R语言学习笔记

一.准备环境

下载R语言和Rtools，https://mirrors.tuna.tsinghua.edu.cn/CRAN/
下载Rstudio，https://posit.co/downloads/

二.认识控制台

三.R包

R包并不是凭空产生的，都是作者编译好函数后封装成包，然后将其上传到某个平台储存。目前，R包主要都可以从这三大平台下载，分别是CRAN官网平台，Bioconductor生信平台及Github第三方平台。

简单介绍一下三个平台。
1.CRAN存储了R最新版本的代码和文档的服务器 。这是R语言官方平台，市面上常用的R包以及已经功能完整度比较高的R包基本都会上传到CRAN官方平台，因此通常可以从rstudio直接用代码下载。另外，可以从官网平台下载所需压缩包，然后在本地进行安装。
2.生物信息学领域的Bioconductor平台，它提供的R包主要为基因组数据分析和注释工具。这个平台主要上传了很多关于生信技术相关的R包，如果在遇到相关R包不能从官方CRAN平台下载时，可以优先考虑从这个平台下载。
3.面向开源及私有软件的第三方平台–Github。R包的作者更愿意将其存储在该平台，因此很多时候需要在上面下载 。如果前两个平台都无法下载，这时可以考虑第三方平台github，这里包含了99%的R包。

#报错用英文显示，方便出错了取搜解决办法
Sys.setenv(LANGUAGE = "en")

#安装CRAN下的包
install.packages("BiocManager")
#可能会报错：构建R包需要Rtools，但当前未安装。在继续之前，请下载并安装相应版本的Rtools
#加载BiocManager包
library(BiocManager) 
#安装Bioconductor下的包
BiocManager::install("GEOquery")
1
2
3
4
5
6
7
8
9
10

运行R包下的函数首先要加载R包

#加载GEOquery包
library(GEOquery)
##设置路径
getwd()#获取当前路径
setwd("E:\\Document\\RFiles") #用双斜杠
?getGEO #查看函数参数
##下载数据 getGPL = F 这个代表不下载平台注释文件，因为有时候网络不稳定。后面我们会在网页中下载，然后读取。
gset = getGEO('GSE12417', destdir=".",getGPL = F)
1
2
3
4
5
6
7
8

四.数据结构

1.向量Vector

向量是用于存储数值型、字符型或逻辑型数据的一维数组。
两个特点 1.有序性 2.存储单一数据类型

1.1创建向量

你需要认真学习以下函数：

c(): 用来建立向量的函数；

seq(): 该函数用于创建包含from~end数值的向量；

rep(): 该函数用来创建保存重复值的向量；

length(): 用来计算向量长度的函数；

names(): 该函数用来对向量各元素命名。

我们可以用函数c()来创建向量。比如：

a <- c(1,2,3,4,6,7,9,0)#存储数值型
b <- c("哎","哟","喂啊")#存储字符型
c <- c(TRUE, FALSE, TRUE, TRUE)#存储逻辑型
1
2
3

如果数据类型不同，会自动转化为同一类型
可以用mode() 或 class()函数查看对象数据类

a <- c(7,TRUE);mode(a) #结果是"numeric"
b <- c(7,"哎");mode(b) #结果是"character"
c <- c(TRUE,"哎");mode(c) #结果是"character"
d <- c(7,TRUE,"哎");mode(d) #结果是"character"
1
2
3
4

无论什么类型的数据，缺失数据总是用NA(不可用)来表示
如果想用键盘输入一些数据也是可以的，只需要直接使用默认选项的scan()函数：

z <- scan()

1.2访问向量中的数据

通过在[ ]中给出元素所在位置的数值，我们就可以访问向量中的元素了。
有4种访问方式，看下图：

示例如下：

#删除第二个元素
a=a[-2]
1
2

x[-1]表示将第一个元素删除。但是既然说的是负整数，如果非整数，比如x[-0.5]也不会报错，会默认删除第一个元素。x[-2.5]删除第二个元素。
空下标与零下标
x[ ]表示取x的全部元素作为子集。 这与x本身不同。
x[0]是一种少见的做法，结果返回类型相同、长度为零的向量，相当于空集。

