R语言功能

1.导入gz压缩文件

library(R.utils)
gzfile ='D:/data by multiviolin/GSE66507_human_blastocyst_rnaseq_counts.txt.gz'
gunzip(gzfile, remove = F) 
gf = gzfile(gzfile,'rt')
data = read.table(gf, header = F, sep = '\t', quote = '', comment.char = '#')

2.数值型转换

tdf2=as.data.frame(lapply(tdf,as.numeric))

3.保留不为0的行或列

X[which(rowSums(X) > 0),]

4、循环导出gz文件

file=list.files()
n=length(file)
for (i in file) {gzfile =i
gunzip(gzfile, remove = F)}

5.循环处理txt文件

5.1 取文件名的名字

 name<-substr(basename(i),start = 22,stop = 25)

5.2 给数据框增加一列内容

b<-transform(b,group=name)

5.3 取文件夹下的所有文件

file=list.files('all late')

合集

setwd('C:/Users/l1047/Desktop/mice')
file=list.files('all late')
n=length(file)
setwd('all late')
for (i in file) {
  name<-substr(basename(i),start = 22,stop = 25)
  b<-read.table(file=i,header = T)
  b<-b[,-c(2,4,5,6)]
  b<-transform(b,group=name)
  write.table(b,i,row.names = FALSE,sep = "\t")
  
}

###改变列名

用colnames<- c (" "," ")

###导入txt文件时，由于第一个字符是#而导致第一行丢失

在read.table中加入参数comment.char=""即可

导入txt文件时报错显示‘line 8 did not have 9 element’

在read.table中加入参数   sep='\t'   即可

##用for循环合并多个txt文件

setwd('C:/Users/l1047/Desktop/mice')
allfile<-list.files('all late')
n=length(allfile)
newdata<-c()
setwd('all late')
for (i in allfile){
  rb1<-read.table(i)
  name<-substr(basename(i),start = 22,stop = 25)
  
  colnames(rb1)<-rb1[1,]
  rb1<-rb1[-1,]
  colnames(rb1)<-c("gene",name,"group")
  rb1<-rb1[,-3] #对第一个文件处理完毕
  newdata<-cbind(newdata,rb1)
  
}

##删掉某列中重复的行

newdata<-newdata[!duplicated(newdata$gene), ]  #删掉行

###删掉重复的列

newdata<-select(newdata,-starts_with("gene")) #删掉以“gene”开头的列

#保留不为0的列，即去掉全是0的列

exp2<-exp[,which(colSums(exp)>0)]

给数据框里的列中的值改名

newsp6[,3][newsp6[,3]=='epiblast']='EPI'

删掉数据框里某一列的含有某个值的所有行

sp6<-newsp6[-which(newsp6$lineage=='not applicable'),]

给数据框增加一列

b<-transform(b,group=name)

提取数据框某列每一行的前两个字符

name<-substr(human2$lineage,1,2)
#substr(data,start, stop)

更改数据框列的顺序

library(dplyr)
human4<-select(human3,SP6,lineage,group)

#select(data,x,y,z,everything()),everything是其他都不变

ggplot画图

library(ggplot2)
nocell$Sp6<-as.numeric(nocell$Sp6)#先把数据变成numeric，否则报错
ggplot(data=nocell,aes(x=lineage,y=Sp6,fill=group))+
  geom_violin(scale = "width")+geom_jitter( position = position_jitterdodge(0.35))

更换字符串中的字符

chartr（old，new， X）#X是文件名

##ggplot颜色

##配色
install.packages('RColorBrewer')
library(RColorBrewer)
help("RColorBrewer")
brewer.pal.info  #查看色板信息
#查看所有色板。
display.brewer.all()

#查看单色渐变色板。
display.brewer.all(type='seq')

#查看双色渐变色板。
display.brewer.all(type='div')

#查看离散颜色色板。
display.brewer.all(type='qual')

#查看BrBG色板中的9个颜色。
display.brewer.pal(9,'BrBG')

#查看BrBG色板中的9个颜色的色值。
brewer.pal(9,'BrBG')

display.brewer.pal(9,'RdYlBu')
brewer.pal(9,'RdYlBu')
pal<-brewer.pal(9,'RdGy')
mycolor<-colorRampPalette(pal)
image(x=1:9,y=1,z=as.matrix(1:9),col=mycolor(9))

