- LETTERS[1:6]for (i in v){ if(i == 'D'){ break
} print(i)
}
2.5 R函数
函数是组织好的，可重复使用的，用来实现单一，或相关联功能的代码段
rcal<-function(x,y){
z <- x^2 + y^2;
result<-sqrt(z) ;
result;
}
rcal(3,4)# 调用函数
3. 读写数据
#数据读入
getwd()
setwd('C:/Users/Administrator/Desktop/file')
dir()
top<-read.table("otu_table.p10.relative.tran.xls",header=T,row.names=1,sep='\t',stringsAsFactors = F)
top10<-t(top)
head(top10, n=2)#数据写出logtop10<-log(top10+0.000001)
write.csv(logtop10,file="logtop10.csv", quote=FALSE, row.names = TRUE)
write.table(logtop10,file="logtop10.xls",sep="\t", quote=FALSE,
row.names = TRUE, col.names = TRUE)
其他常用函数
图片
4.数据清理
图片
4.1 tidyr包
tidyr包的四个函数
宽数据转为长数据：gather()
长数据转为宽数据：spread()
多列合并为一列： unite()
将一列分离为多列：separate()
library(tidyr)
gene_exp <- read.table('geneExp.csv',header = T,sep=',',stringsAsFactors = F)
head(gene_exp) #gather 宽数据转为长数据gene_exp_tidy <- gather(data = gene_exp, key = "sample_name", value = "expression", -GeneID)
head(gene_exp_tidy)#spread 长数据转为宽数据gene_exp_tidy2<-spread(data = gene_exp_tidy, key = "sample_name", value = "expression")
head(gene_exp_tidy2)
图片
4.2 dplyr包
dplyr包五个函数用法：
筛选: filter
排列: arrange()
选择: select()
变形: mutate()
汇总: summarise()
分组: group_by()
library(tidyr)
library(dplyr)
gene_exp <- read.table("geneExp.csv",header=T,sep=",",stringsAsFactors = F)
gene_exp_tidy <- gather(data = gene_exp, key = "sample_name", value = "expression", -GeneID)#arrange 数据排列gene_exp_GeneID <- arrange(gene_exp_tidy, GeneID)#降序加deschead(gene_exp_GeneID )#filter 数据按条件筛选gene_exp_fiter <- filter(gene_exp_GeneID ,expression>10)
head(gene_exp_fiter)#select 选择对应的列gene_exp_select <- select(gene_exp_fiter ,sample_name,expression)
head(gene_exp_select)
图片
5. 绘图
图片
5.1 长数据与宽数据
图片
library(tidyr)
library(ggplot2)#基础绘图file <- read.table("geneExp.csv",header=T,sep=",",stringsAsFactors = F,row.names = 1)#宽数据file
barplot(as.matrix(file),names.arg = colnames(file), beside =T ,col=terrain.colors(6))
legend("topleft",legend = rownames(file),fill = terrain.colors(6))#ggplot2绘图gene_exp <- read.table("geneExp.csv",header=T,sep=",",stringsAsFactors = F)
gene_exp_tidy <- gather(data = gene_exp, key = "sample_name", value = "expression", -GeneID)#长数据head(gene_exp_tidy)
ggplot(gene_exp_tidy,aes(x=sample_name,y=expression,fill=GeneID)) + geom_bar(stat='identity',position='dodge')
图片
5.2 图形参数位置
图片
x <- rnorm(20, 2, 1)
y <- rnorm(20, 4, 2)
plot(x, y, cex=c(1:3), type="p", pch=19, col = "blue",
cex.axis=1.5, col.axis="darkgreen", font.axis=2,
main="这是主标题：plot初试", font.main=2, cex.main=2, col.main="green",
sub="这是副标题：图1", font.sub=3, cex.sub=1.5, col.sub="red",
xlab="这是x轴标签", ylab="这是y轴标签",cex.lab=1.5, font.lab=2, col.lab="grey20",
xlim=c(0,3), ylim=c(0,7))
abline(h=2, v=3, lty=1:2, lwd=2,col="red")
legend("topright", legend="我是图例\n我在这儿",
text.col="red", text.width=0.5)#Rnorm正态分布 个数 平均值 标准差 plot是泛型函数，根据输入类型的不同而变化#Type p 代表点 l 代表线 b 代表两者叠加
图片
图形参数：
符号和线条：pch、cex、lty、lwd
颜色：col、col.axis、col.lab、col.main、col.sub、fg、bg
文本属性：cex、cex.axis、cex.lab、cex.main、cex.sub、font、font.axis、font.lab、font.main、font.sub
文本添加、坐标轴的自定义和图例
title()、main、sub、xlab、ylab、text()
axis()、abline()
legend()
多图绘制时候，可使用par()设置默认的图形参数
par(lwd=2, cex=1.5)
图形参数设置：