1.3向量的循环补齐

两个向量长度相等时，向量间的运算是相应位置的数字进行运算，运算后结果返回原位置。
但如果长度不相等呢？

R会自动循环补齐，也就是它会自动重复较短的向量，直到与另外一个向量匹配

2.矩阵matrix

R中的矩阵与数学中的矩阵一样，由指定的行（row）与列（column）构成。
和向量一样，矩阵也只能保存同种数据类型的数据。

2.1创建矩阵

你需要认真学习以下函数：

matrix(): 用来建立矩阵的函数；

nrow():求矩阵的行数；

ncol(): 求矩阵的列数；

dim(): 求对象的维数；

t(): 求矩阵的转置矩阵；

solve(): 从方程a%*%x = b中求x。若不指定b， 则求a的逆矩阵。

x=matrix(c(1,3,4,2,-9,4,7,0,8),ncol=3)
x
1
2

给出的数据个数，要等于想要建立矩阵的元素个数才可以，否则就会报错
函数rownames()和colnames()可以为矩阵指定行名和列名。比如：

rownames(x)=c("Lisa","Bob","Jay")
colnames(x)=c("成绩1","成绩2","成绩3")
x
1
2
3

当没有行名时，我们用rownames()查看行名，会返回NULL

2.2访问矩阵中的数据

借助索引或行名与列名，就可以访问矩阵中的数据

与向量类似哟，如果索引是负数，则表示排除指定行或列；若索引为向量，则可以从矩阵中一次获取多个值。若想获取整行或整列，只要在指定行或列的位置上不写索引即可。

#获取第一行、第三行与第1列、第三列数据的交集
x[-2,-2]
#请使用行名、列名查出Bob的成绩2
x["Bob","成绩2"]
1
2
3
4

矩阵与标量、矩阵与矩阵间的四则运算如下表所示：

除了简单的四则运算，矩阵还有特殊的运算需要函数来帮忙。

我们用t()函数来求矩阵的转置矩阵；

我们用solve(a, b)函数来为方程 a %*% x = b求解。其中 a为矩阵，b为向量或矩阵；

若不指定b，则求 a的逆矩阵。

我们用nrow()函数来求矩阵的行数；

我们用ncol()函数来求矩阵的列数；

我们用dim()函数来求矩阵的维数，当然也可以用它来设置矩阵维数。比如：

#将3*2的矩阵x改为2*3，并输出矩阵x
x <- matrix(c(1,3,4,2,-9,4), ncol=2)
x
dim(x) <- c(2,3)
x
1
2
3
4
5

3数组Array

数组与矩阵类似，但是维度可以大于2。
比如，使用矩阵可以表现 2×3 维的数据，而使用数组则可以表现 2×3×4 维的数据。
和向量、矩阵一样，数组也只能保存同种数据类型的数据。

3.1创建数组

你需要认真学习以下函数：

array(): 用来建立数组的函数；

dim(): 求对象的维数。

array(1:12,dim=c(3,4))
1

对于4×3×2维的数组，你们也可以理解为，它创造了2个 4×3的矩阵。

x<-array(1:24,dim=c(4,3,2))
1

3.2访问数组中的数据

访问数组中数据的方法和矩阵类似，因为他们只是维数不同而已。
所以，要想访问数组元素，我们一样可以使用索引、名称等进行访问。

x[1, , ]
x[ ,1, ]
x[ , ,1]
x[1,1, ]
x[ ,1,1]
x[1, ,1]
x[1,1,1]
1
2
3
4
5
6
7

4.数据框Dataframe

4.1创建数据框

你需要认真学习以下函数：

data.frame(): 用来建立数据框的函数；

str(): 查看数据框结构。

由于不同的列可以包含不同模式（数值型、字符型）的数据，数据框的概念跟矩阵相比更为一般。
数据框是R中最常处理的数据结构。
数据框可以通过函数 data.frame(col1, col2, col3, …) 来创建。
其中列向量col1,col2,col3可为任何类型。
每一列数据的模式必须唯一，不过你却可以将多个模式的不同列放到一起组成数据框。
比如执行以下代码后：

patientID <- c(1, 2, 3, 4)
age <- c(25, 34, 28, 52)
diabetes <- c("type1", "type2", "type1", "type1")
status <- c("Poor", "Improved", "Excellent", "Poor")
patientdata <- data.frame(patientID, age, diabetes, status)
patientdata
1
2
3
4
5
6

