学生党R语言入门手册！终于截稿

1 什么是R语言

R语言是一个开源的数据分析环境，起初是由数位统计学家建立起来，以更好的进行统计计算和绘图，这篇wiki中包含了一些基本情况的介绍。由于R可以通过安装扩展包（Packages）而得到增强，所以其功能已经远远不限于统计分析，如果感兴趣的话可以到官方网站了解关于其功能的更多信息。

至于R语言名称的由来则是根据两位主要作者的首字母(Robert Gentleman and Ross Ihaka)，但过于简短的关键词也造成在搜索引擎中很不容易找到相关的资料。不过这个专门的搜索网站可以帮到你。

2 为什么要学习R语言点我，给你一千个R的理由

可能你想说，“我已经学会了spss/sas/stata...，为什么还要去学习R呢？”如下几方面可能会吸引到你：

编程入门语言:如果你之前没有编程经验，但是学习工作中经常需要计算、统计、绘图，那R是你的首选（Python也许不太同意，不管他）。语法结构简单，上手较快，而且函数和pckages都有很好的实例文档。R是一门自学型语言，来R吧，你不会孤独。

R是免费开源软件:现在很多学术期刊都对分析软件有版权要求，而免费的分析工具可以使你在这方面不会有什么担心。另一方面，如果学术界出现一种新的数据分析方法，那么要过很长一段时间才会出现在商业软件中。但开源软件的好处就在于，很快就会有人将这种方法编写成扩展包，或者你自己就可以做这件工作。

命令行工作方式:许多人喜欢类似SPSS菜单式的操作，这对于初学者来说很方便入门，但对于数据分析来说，命令行操作会更加的灵活，更容易进行编程和自动化处理。而且命令行操作会更容易耍酷，不是嘛，一般人看到你在狂敲一推代码后得到一个分析结果，对你投来的目光是会不一样的。

小巧而精悍:R语言的安装包更小，大约不到40M，相比其它几个大家伙它算是非常小巧精悍了。目前R语言非常受到专业人士欢迎，根据对数据挖掘大赛胜出者的调查可以发现，他们用的工具基本上都是R语言。此外，从最近几次R语言大会上可以了解到，咨询业、金融业、医药业都在大量的使用R语言，包括google/facebook的大公司都在用它。因此，学习R语言对你的职业发展一定是有帮助的。

3 R语言的学习方法

学习R是一件非常轻松的事情，初学者需要记住的就是：

利用丰富的帮助文档

亲手键入代码并理解其意义

在笔记里记下一些重点或心得（个人推荐Evernote）

坚持练习，对手边的数据进行应用分析

理解背景知识，细节很重要。

R的获取

R包(package)

R包(package)：R函数、数据、帮助文件、预编译代码以一种定义完善的格式组成的集合

.libPaths("E:/Rstudio/R_packages") #指定安装包的路径联网安装install.packages(“vegan”) #安装普通包source(“https://bioconductor.org/biocLite.R”)#安装Bioconductor包biocLite("DESeq2")安装本地zip包Packages>install packages from local fileslibrary(vegan) #加载包，也可用require()update.packages("vegan") #包的更新installed.packages() #查看已安装的包

1 基础数据结构

1.1 向量

#创建向量a <-c(1, 2, 3, 4, 5, 6)b<-c("one", "two", "three")c<-c(TRUE, FALSE, TRUE, TRUE, FALSE)#向量索引a[2] #第二个元素a[-2] #删除第二个元素a[c(2:4)] #取出第二到第四个元素[1] 2[1] 1 3 4 5 6[1] 2 3 4

1.2 矩阵

#创建矩阵mymat <- matrix(c(1:10), nrow=2, ncol=5, byrow=TRUE)#矩阵索引mymat[2,] #取第二行mymat[,2] #取第二列mymat[1,5] #第一行第五列的元素

1.3 数组

#创建数组myarr <- array(c(1:12),dim=c(2,3,2))dim(myarr) #取矩阵或数组的维度myarr[1,2,1] #取第一个矩阵的第一行第二列

1.4 数据框

#创建数据框kids <- c("Wang", "Li")age <- c("18", "16")df <- data.frame(kids, age)#数据框索引df[1,] #第一行df[,2] #第二列df[1:2,1:2]#前两行，前两列df$kids #根据列名称#数据框常用函数str(df) #数据框的结构rownames(df) #行名称colnames(df) #列名称

1.4.1 因子变量

变量：类别变量，数值变量

类别数据对于分组数据研究非常有用。（男女，高中低）

R中的因子变量类似于类别数据。

#向量因子化status<-c("Poor", "Improved", "Improved","Excellent", "Poor")status<-rep(status,15)status<-factor(status,ordered=TRUE,              levels= c("Poor","Improved", "Excellent"),              labels=c("P","I","E"))index <- sample(1:100,75)plotdata <- data.frame(index,status)attach(plotdata)boxplot(index~status,col="red")

