07 R进阶

tidyverse

《R数据科学》

1、长、宽调整：gather-spread

2、分、合：separate_unite

3、处理NA

#1
x<data.frame(x1=letters[1:5],x2=1:5)
x[2,2]<NA
x[4,1]<NA
#2
drop_na(x)
drop_na(x,x1)
drop_na(x,x2)
replace_na(x$x2,0)
fill(x,x2)

dplyr

基础

1、mutate() 新增列

test=mutate(test,new=Sepal.Lengt*Sepal.Width)
test$new=test$Sepal.Length*test$Sepal.Width)

2、select(),按列筛选

3、filter(),按行筛选

4、arrange(),排序

arrange(test,Sepal.Length)
arrange(test,desc(Sepal.Length))
#先按照A列排，如果A列相同，按照B列排
arrange(test,desc(Sepal.Width),Sepal.Length)

5、summarise()汇总

进阶

1、count()

2、管道操作%>%(ctrl+shift+M):上一步的输出作为下一步的输入

dplar关系数据

#1
load("test1.Rdata")
library(dplar)
arrange(deg,P.Value)
#2
a=merge(deg,ids,by="probe_id")
#inner_join()
left_join()

stringr_characters

处理字符串（专用）

x <- "The birch canoe slid on the smooth planks."
#检测字符串长度
length(x)
str_length(x)

#字符串拆分
str_split(x," ")
x2 = str_split(x," ")[[1]]
#去掉列表的属性，只留下正式的内容

#字符串的组合,collapse表示“标点”，sep表示“连接符号”
str_c(x2,collapse = " ")
str_c(x2,1234,sep = "+")

y = c("jimmy 150","nicker 140","tony 152")
str_split(y," ")
str_split(y," ",simplify = T)
#simplify=T,简化，转化为形式更为简单的矩阵

#提取字符串的一部分，提取x的第5位到第9位
str_sub(x,5,9)

#大小写转化
str_to_upper(x2)	#x2每个单词首字母大写
str_to_lower(x2)	#x2每个单词首字母小写
str_to_title(x2)	#x2首字母大写

#字符串定位
str_locate(x2,"th")
str_locate(x2,"h")

#字符检测（重点）,返回逻辑值
str_detect(x2,"h")
str_starts(x2,"T")
str_ends(x2,"e")

#与sum和mean连用，可以统计匹配的个数和比例,T计为1，F计为0
sum(str_detect(x2,"h"))
mean(str_detect(x2,"h"))

#提取匹配到的字符串
str_extract(x2,"th|Th")
str_extract_all(X2,"o")
str_extract_all(X2,"o",simplify=T)

#字符删除
str_remove(x,"")	#只删除首个单词的空格
str_remove_all(x,"")
str_remove_all(x2,"th")

#字符串替换
str_replace(x2,"o","A")	#若存在两个o则只替换第一个
str_replace_all(X2,"o","A"）
         
#结合正则表达式更加强大

#字符检测（重点）

#1.加载stage.Rdata，提取空格后面的内容
str_split(stage," ",simplify = T)[,2]
a <- str_sub(stage,10,str_length(stage))

#2.从stage里提取出临床分期的最简单信息，例如I，II，IVA，
str_extract_all(a,"I|V|A|B",simplify = T)
str_split(a,"T",simplify = T)[,1]
b=str_locate(a,"T")
str_sub(a,1,b-1)`

条件语句和循环语句

if语句

if后只能是一个逻辑值，不能是逻辑值向量

ifelse

3个参数

ifelse(x,yes,no)

x:逻辑值

yes:逻辑值为TRUE时的返回值

no:逻辑值为FALSE时的返回值

x=read.table("a.txt")
b=x$v2
ifelse(str_detect(b,"glioma"),"tumor","normal")

for+while循环

x <- read.csv("group.csv")
library(stringr)
x1 <- ifelse(str_detect(x$title,"Control"),
       "control",
       "treat")
load("deg.Rdata")
k1 <- deg$a< -1 & deg$b < 0.05
k2 <- deg$a> 1 & deg$b < 0.05
deg$y <- ifelse(k1,"down",
                ifelse(k2,"up","no"))
table(deg$y)
count(deg,y)

其他

长脚本管理方式

1、分成多个脚本，每个脚本最后保存Rdata，下一个脚本开头清空再加载

2、if(F){...},则{}里的脚本被跳过

if(T){...},则{}里的脚本被以运行

凡是带有{}的代码，均可以被折叠

apply函数

apply(x,margin,fun,...)

其中x是数据框/矩阵名；margin为1表示取行，2表示取列，fun为函数（对X的每一行/列进行fun函数）

load("test2.Rdata")
x <- apply(test,1,sd)

load("stage.Rdata")
library(stringr)
a <- str_split(stage," ",simplify = T)[,2]
b <- str_extract_all(a,"I|V|A|B",simplify = T)
apply(b,1,str_c,collapse="")
#paste0 有问题