准备工作

• R包的使用

方法1：去百度/谷歌XX小抄
方法2：Rstudio的cheatsheet网站 或公众号回复R包名字获取

• 初步了解R包（以tidyr为例）

总体而言，这个包的作用是把目标数据处理成标准而统一的数据框
其具体功能主要有：

1. 数据框的变形
2. 处理数据框中的空值
3. 根据一个表格衍生出其他表格
4. 实现行或列的分割和合并

• 学习极简安装R包

1. 准备好Rstudio，输入setwd(dir="/Users/limohan/Desktop/R_data")设置好工作目录，在控制台输入library(tidyr)若未安装则会报错
2. 下载和安装tydir，输入install.packages("tidyr")
   （这里会安装到默认工作目录里，下载很慢，只要控制台不出现＞，就一直等着，若报错，则通过tools→global options→packages选择一个国内的镜像）
3. 加载tydir，输入library(tidyr) （无报错即证明安装成功）

• 数据框的小常识

1. 新建数据框(直接把新建的数据框赋值给了a)

a<-data.frame(GeneId = rep("gene5",times=3),SampleName =paste("Sample",1:3,sep=""),Expression=c(14,19,18))

得到的数据框如下：

新建数据框
新建一个数据框并赋值给bioplanet这个变量（赋值符号<-还记得嘛）括号里是“列名”=列值，这里列名要加双引号。这里涉及的几个给列填充数值的函数有：
rep，重复，括号中填要重复的字符和重复次数。

paste，连接两个字符串，括号要填两个代连接字符并指定分隔符（sep），没有分隔符就填sep=“”。

1：3表示从1到三。如需一列中需要填入三个无规律的数字，可以用向量c(1，3，4)，同样如果填的是字符串也需要加双引号，例如c("doudou","huahua","xiaoyu")

2. 了解概念

key-value--“键值对” ，表示一种对应关系。“键”和“值”都是列名，如SampleName和Expression的对应

3. 函数后面一般都要加括号，括号里第一个参数是都数据框名

4. 字符串要加双引号（行名和列名也是字符串，但是可以不用加），其他单元格里出现的字符串要加。

行 raw
列 column，简化写法为col

• 认识Tidy Data

是一种组织表格数据的方式，提供了一种能够跨包使用的“统一”的数据格式。什么叫“统一”？每个变量（variable）占一列，每个情况（case）和观测值（observation）占一行。

举例

不要让sample1，2，3当列名，让他们多重复几遍，合并到一列。数据由九宫格变成了一列，就可以用来跨包处理，这就是实现了数据框的变形。

正式开始

1. Reshape Data

gather和spread

在这里如何复制上图中的数据？（比较特殊的一点是列名是数字，这个还没碰见过，因此对它这个列名动了一点手脚，不管给他们加双引号、单引号还是反引号（英文模式下的1前面那个键），都没有报错。但是不加引号是不行滴。
但是我发现这个显示表格的时候，会自动在数字列名前面加上个x(大写的)，就像这样

640.png

由于它自动加了X，写列名的时候就不能按照小抄上面写，而是:

gather(a,X1999,X2000,key = "year",value = "cases")

gather括号里的分别是：
数据框名，需合并的列名（两个），合并后的key列名，value列名
其中，需合并的列名也可以列在最后(其实个顺序才是默认的)，key=和value=也可以省略，如果按照上面小抄的命令括号里那个顺序，省略了就会报错

gather(a,"year","cases",X1999,X2000) #推荐的偷懒做法

结果如图

其中，合并前的列名如果比较多，可以用排除法来偷懒，在上图例子中可用

gather(a,year,cases,-country)  #-country的意思就是合并除country外剩下的列

2. Handle Missing Values

处理丢失的数据。就是某些单元格有空值的情况。
三种处理方式：

1. 删除整行
2. 根据上下文（瞎）蒙一个

3. 同一列的空值填上同一个数

   
   对应的3个R包
   

   示例数据放在R_Data文件夹下（！！！重要）
   NA表示空值，所以新建的时候像我一样空着就好。
   用以下命令即可获得图示数据框X

X<-read.csv('doudou.txt')

可能别人不会这么教，但我在这里之所以选择了csv，是因为这个神奇的支持R和Excel，默认参数好的很（默认分隔符是“，”，导出时也不会默认加引号。如果你用read.table试试就知道默认参数多笨了），并且转换txt也不会变乱码！（我自己发现的，想夸我千万别忍着）
在这里补充下csv的导入和导出方式。(默认参数好，学R没烦恼)
导入：X<-read.csv('doudou.csv')
导出：write.csv(X,'doudou.csv')
drop_na()：有空值的，整行删除掉
括号里填数据框名，依据的列名（有空值那一列的列名）

drop_na(X,X2)

fill()，根据上一行的数值填充上

fill(X,X2)

replace_na()，空值填进去特定的一个数值，括号里填数据框名，要填的列名=要填的值

replace_na(X,list(X2=2))

3. Expand Tables

对应的R包

complete（把空值的位置补全）

可以直接用刚才的数据框X填充一下试试。比如填5

结果

用的数据是com.csv：
读取的命令是com <- read.csv("com.csv")

结果
其中有三个空值，因此要填充上ddd relate
结果

（列出每列值所有可能的组合--根据下面的示例来理解这句话）

expand

来看示例:
示例数据（就是刚才新建出来的数据框a）：

pin2<-data.frame(GeneId = rep("gene5",times=3),SampleName =paste("Sample",1:3,sep=""),Expression=c(14,19,18))

结果
结果

就是选中的列中的值各种组合，成为一个新表

4. split cells(选修)

separate：按列分割
separate_rows：按行分割
unite：分割完了再合并回去