类别变量，有序变量称为因子，决定了数据的分析方式和视觉呈现形式

Attach()可以将数据框添加到R的搜索路径中，当R遇到一个变量名后，将检测搜索路径中的数据框，定位这个变量

1.5 列表

列表以一种简单的方式组织和调用不相干的信息

R函数的许多运行结果都是以列表的形式返回

#创建列表lis <- list(name='fred',    wife='mary',    no.children=3,    child.ages=c(4,7,9))#列表索引lis$name #列表组件名lis[[1]] #列表位置访问

常用函数

R流程控制

p <- 0.1 if(p<=0.05){  print("p<=0.05!")}else{  print("p>0.05!")}

for(i in 1:10) {  print(i)}i <- 1while(i<10)    {    print(i)    i <- i + 1  }

v <- LETTERS[1:6]for (i in v){  if(i == 'D'){    next  }  print(i)}

v <- LETTERS[1:6]for (i in v){  if(i == 'D'){    break  }  print(i)}

2.5 R函数

函数是组织好的，可重复使用的，用来实现单一，或相关联功能的代码段

rcal<-function(x,y){  z <- x^2 + y^2;  result<-sqrt(z) ;  result;}rcal(3,4)# 调用函数

3读写数据

#数据读入#getwd()setwd('C:/Users/Administrator/Desktop/file')dir()top<-read.table("otu_table.p10.relative.tran.xls",header=T,row.names=1,sep='\t',stringsAsFactors = F)top10<-t(top)head(top10, n=2)#数据写出logtop10<-log(top10+0.000001)write.csv(logtop10,file="logtop10.csv", quote=FALSE,  row.names = TRUE)write.table(logtop10,file="logtop10.xls",sep="\t", quote=FALSE,    row.names = TRUE, col.names = TRUE)

其他常用函数

4 数据清理

4.1 tidyr包

tidyr包的四个函数

宽数据转为长数据：gather()

长数据转为宽数据：spread()

多列合并为一列： unite()

将一列分离为多列：separate()

library(tidyr)gene_exp <- read.table('geneExp.csv',header = T,sep=',',stringsAsFactors = F)head(gene_exp)#gather 宽数据转为长数据gene_exp_tidy <- gather(data = gene_exp, key = "sample_name", value = "expression", -GeneID)head(gene_exp_tidy)#spread 长数据转为宽数据gene_exp_tidy2<-spread(data = gene_exp_tidy, key = "sample_name", value = "expression")head(gene_exp_tidy2)

4.2 dplyr包

dplyr包五个函数用法：

筛选: filter

排列: arrange()

选择: select()

变形: mutate()

汇总: summarise()

分组: group_by()

library(tidyr)library(dplyr)gene_exp <- read.table("geneExp.csv",header=T,sep=",",stringsAsFactors = F)gene_exp_tidy <- gather(data = gene_exp, key = "sample_name", value = "expression", -GeneID)#arrange 数据排列gene_exp_GeneID <- arrange(gene_exp_tidy, GeneID)#降序加deschead(gene_exp_GeneID )#filter 数据按条件筛选gene_exp_fiter <- filter(gene_exp_GeneID ,expression>10)head(gene_exp_fiter)#select 选择对应的列gene_exp_select <- select(gene_exp_fiter ,sample_name,expression)head(gene_exp_select)

5 绘图

5.1 长数据与宽数据

library(tidyr)library(ggplot2)#基础绘图file <- read.table("geneExp.csv",header=T,sep=",",stringsAsFactors = F,row.names = 1)#宽数据filebarplot(as.matrix(file),names.arg = colnames(file), beside =T ,col=terrain.colors(6))legend("topleft",legend = rownames(file),fill = terrain.colors(6))#ggplot2绘图gene_exp <- read.table("geneExp.csv",header=T,sep=",",stringsAsFactors = F)gene_exp_tidy <- gather(data = gene_exp, key = "sample_name", value = "expression", -GeneID)#长数据head(gene_exp_tidy)ggplot(gene_exp_tidy,aes(x=sample_name,y=expression,fill=GeneID)) + geom_bar(stat='identity',position='dodge')

5.2 图形参数位置

x <- rnorm(20, 2, 1)y <- rnorm(20, 4, 2)plot(x, y, cex=c(1:3), type="p", pch=19, col = "blue",    cex.axis=1.5, col.axis="darkgreen", font.axis=2,    main="这是主标题：plot初试", font.main=2, cex.main=2, col.main="green",    sub="这是副标题：图1", font.sub=3, cex.sub=1.5, col.sub="red",    xlab="这是x轴标签", ylab="这是y轴标签",cex.lab=1.5, font.lab=2, col.lab="grey20",    xlim=c(0,3), ylim=c(0,7))abline(h=2, v=3, lty=1:2, lwd=2,col="red")legend("topright", legend="我是图例\n我在这儿",      text.col="red", text.width=0.5)#Rnorm正态分布 个数 平均值 标准差 plot是泛型函数，根据输入类型的不同而变化#Type p 代表点 l 代表线 b 代表两者叠加

图形参数：

符号和线条：pch、cex、lty、lwd

颜色：col、col.axis、col.lab、col.main、col.sub、fg、bg

文本属性：cex、cex.axis、cex.lab、cex.main、cex.sub、font、font.axis、font.lab、font.main、font.sub

