R语言基本命令及包的安装

软件的安装：

r和rstudio

简单的加减：

> 1 + 1
[1] 2
> 2 ^ 10
[1] 1024

取范围-10到10：

> -10 : 10
 [1] -10  -9  -8  -7  -6  -5  -4  -3  -2  -1   0   1   2   3   4   5   6
[18]   7   8   9  10

 

赋值：

> x <- -10 : 10
> x
 [1] -10  -9  -8  -7  -6  -5  -4  -3  -2  -1   0   1   2   3   4   5   6
[18]   7   8   9  10
> x ^ 2
 [1] 100  81  64  49  36  25  16   9   4   1   0   1   4   9  16  25  36
[18]  49  64  81 100
> y <- x ^ 2
> y
 [1] 100  81  64  49  36  25  16   9   4   1   0   1   4   9  16  25  36
[18]  49  64  81 100

 

中位数：

> quantile(1 : 10)
   0%   25%   50%   75%  100%

 

逻辑操作：

 1.00  3.25  5.50  7.75 10.00
> 2 > 3
[1] FALSE
> 2 = 3
错误于2 = 3: (do_set)赋值公式左手无效
> 2 == 3
[1] FALSE
> 2 < 3
[1] TRUE

画散点图：

> x <- -10:10
> y <- x ^ 2
> plot(x,y)

> plot(x,y,type = "b")
> plot(x,y,type = "l")
> plot(x,y,type = "o")

分别是下面三张图：

R包在生物信息学、统计分析以及系统发育与进化研究中有很多有用的功能：

• 基础功能包（Base）：
  • base：包含R的基本功能，所有R用户都会用到。
• 统计学包（Stats）：
  • stats：R的基础统计包，包含各种统计功能，如回归分析、t检验、方差分析等。
• 线性及非线性混合效应模型（Linear and Non-linear Mixed Effects Models）：
  • nlme：提供用于拟合线性和非线性混合效应模型的函数。
• 绘图（Graphics）：
  • graphics：R的基础绘图包，用于基本的2D图形绘制。
  • ggplot2：用于创建复杂和定制化的图形，基于“语法图形学”的理念。
  • lattice：用于创建多面板图形，特别适合探索高维数据的模式。
• 栅格图（Raster Graphics）：
  • raster：处理栅格数据的包，常用于空间数据的分析和绘图。
• 系统发育与进化分析：
  • ape：用于系统发育分析的包，支持进化树的构建、操作和可视化。
  • phytools：用于分析系统发育数据，包括树形比较和进化模型分析。
  • apTreeshape：用于分析和比较系统发育树的形状。
• DNA序列分析（DNA Sequence Analysis）：
  • seqinr：提供DNA序列的读取、分析和操作功能。
  • ade4：用于多元统计分析，适用于生态学和进化生物学数据分析。
• 生态学数据分析（Ecological Data Analysis）：
  • vegan：用于生态学数据分析，尤其是群落生态学和物种多样性研究。
  • ecodist：提供生态学数据距离矩阵和多维尺度分析等功能。
• 其他生态学相关包：
  • ecospat：进行物种分布模型分析。
  • biomod2：进行生态模型建模的包，常用于物种分布预测。
• 聚类分析（Cluster Analysis）：
  • cluster：R中用于进行聚类分析的基本包，支持各种聚类方法如K-means、层次聚类等。
  • factoextra：用于聚类分析的结果可视化，帮助解释聚类的结构。
• 广义加性模型（Generalized Additive Models）：
  • mgcv：用于拟合广义加性模型（GAM）和广义加性混合模型（GAMMs），广泛应用于非线性回归建模。
• 多变量分解（Multivariate Decomposition）：
  • mvpart：用于多变量分解，常用于分类和回归分析中的决策树模型。
• 线性及非线性混合效应模型（Linear and Non-linear Mixed Effects Models）：
  • nlme：用于拟合线性和非线性混合效应模型，支持复杂的随机效应和固定效应建模。
• 系统发育比较（Phylogenetic Comparison）：
  • ouch：用于进行基于进化树的系统发育比较分析，尤其适用于比较性状进化等问题。
• 差异表达基因筛选（Differential Gene Expression）：
  • limma：用于差异表达基因分析，适用于微阵列数据或RNA-Seq数据分析。
  • DESeq2：RNA-Seq数据分析中常用的包，提供了对RNA-Seq数据的差异表达分析功能。
• RNA-Seq数据分析（RNA-Seq Analysis）：
  • edgeR：RNA-Seq数据分析，特别是差异表达分析，类似于DESeq2。
  • DESeq2：同上，是RNA-Seq数据分析的主流包之一。
• 字符串操作（String Manipulation）：
  • stringr：一个强大的字符串操作包，提供了很多简洁的函数，用于文本数据处理和分析。
• 高级迭代循环（Advanced Iteration Loops）：
  • purrr：函数式编程包，提供了更多灵活的迭代功能，替代了基础R中的apply、lapply等函数。
  • data.table：高效的循环和数据处理包，尤其在大数据集下效率较高。
• 数据操作（Data Manipulation）：
  • plyr：用于数据操作和处理，虽然dplyr包功能更强大且更常用，但plyr仍然是很多旧版代码的依赖。

包的本地下载：

 

最下面这个task view就是根据这些所有的r包的能做的一些事情，它的一个特点。进行一个排序。

例如：

贝叶斯下面就是通过贝叶斯模型来进行统计分析的这些包

安装后不要解压缩，直接用r打开

安装方法（两种）：

1：

选择镜像，后选择包，就会自动安装，依赖包也会自己安装

2：

install.packages("包名")

关于Bioconductor：

Bioconductor 是一个独立于 CRAN（R 的主要包仓库）的 R 包仓库，专门用于存储与生物信息学相关的 R 包。它主要面向高通量测序（high throughput sequencing）、基因组学数据分析等领域，提供了大量处理生物数据的工具。像 limma（用于差异表达分析）、DESeq2（RNA-Seq 数据分析）、edgeR（RNA-Seq 数据分析）、以及用于处理单核苷酸多态性（SNP）、拷贝数变异（CNV）分析等方面的包，都可以在 Bioconductor 上找到。

Bioconductor 是一个开源项目，所有的包都是用 R 语言编写的，旨在为生物信息学领域的研究人员提供强大且灵活的数据分析工具。这些包涵盖了从数据预处理、分析、可视化到结果解读等各个方面，支持的功能包括基因表达分析、基因组数据分析、基因组序列比对等。

如果你对高通量数据分析有需求，Bioconductor 提供的包几乎是必不可少的资源，尤其是在处理大规模基因组数据时。

下载：

命令行安装：

if (!require("BiocManager", quietly = TRUE)) install.packages("BiocManager") BiocManager::install("limma")