哈佛R语言课程--3.函数、参数和R包

学习目标

• R语言函数的描述和应用。
• 使用参数修改R语言函数的默认操作
• 从R帮助文档获取有关函数的更多信息
• 创建用户自定义函数
• 演示如何安装外部包以扩展R的功能。
• 查询外部资料以
  （1）处理报错
  （2）获取有关函数和包的更多信息

1.函数及其参数

（1）什么是函数？

函数是R语言的重要特征。函数是完成特定任务的“自包含”代码模块。函数通常是对某种数据结构（值，向量，数据框等）进行处理，并返回结果。

函数的一般用法是:函数名+括号

function_name(input)

input称为参数，可包括：

• 函数执行任务的物理对象（任何数据结构）
• 改变函数的运作方式的规则（例如options）
  并非所有函数都带参数，例如：

getwd()

但大多数函数可采用多个参数。在调用函数时未指定必需参数，则会收到error，或者函数将采用默认值。

默认值表示该函数的作者认为“标准情况下足够好”的标准值，比如在图中使用哪种符号。但是，如果你想要自定义，就用你选择的值更改参数。

（2）基础函数

在前面的课程中使用过几个基础函数，例如getwd()，c()和 factor()，它们是R内置函数的一部分，接下来探讨这些内置的基础函数。

用户还可以从外部包或库中获取函数（稍后讨论），甚至可以编写自己的函数。

复习一下将数据组合到向量中的函数c()。它所采用的参数是数字，字符或字符串的集合（以逗号分隔）。c()函数将数字或字符组合成单个向量。还可以用这个函数将元素添加到现有向量：

glengths <- c(glengths, 90) # adding at the end 
glengths <- c(30, glengths) # adding at the beginning

可以在原始向量glengths（包含三个元素）的开头或结尾添加新对象。这个操作可以反复操作，以构建向量或数据集。

R用于统计计算，因此许多基础函数涉及数学运算。比如sqrt()函数。输入/参数必须是数字，输出是该数字的平方根。比如81的平方根：

sqrt(81)

如果我们以数值向量代替单个数值作为输入，调用函数（例如运行函数）会怎么样？

sqrt(glengths)

R对glengths向量的每个值执行了计算，并输出结果。

再试试另一个函数，这次可以改变某些选项（改变函数行为的参数），例如round：

round(3.14159)
#[1] 3

结果是3。那是因为默认是舍入到最接近的整数。如果想要指定有效数字位数该怎么做？

（3）寻求函数的帮助信息

输入?+函数名称。执行此操作将在RStudio右下方面板打开帮助文档，该文档包括函数的功能、用法、参数、详细信息和示例：

?round

如果熟悉该函数，只需要显示参数名称，用：

args(round)

example()函数更有用。这将允许您运行联机帮助中的示例部分，以确切了解它在执行命令时的工作方式。让我们试试round()：

example("round")

在我们的示例中，我们可以通过添加参数来更改返回的位数。我们可以输入digits=2或者我们想要的许多东西：

round(3.14159, digits=2)

注意：按照函数定义的顺序（帮助文档中有）输入参数，可以省略参数名：

round(3.14159, 2)

但通常不推荐省略，因为记忆量大。此外，省略参数名使代码难于阅读，特别是包含不常用函数的时候。（当然不包括没有参数名的基础函数，如mean，min等）。写上参数名就不用关心参数顺序了，尤其适用于参数较多的函数。

---

练习

1. mean()也是个常用的基础函数。使用此函数计算glengths向量的平均值。
2. 从帮助文档中学习mean()的其他参数。

---

缺失值

默认情况下，包含缺失数据的向量运行的所有R函数都将返回NA。这样能确保用户知道他们缺少数据，并自行决定如何处理。当处理像平均值这样的简单统计时，忽略NA（缺失数据）的最简单的方法就是指定参数na.rm=TRUE（rm代表删除）。

在某些特定情况下，有必要从向量中删除缺失值。为此，na.omit函数可以移除向量中的NA。有的情况下需要保留所有观察结果，也有的情况下需要删除包含缺失值的整行结果。complete.cases()函数返回一个逻辑向量，指示哪些行没有缺失值。

---

2.用户定义的函数

允许用户自定义函数是R语言的一大优势。有时你需要做一个小任务（或一系列任务），发现必须多次重复某一操作。这种情况下，创建自定义函数就很有帮助。函数的结构如下：

name_of_function <- function(argument1, argument2) {
    statements or code that does something
    return(something)
}

