『Bilibili生信人应该这样学R语言』STEP BY STE

配合【生信技能树】生信人应该这样学R语言 食用，绝佳。
基本精确到了每分钟，前13P整理好后发。
To be continued...

P14 学习资源介绍

介绍 R 和 Rstudio，和 P1 内容基本一致。

P15 与 excel 的区别

数据

• 01:51 加载数据

  a=read.table('SraRunTable.txt',header = T,sep = '\t')
  

  

• 03:37 对第二列求和

  > sum(a[,2])
  

  

• 04:54 取第一行

  > a[1,]
  

  

• 05:30 R 中自带”固定表头“功能

• 05:35 取 a 的 前四行+前四列 为 b

  > b=a[1:4,1:4]
  

  

• 09:50 取 b 的第一列为 d

  d=b[,1]
  

  这时用 class() 函数查看 d, 返回 [1] "factor"，需要在操作的开始阶段设置：

  options(stringsAsFactors = F)
  

  重新读入文件，得到：

  

  R tips: 代码加上()，赋值同时 print

• 10:44 创建矩阵

  > e=matrix(1:10,2)
  

  

• 12:40 在 R 中实现筛选

  excel中：

  

  > a[,1]=='WXS'
  > table(a[,1]=='WXS')
  > which(a[,1]=='WXS')
  > f=a[which(a[,1]=='WXS'),]
  

  

• 18:35 对某一列不同元素计数

  > table(a[,18])
  

  

P16 简单统计及数学函数

• 01:44 将 SraRunTable.txt 另存为 .csv 格式，在 R 中进行后续操作

  > a=read.csv('SraRunTable2.csv')
  

  

• 02:58 求某列的平均值

  > mean(a$MBases)
  

  

  分别筛选出 Assay_Type 为 ‘WXS’/‘RNA-Seq’ 的 ‘MBases’ 的均值

  > wxs=a[a[,1]=='WXS',]
  > rna=a[a[,1]!='WXS',]
  

  

  > mean(wxs$MBases)
  > mean(rna$MBases)
  

  

• 05:25 t 检验，根据 p 值判断显著性

  > t.test(rna$MBases,wxs$MBases)
  

  

• 06:28 求某列的最大值

  > max(a$MBases)
  > max(wxs$MBases)
  > max(rna$MBases)
  

  

• 06:51 求某列的最小值、下四分位数、中位数、上四分位数、最大值

  > fivenum(a$MBases)
  > fivenum(wxs$MBases)
  > fivenum(rna$MBases)
  

  

• 11:20 求某列的绝对中位差 (Median Absolute Deviation)

  > mad(a$MBases)
  

P17 基础语法

• 00:20 正则表达式

  在 shell 中，用 grep 命令查看

  

  在 R 中

  > grep('WXS',a[,1])
  > grepl('WXS',a[,1])
  

> wxs=a[a[,1]=='WXS',]
> wxs1=a[grep('WXS',a[,1]),]
> wxs2=a[grepl('WXS',a[,1]),]
> wxs3=a[which(a[,1]=='WXS'),]

以上4条命令得到的结果相同

• 03:51 取某一列数据中特定的部分

  > tmp=a$Library_Name
  > strsplit(tmp,',')
  > strsplit(tmp,',')[[1]][2]
  

  

  需要引入循环

  > lapply(strsplit(tmp,','), function(x){cat(x)})
  

  

  > l=strsplit(tmp,',')
  > for (x in l) {
  +   print(x[2])
  + }
  

  

  for 循环可以简化为 lapply循环

  > lapply(l, function(x){x[2]})
  

• 11:21 对提取出的数据进行 unlist 操作

  > tmp=unlist(lapply(l, function(x){x[2]}))
  

  

• 12:55 替换 ‘PE’

  > sub('PE','',tmp)
  

  

• 13:54 去重

  > unique(sub('PE','',tmp))
  

  

P18 高级数据处理技巧

• 01:09 获取表达矩阵

  > library(devtools)
  > library(airway)
  > library(CLL)
  > suppressPackageStartupMessages(library(CLL))
  > data(sCLLex)
  > exprSet=exprs(sCLLex)
  

  

• 05:28 用 apply 求基因的表达量平均值

  > apply(exprSet, 2, mean)
  

  for a matrix 1 indicates rows, 2 indicates columns.

  

• 06:27 基因表达量均值的 boxplot

  > boxplot(exprSet)
  

  

• 09:03 Tips for R

  vignette() 函数可以调出 R 包的介绍

• 09:21 str_split 和 strsplit 的区别

  > str_split(a$Library_Name,',')
  > str_split(a$Library_Name,',',simplify = T)
  

  

simplify = T 直接将数据提取为 data.frame

取第二列：

> str_split(a$Library_Name,',',simplify = T)[,2]

• 10:38 用 do.call rbind 解决同样的问题

  > do.call(rbind,str_split(a$Library_Name,','))
  > do.call(rbind,str_split(a$Library_Name,','))[,2]
  

P19 绘图该如何学

• 00:38 重新读入 a

  > a=read.csv('SraRunTable2.csv',stringsAsFactors = F)
  

• 01:21 boxplot

  > boxplot(a$MBases~a$Assay_Type)
  > t.test(a$MBases~a$Assay_Type)$p.value
  > p=t.test(a$MBases~a$Assay_Type)$p.value
  > paste('P value=',p)
  > title(main=paste('P value=',p))
  

  

• 04:28 换 R 包，加参数，拯救丑图 美化图片

  > ggboxplot(a,"Assay_Type","MBases",color = "Assay_Type",
  +           palette = c("#00AFBB","#E7B800"),add = "jitter") + stat_compare_means(method = "t.test")
  

  

• 11:49 ggplot2

  >ggplot(a,aes(Assay_Type,MBases))+geom_boxplot(aes(col=Assay_Type))+theme_bw()+geom_jitter(aes(col=Assay_Type))
  

  

• 19:35 hclust 画 cluster dendrogram （树状图）

  > library(CLL)
  > data("sCLLex")
  > e=exprs(sCLLex)
  > apply(e,2,mean)
  > plot(hclust(dist(t(e))))