『Bilibili生信人应该这样学R语言』STEP BY STE

2019-05-27 本文已影响6人美式永不加糖

配合【生信技能树】生信人应该这样学R语言食用，绝佳。
基本精确到了每分钟，前13P整理好后发。
To be continued...

P14 学习资源介绍

介绍 R 和 Rstudio，和 P1 内容基本一致。

P15 与 excel 的区别

数据

01:51 加载数据

a=read.table('SraRunTable.txt',header = T,sep = '\t')

03:37 对第二列求和
```
> sum(a[,2])
```
04:54 取第一行
```
> a[1,]
```
05:30 R 中自带”固定表头“功能
05:35 取 a 的前四行+前四列为 b
```
> b=a[1:4,1:4]
```
09:50 取 b 的第一列为 d
```
d=b[,1]
```
这时用 class() 函数查看 d, 返回 [1] "factor"，需要在操作的开始阶段设置：
```
options(stringsAsFactors = F)
```
重新读入文件，得到：

R tips: 代码加上()，赋值同时 print
10:44 创建矩阵
```
> e=matrix(1:10,2)
```

12:40 在 R 中实现筛选

excel中：

> a[,1]=='WXS'
> table(a[,1]=='WXS')
> which(a[,1]=='WXS')
> f=a[which(a[,1]=='WXS'),]

18:35 对某一列不同元素计数
```
> table(a[,18])
```

P16 简单统计及数学函数

01:44 将 SraRunTable.txt 另存为 .csv 格式，在 R 中进行后续操作
```
> a=read.csv('SraRunTable2.csv')
```
02:58 求某列的平均值
```
> mean(a$MBases)
```
分别筛选出 Assay_Type 为 ‘WXS’/‘RNA-Seq’ 的 ‘MBases’ 的均值
```
> wxs=a[a[,1]=='WXS',]
> rna=a[a[,1]!='WXS',]
```
```
> mean(wxs$MBases)
> mean(rna$MBases)
```
05:25 t 检验，根据 p 值判断显著性
```
> t.test(rna$MBases,wxs$MBases)
```

06:28 求某列的最大值

> max(a$MBases)
> max(wxs$MBases)
> max(rna$MBases)

06:51 求某列的最小值、下四分位数、中位数、上四分位数、最大值
```
> fivenum(a$MBases)
> fivenum(wxs$MBases)
> fivenum(rna$MBases)
```
11:20 求某列的绝对中位差 (Median Absolute Deviation)
```
> mad(a$MBases)
```

P17 基础语法

00:20 正则表达式

在 shell 中，用 grep 命令查看

在 R 中
```
> grep('WXS',a[,1])
> grepl('WXS',a[,1])
```

> wxs=a[a[,1]=='WXS',]
> wxs1=a[grep('WXS',a[,1]),]
> wxs2=a[grepl('WXS',a[,1]),]
> wxs3=a[which(a[,1]=='WXS'),]

以上4条命令得到的结果相同

03:51 取某一列数据中特定的部分

> tmp=a$Library_Name
> strsplit(tmp,',')
> strsplit(tmp,',')[[1]][2]

需要引入循环

> lapply(strsplit(tmp,','), function(x){cat(x)})

> l=strsplit(tmp,',')
> for (x in l) {
+   print(x[2])
+ }

for 循环可以简化为 lapply循环

> lapply(l, function(x){x[2]})

11:21 对提取出的数据进行 unlist 操作

> tmp=unlist(lapply(l, function(x){x[2]}))

12:55 替换 ‘PE’
```
> sub('PE','',tmp)
```
13:54 去重
```
> unique(sub('PE','',tmp))
```

P18 高级数据处理技巧

01:09 获取表达矩阵

> library(devtools)
> library(airway)
> library(CLL)
> suppressPackageStartupMessages(library(CLL))
> data(sCLLex)
> exprSet=exprs(sCLLex)

05:28 用 apply 求基因的表达量平均值
```
> apply(exprSet, 2, mean)
```
for a matrix 1 indicates rows, 2 indicates columns.
06:27 基因表达量均值的 boxplot
```
> boxplot(exprSet)
```
09:03 Tips for R

vignette() 函数可以调出 R 包的介绍

09:21 str_split 和 strsplit 的区别

> str_split(a$Library_Name,',')
> str_split(a$Library_Name,',',simplify = T)

simplify = T 直接将数据提取为 data.frame

取第二列：

> str_split(a$Library_Name,',',simplify = T)[,2]

10:38 用 do.call rbind 解决同样的问题

> do.call(rbind,str_split(a$Library_Name,','))
> do.call(rbind,str_split(a$Library_Name,','))[,2]

P19 绘图该如何学

00:38 重新读入 a

> a=read.csv('SraRunTable2.csv',stringsAsFactors = F)

01:21 boxplot

> boxplot(a$MBases~a$Assay_Type)
> t.test(a$MBases~a$Assay_Type)$p.value
> p=t.test(a$MBases~a$Assay_Type)$p.value
> paste('P value=',p)
> title(main=paste('P value=',p))

04:28 换 R 包，加参数，~~拯救丑图~~ 美化图片

> ggboxplot(a,"Assay_Type","MBases",color = "Assay_Type",
+           palette = c("#00AFBB","#E7B800"),add = "jitter") + stat_compare_means(method = "t.test")

11:49 ggplot2

>ggplot(a,aes(Assay_Type,MBases))+geom_boxplot(aes(col=Assay_Type))+theme_bw()+geom_jitter(aes(col=Assay_Type))

19:35 hclust 画 cluster dendrogram （树状图）

> library(CLL)
> data("sCLLex")
> e=exprs(sCLLex)
> apply(e,2,mean)
> plot(hclust(dist(t(e))))