• 首先为自己的函数命名。
• 然后为它赋值，这里的“值”就是函数具体内容。

在定义函数时，需要提供所需参数列表（用于修改函数行为的输入和选项），并在大括号中输入执行/使用这些参数的代码。参数可以是任何类型的对象（如标量，矩阵，数据集，向量，逻辑值等），并且不需要以任何方式声明。

最后，可以从函数中“return”对象的值，这意味着将其值传递到全局环境中。在函数内创建的对象是函数环境的局部对象，仅存在于函数内部，这是函数背后的一个重要思想。

注意：也可以定义一个不需要任何参数、也不返回任何结果的函数。

尝试创建一个简单的示例函数。此函数将以一个数值作为输入，返回它的平方值作为结果。

square_it <- function(x) {
    square <- x * x
    return(square)
}

现在可以使用该函数，与使用任何其他函数的方法相同。函数的名称+括号，括号内输入数值x：

square_it(5)

很简单吧？在这种情况下，我们只运行了一行代码，但从理论上讲，您可以使用多行代码来获取要“返回”给用户的最终结果。在创建函数方面，只涉及到了一点皮毛！我们将在以后的课程中再次探讨这一点，如果有兴趣，也可以在R-bloggers网站上找到更多详细信息，这是square_it例子改编的来源。

3.包和库

包是R函数，数据和编译代码的集合，以明确定义的格式创建，以添加特定功能。已经超过10,000个用户贡献了R包，这个数量还在不断增长。

有一组标准（或基础）软件包被视为R源代码的一部分，随R软件安装一起提供。基础包包含R的基本函数，是R运行所必须的，并对数据集标准统计和绘图的函数; 到目前为止我们在示例中使用的所有函数都属于基础包。

R中存储包的目录称为库。术语包和库有时用作同义词，社区中已有关于这个问题的讨论。使用library()函数加载包有点不符合预期，可以看看为何会引起困惑。

在控制台中输入以下代码，来检查当前R会话中加载的库：

sessionInfo() #输入R的版本信息、系统、attach或加载的R包

# OR

search() #Gives a list of attached packages

在本次课程中，我们向您介绍了标准基础包的函数。但是使用R的次数越多，就越会意识到R是个聚宝盆，收集了非常多R包，提供了各种各样的函数。要使用其他软件包，需要安装。可以从CRAN或Bioconductor存储库安装很多软件包。

（1） 从CRAN安装包

CRAN是一个存储库，除了数千个不同用户贡献的R包的源代码之外，还提供了最新的R（和旧版本）的下载地址。

image

可以使用install.packages函数从CRAN安装R包。此函数将从CRAN镜像上下载源代码，并在您的计算机上本地安装软件包（以及依赖项）。

下面给出了稍后创建图表所需的包ggplot2的示例。运行此代码进行安装ggplot2。

install.packages("ggplot2")

（2） 从Bioconductor安装包装

或者，也可以从Bioconductor安装包，Bioconductor是另一个R包存储库，提供分析和理解高通量基因组数据的工具。这些包包括（但不限于）用于统计分析，注释包和访问公共数据集的工具。

许多软件包从CRAN和Bioconductor中都可获得，也有的软件包只存放于一个存储库。可以通过Google搜索或反复尝试来查找R包的来源信息。

要从Bioconductor安装R包，首先需要安装BiocManager。BiocManager只需要安装一次。

# DO NOT RUN THIS!

install.packages("BiocManager")

然后，您可以通过在install()中输入包名（注意加引号）来安装包。在这里，我们通过Bioconductor 安装和刚才一样的ggplot2：

# DO NOT RUN THIS!

library(BiocManager)
install("ggplot2")

（3）从源代码安装包

最后，R包也可以从源代码安装。当没有Internet连接（并且在本地拥有源文件）时，这种方法很有用，因为其他两种方法是从远程站点检索源文件。

要从源代码安装，也是用install.packages函数，但是添加了其他参数：

# DO NOT RUN THIS!

install.packages("~/Downloads/ggplot2_1.0.1.tar.gz", type="source", repos=NULL)

（4）加载包

安装软件包后，可以将包加载到R会话中，就可以使用该包中的任意函数，就像用基础函数一样。请注意，此处不需要引号。

library(ggplot2)

