果子老师课程学习总结GZ07R语言批量处理 part four

前情提要：今天不咕咕咕 健身完以后来学习

part four来到function的高级应用部分

目录

目标：批量计算基因和免疫浸润的关系

​编辑

1.for循环代码

 2.Lapply

3.Sapply呢

4.do.call()

5.绘图

6.一步走

---

首先就是Lapply函数

目标：批量计算基因和免疫浸润的关系

载入数据：一个是样本的基因表达情况，一个是样本的免疫浸润情况

rm(list = ls())
load(file = "data/expr_immu_BRCA.Rdata")

1.for循环代码

test1 <- expr_data[1:10,1:10];test1
test2 <- immu_data[1:10,1:10];test2
### 基因和免疫浸润的相关性分析
gene <- "KLF5"
y <- as.numeric(expr_data[,gene]) #gene的表达量

### 批量操作的具体实现过程：
### 1.设定容器,最终生成的数据放在什么地方？
correlation <- data.frame()

### 2.批量把数据导出到容器
for(i in 1:length(colnames(immu_data))){
  ## 1.指示
  print(i)
  ## 2.计算
  dd = cor.test(as.numeric(immu_data[,i]),y,method="spearman")
  ## 3.填充
  correlation[i,1] = colnames(immu_data)[i]
  correlation[i,2] = dd$estimate
  correlation[i,3] = dd$p.value
}
### 修改名称
colnames(correlation) <- c("cell","cor","p.value")

结果如下

 2.Lapply

### 第1,写出单次处理的function
mycor = function(x){
  dd = cor.test(as.numeric(immu_data[, x]),y,method ="spearman",exact=FALSE)
  data.frame(cell=x,cor=dd$estimate,p.value=dd$p.value)
}
### 测试函数功能
mycor("Activated B cell")

### 第2步lapply批量作用于函数，返回list
lapplylist = lapply(colnames(immu_data),mycor)
sapplylist = sapply(colnames(immu_data),mycor)
str(lapplylist)
str(sapplylist)
sapplylist[,1]

 ### 第3步do.call 转换list
cor_data <- do.call(rbind,lapplylist)

lapplylist:

 cor_data:

3.Sapply呢

在上一步的环节中有一个sapplylist，其实是在利用sapply的返回格式

sapplylist:

 两个list的形式不同：

 sapply整合了28*3个list，并且看起来就很像数据框，于是变换一下

sapplylist <- as.data.frame(sapplylist)

 变换成功，但并不是我们画图喜欢的格式，没有关系，转换一下就好了

sapplylist <- t(sapplylist)

4.do.call()

将list按照一定的顺序去合并，第一个参数是函数，如rbind或者cbind；第二个参数是内容

lapply常常要和do.call连用！！！！！

5.绘图

6.一步走

cor_data <- do.call(rbind,lapply(colnames(immu_data),function(x){
  dd = cor.test(as.numeric(immu_data[,x]),y,method ="spearman",exact=FALSE)
  data.frame(cell=x,cor=dd$estimate,p.value=dd$p.value)
}))

测试数据请发邮件yunbk@mail2.sysu.edu.cn获取