par(optionname=value,…)
par(pin=c(width,height)) 图形尺寸
par(mfrow=c(nr,nc)) 图形组合，一页多图
layout(mat) 图形组合，一页多图
par(mar=c(bottom,left,top,right)) 边界尺寸
par(fig=c(x1,x2,y1,y2),new=TURE) 多图叠加或排布成一幅图
#图形组合：attach(mtcars)
opar <- par(no.readonly=TRUE) #复制当前图形参数设置par(mfrow=c(2,2))#设置图形参数#layout(matrix(c(1,2,2,3),2,2,byrow=TRUE))plot(wt,mpg,main="Scatterplot of wt vs mpg")
hist(wt,main="Histogram of wt")
boxplot(wt,main="Boxplot of wt")
par(opar) #返回原始图形参数detach(mtcars)
图片
5.3 柱形图
file <- read.table("barData.csv",header=T,row.names=1,sep=",",stringsAsFactors = F)
dataxx <- as.matrix(file) #转化为矩阵cols <- terrain.colors(3) #抽取颜色#误差线函数plot.error <- function(x, y, sd, len = 1, col = "black") {
len <- len * 0.05
arrows(x0 = x, y0 = y, x1 = x, y1 = y - sd, col = col, angle = 90, length = len)
arrows(x0 = x, y0 = y, x1 = x, y1 = y + sd, col = col, angle = 90, length = len)
}
x <- barplot(dataxx, offset = 0, ylim=c(0, max(dataxx) * 1.1),axis.lty = 1, names.arg = colnames(dataxx), col = cols, beside = TRUE)
box()
legend("topright", legend = rownames(dataxx), fill = cols, box.col = "transparent")
title(main = "An example of barplot", xlab = "Sample", ylab = "Value")
sd <- dataxx * 0.1 for (i in 1:3) {
plot.error(x[i, ], dataxx[i, ], sd = sd[i, ])
}
图片
5.4 二元图
图片
matdata <- read.table("plot_observed_species.xls", header=T)
tbl_df(matdata) #查看数据属性和结构y<-matdata[,2:145]
attach(matdata)
matplot(series,y,
ylab="Observed Species Number",xlab="Sequences Number",
lty=1,lwd=2,type="l",col=1:145,cex.lab=1.2,cex.axis=0.8)
legend("topleft",lty=1, lwd=2, legend=names(y)[1:8],
cex=0.5,col=1:145)
detach(matdata)
图片
5.5 饼状图
relative<-c(0.270617,0.177584,0.194911,0.054685,0.048903,0.033961, 0.031195,0.188143)
taxon<-c("Sordariales","Pleosporales","Agaricales","Hypocreales", "Pezizales","Eurotiales","Helotiales","Others")
ratio<-round(relative*100,2)
ratio<-paste(ratio,"%",sep="")
label<-paste(taxon,ratio,sep=" ")
pie(relative,labels=label, main="ITS1-Sample S1", radius=1,col=rainbow(length(label)),cex=1.3)
library(plotrix)
fan.plot(relative,labels=label,main="Fan plot")
pie3D(relative,labels=label, height=0.2, theta=pi/4, explode=0.1, col=rainbow(length(label)), border="black",font=2,radius=1,labelcex=0.9)
图片
5.6 直方图
seqlength<-rnorm(1000, 350, 30)hist(seqlength,breaks=100,
col="red",freq=FALSE,
main="Histogram with dengsitycurve", ylab="Density", xlab="Sequence length")lines(density(seqlength),col="blue4",lwd=2)
图片
5.7 聚类图
clu <- read.table("unweighted_unifrac_dm.txt", header=T, row.names=1, sep="\t")
head(clu)
dis <- as.dist(clu)
h <- hclust(dis, method="average")
plot(h, hang = 0.1, axes = T, frame.plot = F, main="Cluster Dendrogram based on unweighted_unifrac", sub="UPGMA")
图片
5.8 维恩图
library(VennDiagram)
ven<-list(sample1=20:50, sample2=c(1:30,50:80), sample3=40:90, sample4=c(10:30,70:100))
venn.diagram(ven, filename='venn.png', cex=1.2, col="black", alpha= 0.50,lwd =1.2, cat.cex=1.4,
fill=c("cornflowerblue", "green", "Gold1","darkorchid1"), margin=0.15)
图片
图片输出
直接导出
图片
命令
pdf(file="file.pdf", width=7, height=10)
png(file="file.png",width=480,height=480)
jpeg(file="file.png",width=480,height=480)
tiff(file="file.png",width=480,height=480)
dev.off()