用sessionInfo()或检查当前环境中加载的内容，search()应该看到您的包列为：

other attached packages:
[1] ggplot2_2.0.0

还有几个其他包也随ggplot2加载。

（5）查找某个包内的函数

第一次使用ggplot2，如何知道从哪里开始、可以使用哪些函数？一种方法是使用RStudio中的选项卡Package。如果单击选项卡，您将看到列出的所有已安装的软件包。对于已加载的包，您将在旁边的框中看到蓝色复选标记。向下滚动到列表中的ggplot2：

如果已成功加载，将看到ggolot2前面的复选框，如上面的屏幕截图所示。现在，如果您单击ggplot2，RStudio将打开帮助页面，您可以滚动浏览。

另一种方法是在线查找帮助手册，这种手册有时更容易理解。例如，http://docs.ggplot2.org/current/是ggplot2更加全面的操作手册，这是谷歌搜索的结果。许多Bioconductor软件包有实用的图文教程，还提供可用的示例数据。

（6）查找函数但不知道它是哪个包

如果您正在寻找执行特定任务的函数，您可以使用help.search()（但只能搜索你已安装的软件包）：

help.search("scatter")

如果找不到所需内容，可以使用rdocumention.org网站搜索所有可用软件包中的帮助文件。

（7）奇怪的报错

很可能其他人已经遇到过同样的问题了！

• 首先谷歌搜索报错消息。但不一定有用，因为通常情况下，包开发人员直接使用R自带的报错方式。最终收到的报错信息可能对诊断问题没有多大帮助（例如“subscript out of bounds”） 。

• stackoverflow。使用[r]标签搜索。大多数问题能找到答案，但是要用对关键词：http://stackoverflow.com/questions/tagged/r

---

练习

ggplot2软件包是tidyverse集成软件包套件的一部分，旨在协同工作，使通用数据科学操作对用户更加友好。我们将tidyverse在以后的课程中使用该套件，所以让我们安装它。注意：此套件仅存放于CRAN。

---

4.寻求帮助

要获得某人帮助，关键是让对方迅速理解你的问题。应该尽可能简单明了地描述问题。

（1） 要使用正确的关键词来描述你的问题。例如，包与库不同。有的人能理解你的意思，也有人会觉得有歧义。关键是，试图帮你的人可能看不懂。描述问题要尽可能精确。

（2） 始终包括sessionInfo()的输出结果，因为它提供你的平台关键信息，R的版本、正在使用的软件包，以及其他有助于理解你的问题的信息。

sessionInfo()  #This time it is not interchangeable with search()

（3） 尽量用小的data.frame 重现并描述你的问题， 不要用原来成千上万行列的数据。对你的问题进行归纳总结，有助于其他领域的人理解这个问题。
* 要将对象共享给其他人，可以将原始文件（即CSV文件）和脚本一起提交上去（并删除与问题无关的内容）。如果你处理的不是data.frame，则可以将环境中的任何R数据结构保存到文件中：

# DO NOT RUN THIS!

save(iris, file="/tmp/iris.RData")

.RData文件不能直接读取，无法直接在stackoverflow上发布。但可以通过电子邮件发送给你要求助的人：

# DO NOT RUN THIS!

some_data <- load(file="~/Downloads/iris.RData")

在哪里寻求帮助？

• 友好的同事：你认识的比你经验丰富的人，可能并愿意帮助你。

• Stackoverflow：如果问不到答案，就精心组织你的问题发到Stackoverflow，很可能不到5分钟就得到答案。

• 在R-help：很多人（包括R核心团队的大部分人）会阅读、发布，但相当“干”（干货的干），新手不一定能看懂。如果你的问题是有效的，你可能会很快得到一个答案，但你还是不一定能看懂😢。此外，这里更强调措辞正确（否则很可能被指出措辞不当，而非得到问题答案）。如果问题是关于base包，会收到比扩展包问题更多的回复。

• Bioconductor的支持网站。非常有用，如果你的帖子加上标签，很可能收到开发者给的答案！

• 如果你的问题是关于扩展包的，可以先看这个包有没有mailing list。通常包含在包的DESCRIPTION文件中，用packageDescription("name-of-package")函数可以获取。可以尝试直接通过电子邮件发送给包的作者。
  

  希望Y叔不要打我

• 还有一些特定于主题的mailing list（GIS，系统发育等），完整列表在http://www.r-project.org/mail.html。

*本课程由Harvard Chan Bioinformatics Core (HBC)
的教学团队成员开发，中文版由简书ID@小洁忘了怎么分身（公众号@生信星球）整理。
（抱歉昨天对生物信息中心的中文翻译有误，公众号无法修改，但简书中修改了。）
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