我们能得到结果：

4.2访问数据框中的数据

我们可以像之前一样使用索引来访问数据框中的元素，也可以用数据框特有的新办法来访问，那就是 $ 符号。

patientdata[1:2]
patientdata[c("diabetes", "status")]
patientdata$age
1
2
3

下面是运行结果：

函数str()可以查看数据框结构

str(patientdata)
1

可以看到diabets和status是因子类型，下面会讲。

names()函数用于返回数据框点的列名。使用 %in%运算符与names()函数，能够快速选取特定列。

patientdata[ ,names(patientdata)%in%c("patientID","diabetes")]  
1

反之~使用 ! 运算符可以排除特定列

patientdata[ ,!names(patientdata)%in%c("patientID","diabetes")]  
1

如果只访问一列，会返回向量，想避免这种类型转换的话，只需要设置drop=FALSE即可

patientdata[ ,2]  
patientdata[ ,2,drop=F]  
1
2

5因子Factor

因子，简单来说，在 R 中，因子就是分类数据。

比如说，狗狗可以分类成“大型犬”“中型犬”“小型犬”，那“狗狗”就是顺序型的因子，它有3种水平（level），分别是“大型犬”“中型犬”“小型犬”。

那还有一些因子其实是无法比较大小的，我们叫它名义型的因子，比如政治倾向中的2种level，“左派”和“右派”。

5.1创建因子

你需要认真学习以下函数：

factor(): 用来建立因子的函数；

nlevels(): 返回因子中的水平个数；

levels(): 返回因子水平目录；

ordered(): 创建有序因子。

性别属于名义型数据，有“m”（male，男性）与“f”（female，女性）两种可能的值。下面的例子中，创建了性别的因子，保存了男性的变量在sex中。

sex <- factor("m", c("m","f"))
sex
1
2

5.2访问因子中的数据

函数levels()可以获得因子水平的名称。
levels()返回的是向量，所以我们可以用索引获得各水平值。

levels(sex)[1]
levels(sex)[2]
1
2

我们还可以修改因子变量中的水平值
还是用levels()函数
比如：把“m”修改为“male”,“f"修改为"female”

levels(sex)<-c("male","female")
sex
1
2

我们用nlevels()函数来获取因子水平个数；

我们用ordered()函数来设置水平值的顺序。

nlevels(sex)
ordered(sex,c("female","male")
1
2

6.列表List

列表（list）是R的数据类型中最复杂的一种。它什么都存
某个列表中可能是若干向量、矩阵、数据框，甚至其他列表的组合。

6.1创建列表

R中的列表与其他语言中的散列表（Hash table）或字典（Dictionary）非常类似，就是说，列表是以“（键，值）”对的形式保存数据的关联数组（Associative Array）。

比如：创建一个列表，该列表有4个对象，分别是g、h、j、k
其中对象 g 的 name 为 title，对象 h 的 name 为 ages，其他对象没有 name
g 为 标量字符串“My First List”
h 为数值向量，包含元素 25，26，18，39
j 为 5*2 的矩阵，元素为1：10
k 为字符串向量，包含元素 “one”，“two”，“Three”

x=list(title="My First List",ages=c(25,26,18,39),matrix(1:10,nrow=5),c("one","two","Three"))
x
1
2

6.2访问列表中的数据

访问列表中的数据，我们既可以使用索引又可以使用对象名。

输出列表时，其中的每个对象都会以 $name 的形式罗列出来。使用 x $name形式可以访问对象的数据。
x[n]返回的是(name, value)的子列表，不是value！
而x[[n]]返回的是对象的value！

#输出该列表的第二个对象的 value
x[[2]]
#输出该列表第三个对象
x[2]
#输出“ages”的value
x$ages
1
2
3
4
5
6

可以看到x[[[2]]]与x$ages结果一样

五.获取表达矩阵

library(GEOquery)
##下载数据 getGPL = F 这个代表不下载平台注释文件，因为有时候网络不稳定。后面我们会在网页中下载，然后读取。
gset = getGEO('GSE12417', destdir=".",getGPL = F)
1
2
3

View(gset)
1

class(gset)
1

class(gset)
[[1]] “list”

可以看到gest对象是list类型数据，提取list类型数据用 [[ ]]

#按序号提取GPL96
e2<-gest[[2]]
#按名字提取
e2<-gset[["GSE12417-GPL96_series_matrix.txt.gz"]]
1
2
3
4

# s3:matrix 矩阵 data.frame() 数据框  character() 向量字符型 list 列表
# s4更复杂    
1
2

s4对象提取

###提取表达矩阵
exp=exprs(e2)
##当然也可以用环境中的白色括号提取
exp2=e2@assayData[["exprs"]]
class(exp) #[1] "matrix" "array" 
View(exp)
###用 @ 或 $符号
phe=e2@phenoData@data
phel=e2@phenoData@varMetadata$labelDescription
1
2
3
4
5
6
7
8
9

环境对象保存

save(gest,file="gset.rdata") #把gset对象保存为rdata数据文件
load("gset.rdata") #将这个对象文件加载到环境中
####或者用下面一对函数保存为rds文件
saveRDS(gset,file="gse12417.rds")
readRDS("gse12417.rds")
1
2
3
4
5

整理探针转化文件

#e2<-gset[["GSE12417-GPL96_series_matrix.txt.gz"]]
#e2是GPL96平台，首先下载文件
1
2

往右拉可以看到探针对应的基因名

library(data.table)
#用里面 fread 函数读取txt文件
anno=fread("GPL96-57554.txt",header = T,data.table = F)
#用read,table读取
anno3=read.table("GPL96-57554.txt",sep="\t",header=T,fill=T)
class(anno)#[1] "data.frame"
View(anno)
1
2
3
4
5
6
7

x1=colnames(anno)
x2=rownames(anno)
1
2

未完待续。。。。