R

相比于网页工具，使用编程语言处理科研数据的一大优势，在于高度的定制化，以及批量处理数据的快捷性和高效性

目录
批量处理——for循环批量计算组间差异
批量处理——apply批量计算组间差异

对于批量处理数据的方法，之前使用for循环和apply语句进行处理过，但是不够系统，学习果子生信课程后有一个清晰的认识，写下来，一是可以调用方便，二是自己写过之后，才能算是完全掌握。当然一切以解决问题为主，不陷于技术深究。

前面得到统计量之后，进行筛选，选择相应的数据做图

数据整理

rm(list = ls())

library(survminer)
data("myeloma")
head(myeloma)[1:3,1:11]

colnames(myeloma)

data = myeloma

还是使用R再带数据集

写一个画图函数

之所以提前写一个画图函数，这样就能保证在批量作图时影响一些标签

myboxplot <- function(gene){
  ggboxplot(
    data, x = "molecular_group", y = gene,
    palette = "npg",fill = "molecular_group", 
    bxp.errorbar = T, bxp.errorbar.width = 0.2,outlier.shape = NA
  )+
    xlab(label = 'Molecular Group')+
    ylab(label = paste(gene, ' Expression', sep = '\t'))+
    rotate_x_text(angle = 45)+
    stat_compare_means(aes(group=molecular_group), 
                       label = "p.format",label.x =4, size = 4)+
    theme(title = element_text(size = 18,  color = "black", face = "bold"),
          plot.title = element_text(hjust = 0.5,vjust = 0.5),
          axis.text  = element_text(size = 10, color = "black", face = "bold", vjust = 0.5, hjust = 0.5),
          axis.line = element_line(size = 0.8),
          legend.title = element_text(size = 9)
    )
}

检验画图效果

myboxplot("CCND1")

这个是我自己使用的箱型图画图函数，后续细说一下其中的参数

设置图片存放位置

picDir <- './picture/'
if (!dir.exists(picDir)) {
  dir.create(picDir)
}

这一步操作，还是有必要的，节省后续的校对

联合for循环批量出图

for (i in 6:length(colnames(data))) {
  print(i)
  inputgene = colnames(data)[i]
  p = myboxplot(inputgene)
  ggsave(p, filename = paste0(picDir, inputgene, '.pdf'), width = 7, height = 5)
}

这样一来，每一幅图的名称都明明白白的

完整操作代码

# 批量画图 --------------------------------------------------------------------

myboxplot <- function(gene){
  ggboxplot(
    data, x = "molecular_group", y = gene,
    palette = "npg",fill = "molecular_group", 
    bxp.errorbar = T, bxp.errorbar.width = 0.2,outlier.shape = NA
  )+
    xlab(label = 'Molecular Group')+
    ylab(label = paste(gene, ' Expression', sep = '\t'))+
    rotate_x_text(angle = 45)+
    stat_compare_means(aes(group=molecular_group), 
                       label = "p.format",label.x =4, size = 4)+
    theme(title = element_text(size = 18,  color = "black", face = "bold"),
          plot.title = element_text(hjust = 0.5,vjust = 0.5),
          axis.text  = element_text(size = 10, color = "black", face = "bold", vjust = 0.5, hjust = 0.5),
          axis.line = element_line(size = 0.8),
          legend.title = element_text(size = 9)
    )
}
myboxplot("CCND1")

# 设置图片存放位置
picDir <- './picture/'
if (!dir.exists(picDir)) {
  dir.create(picDir)
}

for (i in 6:length(colnames(data))) {
  print(i)
  inputgene = colnames(data)[i]
  p = myboxplot(inputgene)
  ggsave(p, filename = paste0(picDir, inputgene, '.pdf'), width = 7, height = 5)
}

后记：
出图的方式还是要构建函数+for循环
函数构建能够很大程度的简化代码，增加代码的迁移能力
构建函数，其实也就能够组装R包
后续增加如何利用循环批量的方法处理文件