##颜色处理
    library(scales)
  show_col(hue_pal()(n)) #ggplot 默认颜色
  show_col(hue_pal(h = c(0, 180) + 30, c = 100, l = 65)(3))
  p0<-p2+scale_fill_hue(h = c(0, 180) + 30, c = 100, l = 65)#语法

##ggplot画火山图并标记差异基因（也可用ggscatter）

setwd('C:/Users/l1047/Desktop/1124')
data<-read.csv("C5_D0-vs-C5_D6.edgeR.all(1).xls",sep = '\t',header = T)
# 设置p_value和logFC的阈值
cut_off_pvalue = 0.0000001  #统计显著性
cut_off_logFC = 1           #差异倍数值

data$change <-ifelse(data$PValue< cut_off_pvalue & abs(data$log2.fc.) >= cut_off_logFC, 
                    ifelse(data$log2.fc.> cut_off_logFC ,'Up','Down'),'Stable')
data2<-data[,c('id','PValue','log2.fc.','change')]

library(ggplot2)
p<- ggplot(data2, aes(x = log2.fc., y = -log10(PValue), colour=change)) +
  geom_point(alpha=0.4, size=3.5) +
  
  scale_color_manual(values=c("#546de5", "#d2dae2","#ff4757"))+
  # 辅助线
  geom_vline(xintercept=c(-1,1),lty=4,col="black",lwd=0.8) +
  geom_hline(yintercept = -log10(cut_off_pvalue),lty=4,col="black",lwd=0.8) +
  # 坐标轴
  labs(x="log2(fold change)",
       y="-log10 (p-value)")+
  theme_bw()+
  # 图例
  theme(plot.title = element_text(hjust = 0.5), 
        legend.position="right", 
        legend.title = element_blank())
library(ggrepel)###加上标签
p1<-p+ geom_label_repel(data = data2, aes(x = log2.fc., 
                                        y = -log10(data2$PValue), 
                                        label = id),
                    size = 3, box.padding = unit(0.5, "lines"),
                    point.padding = unit(0.8, "lines"), 
                    segment.color = "black", 
                    show.legend = FALSE)

##基因名互相转换

library(org.Hs.eg.db)
library(hgu95av2.db)
library(dplyr)
library(clusterProfiler)
symple<-read.table('symple.txt',header = F,sep = '\t')
symple<-as.character(symple$V1)
library(org.Hs.eg.db)
eg <- bitr(symple,fromType = 'SYMBOL',
           toType = 'REFSEQ',
           OrgDb='org.Hs.eg.db')

#字符替换

1.gsub（原，后，文件）#可用^放在开头，表示只替换开头的而不换其他的

2.tidyverse的str_remove(文件，parttern=“”)

3.sub，同1

###循环画图

dir.create('Vlnplot for placenta')     ###创建新文件夹
setwd('Vlnplot for placenta')     ##改变工作路径
for(i in rownames(mydata)){     #读取样品名
  result_name = paste(i,".pdf",sep="") #根据样品名生成PDF文件
  pdf(result_name,10,7)
  p<-VlnPlot(mydata,features = i,group.by = 'cell_type')
  print(p) 
  dev.off()
}

###行名有重复值报错

row.names(newdata)<-make.names(newdata[,1],TRUE)#行名有重复值时的办法

##给R分配多个核同时运算

##让R多芯片并行运算
#加载parallel包
library(parallel)

#detectCores函数可以告诉你你的CPU可使用的核数
clnum<-detectCores() 

#设置参与并行的CPU核数目，这里我们使用了所有的CPU核，也就是我们刚才得到的clnum，具体到这个案例，clnum=4
cl <- makeCluster(getOption("cl.cores", 32))
#关闭并行计算
#stopCluster(cl)

###数据框转换成数值型

data5 <- as.data.frame(lapply(data4[,1:64],as.numeric))

###将右表匹配进左表

library(dplyr)
data1 <- left_join(list,data,by=c('V1'='gene'))##将右表内容匹配进左表
all(data1$V1==data1$gene) #查看两列是否匹配
data2<- na.omit(data1)##删除缺失行

###长宽数据转换（reshape2包）

宽转长，用melt函数

• id.vars：选择用来做主键的列，对于表2来说就是date列，当然也可以有多列
• measure.vars：观测值的列，默认是非id.vars那些列，表2中就是除第一列的其他列
• variable.name：measure.vars转换成一列后的列名，这里就是“stock”
• value.name：观测值转换成一列后的列名，这里是“value”
• na.rm：是否删除NA数据