R语言学习

练习1

目的是想获取文件第二行数据，然后找出字符串长度。

数据特点是每两行一个数据单元。偶数行为我所想得到的数据。代码如下

rm(list = ls())  #清空环境变量

#加载所需要使用的包
library(seqinr)   
library(xlsx)

设定工作目录
setwd("D:/BaiduNetdiskDownload/OEdata")

#读入数据
od_data=readLines("ATCACG.fa")   #采用按行读取所有数据
need<-c()                        #建立空向量准备提取，一定要事先申明，不然找不到对

for(i in 1:length(od_data)){
  

  if(i %% 2 ==0){
    need=append(need,od_data[i])
  }
}

#将list转化为data.frame
df_need=data.frame(need)
df_need$length=NA #数据框中另取一列
df_need$length=nchar(need)     #获得字符串长度

#输出部分结果文件
write.table(df_need,"OD_data_length.xls",quote=FALSE, sep="\t")

1.函数append为写入函数

2.nchar为获得字符数函数

3.使用变量是要提前声明

#后续修改

for循环太花时间，不建议使用。后来改用readDNAStringSet读入fa文件，修改的代码如下

rm(list=ls())

library(Biostrings)

setwd("D:/LQ/免疫/OEdata")

#读入文件，fasta文件处理
od_data_1<-readDNAStringSet("ATCACG.fa")
seq_name = names(od_data_1)
sequence = paste(od_data_1)
df_od_data_1 <- data.frame(seq_name, sequence,stringsAsFactors=F)
df_od_data_1=unique(df_od_data_1)#消除重复行

#求序列长度
df_od_data_1$length=NA
sequence<-as.vector(df_od_data_1$sequence)
df_od_data_1$length=nchar(sequence)
df_od_data_1=df_od_data_1[order(df_od_data_1$length,decreasing = F),]#按序列长度大小排序，从小到大
write.table(df_od_data_1,"od_data_len.xls",quote = F,sep="\t",row.names = F)

#统计长度出现的频率
freq=table(df_od_data_1$length)        
df_oe_data_len_freq=data.frame(freq)
write.table(df_oe_data_len_freq,"oe_data_len_freq.txt",quote = F,sep="\t",row.names = F)

极大地节约了运行时间，一般还是不要轻易用for循环。而且代码相对简洁很多。写完后还要好好消化一下，这里面有很多的函数和参数设置还不太熟悉

read函数的说明：https://stat.ethz.ch/R-manual/R-devel/library/utils/html/read.table.html

read.table（file，header = FALSE，sep =“”，quote =“\”'“，
           dec =“。”，数字= c（“allow.loss”，“warn.loss”，“no.loss”），
           row.names，col.names，as.is =！stringsAsFactors，
           na.strings =“NA”，colClasses = NA，nrows = -1，
           skip = 0，check.names = TRUE，fill =！blank.lines.skip，
           strip.white = FALSE，blank.lines.skip = TRUE，
           comment.char =“＃”，
           allowEscapes = FALSE，flush = FALSE，
           stringsAsFactors = default.stringsAsFactors（），
           fileEncoding =“”，encoding =“unknown”，text，skipNul = FALSE）

read.csv（file，header = TRUE，sep =“，”，quote =“\”“，
         dec =“。”，fill = TRUE，comment.char =“”，...）

read.csv2（file，header = TRUE，sep =“;”，quote =“\”“，
          dec =“，”，fill = TRUE，comment.char =“”，...）

read.delim（file，header = TRUE，sep =“\ t”，quote =“\”“，
           dec =“。”，fill = TRUE，comment.char =“”，...）

read.delim2（file，header = TRUE，sep =“\ t”，quote =“\”“，
            dec =“，”，fill = TRUE，comment.char =“”，...）

参数

file	数据要从中读取的文件的名称。表格的每一行都显示为文件的一行。如果它不包含绝对路径，则文件名是 相对于当前工作目录的 getwd()。在支持的情况下执行倾斜扩展。这可以是一个压缩文件（请参阅file）。 或者，file可以是一个可读的文本模式 连接（如果需要，将被打开以供读取，如果是这样的话close（在函数调用结束时被破坏））。（如果stdin()使用的话，线路提示可能会有些混乱，Ctrl-D在Unix和Ctrl-Z