文本添加、坐标轴的自定义和图例

title()、main、sub、xlab、ylab、text()

axis()、abline()

legend()

多图绘制时候，可使用par()设置默认的图形参数

par(lwd=2, cex=1.5)

图形参数设置：

par(optionname=value,…)

par(pin=c(width,height)) 图形尺寸

par(mfrow=c(nr,nc)) 图形组合，一页多图

layout(mat) 图形组合，一页多图

par(mar=c(bottom,left,top,right)) 边界尺寸

par(fig=c(x1,x2,y1,y2),new=TURE) 多图叠加或排布成一幅图

#图形组合：attach(mtcars)opar<-par(no.readonly=TRUE)#复制当前图形参数设置par(mfrow=c(2,2))#设置图形参数#layout(matrix(c(1,2,2,3),2,2,byrow=TRUE))plot(wt,mpg,main="Scatterplot of wt vs mpg")hist(wt,main="Histogram of wt")boxplot(wt,main="Boxplot of wt")par(opar)#返回原始图形参数detach(mtcars)

5.3 柱形图

file <- read.table("barData.csv",header=T,row.names=1,sep=",",stringsAsFactors = F)dataxx <- as.matrix(file) #转化为矩阵cols <- terrain.colors(3) #抽取颜色#误差线函数plot.error <- function(x, y, sd, len = 1, col = "black") {  len <- len * 0.05    arrows(x0 = x, y0 = y, x1 = x, y1 = y - sd, col = col, angle = 90, length = len)    arrows(x0 = x, y0 = y, x1 = x, y1 = y + sd, col = col, angle = 90, length = len) } x <- barplot(dataxx, offset = 0, ylim=c(0, max(dataxx) * 1.1),axis.lty = 1, names.arg = colnames(dataxx), col = cols, beside = TRUE) box() legend("topright", legend = rownames(dataxx), fill = cols, box.col = "transparent") title(main = "An example of barplot", xlab = "Sample", ylab = "Value") sd <- dataxx * 0.1 for (i in 1:3) {  plot.error(x[i, ], dataxx[i, ], sd = sd[i, ])}

实例

5.4 二元图

图片.png

matdata <- read.table("plot_observed_species.xls", header=T)tbl_df(matdata) #查看数据属性和结构y<-matdata[,2:145]attach(matdata)matplot(series,y,        ylab="Observed Species Number",xlab="Sequences Number",        lty=1,lwd=2,type="l",col=1:145,cex.lab=1.2,cex.axis=0.8)legend("topleft",lty=1, lwd=2, legend=names(y)[1:8],        cex=0.5,col=1:145)detach(matdata)

5.5 饼状图

relative<-c(0.270617,0.177584,0.194911,0.054685,0.048903,0.033961, 0.031195,0.188143)taxon<-c("Sordariales","Pleosporales","Agaricales","Hypocreales",  "Pezizales","Eurotiales","Helotiales","Others")ratio<-round(relative*100,2)ratio<-paste(ratio,"%",sep="")label<-paste(taxon,ratio,sep=" ")pie(relative,labels=label, main="ITS1-Sample S1",  radius=1,col=rainbow(length(label)),cex=1.3)library(plotrix)fan.plot(relative,labels=label,main="Fan plot")pie3D(relative,labels=label, height=0.2, theta=pi/4, explode=0.1, col=rainbow(length(label)),  border="black",font=2,radius=1,labelcex=0.9)

5.6 直方图

seqlength<-rnorm(1000, 350, 30)hist(seqlength,breaks=100,    col="red",freq=FALSE,      main="Histogram with dengsitycurve",    ylab="Density", xlab="Sequence length")lines(density(seqlength),col="blue4",lwd=2)

5.7 聚类图

clu <- read.table("unweighted_unifrac_dm.txt", header=T, row.names=1, sep="\t")head(clu)dis <- as.dist(clu)h <- hclust(dis, method="average")plot(h, hang = 0.1, axes = T, frame.plot = F, main="Cluster Dendrogram based on unweighted_unifrac", sub="UPGMA")

5.8 维恩图

library(VennDiagram)ven<-list(sample1=20:50,  sample2=c(1:30,50:80), sample3=40:90, sample4=c(10:30,70:100))venn.diagram(ven, filename='venn.png', cex=1.2, col="black", alpha= 0.50,lwd =1.2, cat.cex=1.4,              fill=c("cornflowerblue", "green", "Gold1","darkorchid1"),  margin=0.15)

图片输出

直接导出

命令

pdf(file="file.pdf", width=7, height=10)png(file="file.png",width=480,height=480)jpeg(file="file.png",width=480,height=480)tiff(file="file.png",width=480,height=480)dev.off()

本文在发表之后第二天被【R语言中文社区】全文转载，感谢小编的信任。学习R语言一个不断积累的过程，不断地记录和总结才会不断进步。R是有好的，她是我编程之旅的初恋，虽然用的不怎么精，感情还是有的。在简书上的这篇文章我会根据自己的学习不断更新的。