---

title: "R 编程作业（初级）"
author: "Xiaxia"
date: "2019年4月3日"
output: html_document

---

knitr::opts_chunk$set(message = FALSE, cache = TRUE)

作业1 工作目录

getwd()

我在R练习的工作目录就是这个学习目录，还可以用setwd()设置工作目录。

作业2

新建向量新建6个向量，基于不同的原子类型。（重点是字符串，数值，逻辑值）

library(tidyverse)
chr <- c("r", "learning", "exercise")
integ <- c(1:12)
lgc <- integ < 5
number <- integ/3

如果要解析这些向量，需要使用包tidyverse
这些是原子向量，还有一些常用的是扩展向量

# factor
x <- factor(c("ab", "cd", "ab", "ab"), levels = c("ab", "cd", "ef"))
attributes(x)

# date
library(lubridate)
y <- as.Date("2019-04-02")
attributes(y)
z <- ymd_hm("2019-04-02 17:55")
attributes(z)

#tibble
#require tidyverse package
tb <- tibble(integ, lgc)
tb

作业3

新建一些数据结构，比如矩阵，数组，数据框，列表等重点是数据框，矩阵）

# array 
arr <- array(data = integ, dim = c(3, 4))
#matrix
matr <- matrix(data = integ, nrow = 4, ncol = 3, byrow = TRUE )
# data frame
df <- data.frame(integ, lgc, number)
#list
lst<- list(theme = "R learning", learner = "xiaxia", time = "5 hours")

在你新建的数据框进行切片操作，比如首先取第1，3行， 然后取第1, 3列

dfrow <- df[c(1,3), ]
dfrow
dfcol <- dfrow[ , c(1,3)]
dfcol

作业 4

使用data函数来加载R内置数据集 rivers 描述它。并且可以查看更多的R语言内置的数据集：https://mp.weixin.qq.com/s/dZPbCXccTzuj0KkOL7R31g

data("rivers")
str(rivers)
class(rivers)
head(rivers)
min(rivers)

作业5

下载 https://www.ncbi.nlm.nih.gov/sra?term=SRP133642 里面的 RunInfo Table 文件读入到R里面，了解这个数据框，多少列，每一列都是什么属性的元素。（参考B站生信小技巧获取runinfo table） 这是一个单细胞转录组项目的数据，共768个细胞，如果你找不到RunInfo Table 文件，可以点击下载，然后读入你的R里面也可以。

# download data 
# the default charater as factor
options(stringsAsFactors = F)
sra <- read.table("SraRunTable.txt", header = T, sep = "\t")
str(sra)
dim(sra)
colnames(sra)
# the default charater as factor

作业6

下载 https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE111229 里面的样本信息sample.csv读入到R里面，了解这个数据框，多少列，每一列都是什么属性的元素。（参考 https://mp.weixin.qq.com/s/fbHMNXOdwiQX5BAlci8brA 获取样本信息sample.csv）如果你实在是找不到样本信息文件sample.csv，也可以点击下载。

GSE <- read.csv("sample.csv", header = T, sep = ",")
str(GSE)
dim(GSE)
colnames(GSE)

作业7

把前面两个步骤的两个表（RunInfo Table 文件，样本信息sample.csv）关联起来，使用merge函数。
可以用jion函数吧？如果有两个相同的列就可以

# Accession merge
m <- merge(sra, GSE, by.x = 'Sample_Name',by.y = 'Accession')
str(m)
# SRX ID jion

下午的可视化操作

作业8

对前面读取的 RunInfo Table 文件在R里面探索其MBases列，包括 箱线图(boxplot)和五分位数(fivenum)，还有频数图(hist)，以及密度图(density) 。

boxplot(sra$MBases)
#五数包括中位数，下四分位数、上四分位数，最小值，最大值
fivenum(sra$MBases, na.rm = T)
hist(sra$MBases)
plot(density(sra$MBases))

作业9

把前面读取的样本信息表格的样本名字根据下划线分割看第3列元素的统计情况。第三列代表该样本所在的plate
根据plate把关联到的 RunInfo Table 信息的MBases列分组检验是否有统计学显著的差异

m1 <- m[, c("Title", "MBases")]
plate = unlist(lapply(m1[,1], function(x){
  x
  strsplit(x, "_")[[1]][3]
}))
table(plate)
t.test(m1[,2] ~ plate)

有显著性差异

作业10

分组绘制箱线图(boxplot)，频数图(hist)，以及密度图(density) 。

boxplot(m1[,2] ~ plate)

作业11

使用ggplot2把上面的图进行重新绘制。

library(ggplot2)

m1 <- m1 %>%
  mutate(plate = plate)
par(mfrow = c(2, 2))
ggplot(m1, aes(x = m1$plate, y =m1$MBases, color = plate)) + geom_boxplot()
ggplot(m1, aes(x = m1$MBases,fill = m1$plate)) +geom_histogram()
ggplot(m1, aes(x = m1$MBases,fill = m1$plate)) +geom_density()

作业12

使用ggpubr把上面的图进行重新绘制。没有安装这个包，放弃了

作业13

随机取384个MBases信息，跟前面的两个plate的信息组合成新的数据框，第一列是分组，第二列是MBases，总共是384*3行数据。

m2 <- sample(nrow(m1), 384)
m3 <- m1[m2,][, c(3, 2, 1)]
dim(m3)
str(m3)