有的GEO数据分组信息找起来比较麻烦

getGEO下载了表达矩阵文件后可获得他的ExpressionSet对象，用pdata函数提取临床信息表格，命名为pd。此处需要耗时端详这个pd表格，找到里面的分组信息列，生成一个grouplist，后续分析会多次用到。
有的直接拿出其中一列即可，有时候则不太好找，这时就考验R语言技巧了。有的pd表格有几十列，先减小一下筛选范围，我写了一个函数，用来汇总表格，不要关心function里面的内容，就是直接用。

dumd <- function(df){
  library(dplyr)
  colname <- vector("character")
  count <- vector("integer")
  for(i in 1:ncol(df)){
    colname[i] = colnames(df)[[i]]
    count[i]=nrow(df[!duplicated(df[,i]),])
  }
  output <- tibble(colname,count) 
  print(output)
}

x=dumd(pd)

dumd函数其实就是统计了一下每列有多少非重复值。只有一个的，说明所有行都一样，直接去掉即可。重点就是，所有行对应值都一样的列，是不会有分组信息在里面的，所以直接删掉这部分。如果有>1的个位数的，很有可能就是分组信息咯。

pd=pd[,x$count>1]

还没那么容易，如果没有直接可用的列，grouplist大概可以有这三种生成方式：

#第一类，简单的。
pd$title #tab试一下
nchar(pd$characteristics_ch1[1])
group_list=substring(pd$characteristics_ch1,5,5)

which(colnames(pd)=="characteristics_ch1")
#第二类，复杂的
group_list=ifelse(str_detect(pd$title,"TT2")==TRUE,"TT2","TT3")

group_list=ifelse(str_detect(pd$title,"Control")==TRUE,"contorl","treat")


pd$characteristics_ch1.1
group_list=ifelse(pd$characteristics_ch1.1=="triple-negative status: not TN","notTN","TN")
#第三类，更复杂的，如果分组有三组以上 参考这个代码（来自生信技能树）
g=ifelse(deg$P.Value>0.01,'stable', 
         ifelse( deg$logFC >logFC_t,'up', 
                 ifelse( deg$logFC < -logFC_t,'down','stable') )
)

ifelse是一个由if循环进化来的函数，原本语法是：

if(boolean_expression) {
// statement(s) will execute if the boolean expression is true.
} else {
// statement(s) will execute if the boolean expression is false.
}
简写成了ifelse(test, yes, no)，分情况将数据分组。

微信公众号生信星球同步更新我的文章，欢迎大家扫码关注！

我们有为生信初学者准备的学习小组,点击查看◀️
想要参加我的线上线下课程，也可加好友咨询
如果需要提问，请先看生信星球答疑公告