终于,我也出了篇R语言入门手册!

浏览: 3244

作者:周运来,男,长大了才会遇到的帅哥,稳健,潇洒,大方,靠谱。

大型测序工厂的螺丝钉,一个R者,一个随机森林中靠统计觅食的人。



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

给你一千个R的理由( 地址: https://www.burns-stat.com/documents/tutorials/why-use-the-r-language/ )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:

  1. 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。

  2. 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。

  3. 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。

  4. 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 files
library(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] 2[1] 1 3 4 5 6

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", "Excellent", "Poor") 
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file
barplot(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, ])
}

5.4 二元图

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()

参考资料:

1. R|home https://www.r-project.org

2. 雪晴网 http://www.xueqing.tv

3. 统计之都 https://cosx.org

4. R语言基础入门之一:引言

https://www.cnblogs.com/wentingtu/archive/2012/03/03/2377969.html

5. R语言在生态学研究中的应用分析

 http://blog.sciencenet.cn/blog-267448-1058416.html

6.为什么生态学家要学习Python或者R?

http://blog.sciencenet.cn/blog-255662-1093799.html

7. Statistical tools for high-throughput data analysis http://www.sthda.com/french/

8. why-use-the-r-language

https://www.burns-stat.com/documents/tutorials/why-use-the-r-language/

9. Why R? The pros and cons of the R language

https://www.infoworld.com/article/2940864/application-development/r-programming-language-statistical-data-analysis.html

10.Why use R? Five reasons

https://www.r-bloggers.com/why-use-r-five-reasons/

推荐 4
本文由 R语言中文社区 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册