Day07 生信马拉松-数据整理中的R

library(tidyr)
library(dplyr)
library(stringr)
library(tibble)

x <- "The birch canoe slid on the smooth planks."
x
str_length(x)
# 引号内的单个字母/数字/符号数量
length(x) 
#检测向量内的元素数

str_split(x," ") #直接拆分后会变成list的子集
class(str_split(x," "))
x2 = str_split(x," ")[[1]];x2
 #向量长度仅为1，因此用[[1]] x2为字符型向量 
 #######################################
y = c("jimmy 150","nicker 140","tony 152")
str_split(y," ")
str_split(y," ",simplify = T) 
#"simplify"参数默认拆分取为matrix
str_split(y," ",simplify = T) [,1]
#只拆分提取第1列

#提取x中第5和第9位的字符串
str_sub(x,5,9)

str_detect(x2,"h")
# 第一个参数为向量名，第二个是检测的关键词
str_starts(x2,"T")
 #判断x2中T开头的字符串,输出逻辑向量
str_ends(x2,"e")
#判断x2中e结尾的字符串,输出逻辑向量

x2
str_replace(x2,"o","A")
 #每个元素里面只替换第一次出现的目标字符
str_replace_all(x2,"o","A") #替换元素中所有目标字符

x
str_remove(x," ") #只删除第一次出现的目标字符
str_remove_all(x," ") #删除全部目标字符

library(dplyr)
arrange(test, Sepal.Length)  #从小到大排序
arrange(test, desc(Sepal.Length))  #从大到小排序

distinct(test,Species,.keep_all = T) 
#".keep_all = T"为必须要写的参数

test <- mutate(test, new = Sepal.Length * Sepal.Width) 
#R中的修改必须要赋值，不赋值=没发生
test 

x1 = select(iris,-5) #"-5"为删除第5列
x2 = as.matrix(x1)
x3 = head(x2,50) #head()为取前xx行
pheatmap::pheatmap(x3)

pheatmap::pheatmap(head(as.matrix(select(iris,-5)),50))
# 从最里面的()向外一层层读

iris %>%
  select(-5) %>%
  as.matrix() %>%
  head(50) %>% 
  pheatmap::pheatmap()

i = -1
if (i<0) print('up') #if()只能有一个逻辑值
if (i>0) print('up')

i =1
if (i>0){
  print('+')
} else {
  print("-")
}
i = 1
ifelse(i>0,"+","-")

# ifelse(<判定条件>,<符合输出>,<不符合输出>)
x = rnorm(3)
x
ifelse(x>0,"+","-")

samples = c("tumor1","tumor2","tumor3","normal1","normal2","normal3")
k1 = str_detect(samples,"tumor");k1
ifelse(k1,"tumor","normal")
k2 = str_detect(samples,"normal");k2
ifelse(k2,"normal","tumor")

i = 0
if (i>0){
  print('+')
} else if (i==0) {
  print('0')
} else if (i< 0){
  print('-')
}

#简洁嵌套写法
ifelse(i>0,"+",ifelse(i<0,"-","0"))

####case_when函数的应用--优先选择!!###
library(dplyr)
i = rnorm(10)
case_when(i>0 ~ "+",
          i<0 ~ "-",
          T ~ "0")

# 示例一:
for( i in 1:4){
  print(i)
}

# 示例二:
for ( i in 1:3000) {
  paste0("I love U ", i, " times") |> print()
}

par(mfrow = c(2,2))
for(i in 1:4){
  plot(iris[,i],col = iris[,5])
}

pks = c("tidyr","dplyr","stringr")
for(g in pks){
  if(!require(g,character.only = T))
    install.packages(g,ask = F,update = F)
}

#apply(X, MARGIN, FUN, …) 
# 其中X是数据框/矩阵名；
### MARGIN为1表示行，为2表示列，FUN是函数 ###

test<- iris[1:6,1:4]

apply(test, 2, mean)
apply(test, 1, sum)

par(mfrow = c(2,2))
apply(iris[,1:4], 2, plot)
# 如果有写不下的参数，继续写在apply的括号里
apply(iris[,1:4], 2, plot,col = iris[,5])
# 或者也可以自定义函数
jimmy <- function(g){
  plot(g,col = iris[,5])
}
par(mfrow = c(2,2))
apply(iris[,1:4], 2, jimmy)

lapply(1:4,rnorm)

lapply(1:4, function(i){
  plot(iris[,i],col = iris[,5])
})

pks = c("tidyr","dplyr","stringr")
qa = function(g){
  if(!require(g,character.only = T))
    install.packages(g,ask = F,update = F)
}
lapply(pks, qa)

library(dplyr)
inner_join(test1,test2,by="name") #交集连接
right_join(test1,test2,by="name") #右连接
full_join(test1,test2,by="name") #全连接
semi_join(test1,test2,by="name")
#半连接 基本不用 近似于 %in%
anti_join(test1,test2,by="name") #反连接 基本不用

set.seed(10086) #设置种子数使随机生成的数固定
exp = matrix(rnorm(18),ncol = 6) #新建一个matrix
exp = round(exp,2) #round()函数为四舍五入，此处参数“2”为取两位小数，不做设置默认取整数
rownames(exp) = paste0("gene",1:3) #设置行名
colnames(exp) = paste0("test",1:6) #设置列名
exp[,1:3] = exp[,1:3]+1
exp

library(tidyr)
library(tibble)
library(dplyr) #加载数据整理需要的包
dat = t(exp) %>%  #将matrix进行行列转置
  as.data.frame() %>% #将matrix转为data.frame
  rownames_to_column() %>%  #将行名转化为1列
  mutate(group = rep(c("control","treat"),each = 3)) #对data.frame新增一列分组信息
# 宽变长操作
pdat = dat%>% 
  pivot_longer(cols = starts_with("gene"), 
  # pivot_longer()为宽变长的函数，starts_with("gene")内为需要宽长转换的列名
               names_to = "gene",
               values_to = "count")

library(ggplot2)
p = ggplot(pdat,aes(gene,count))+ # 将x,y省略
  geom_boxplot(aes(fill = group))+ 
  theme_bw()
p
p + facet_wrap(~gene,scales = "free") # 分面  scales = "free" 
###scales = “free”    x和y的标度在每个版面都可以变化###

load("matchtest.Rdata")
x
y
## 把y的列名正确替换为x里面的ID的方法

## (1)分步解法
a = colnames(y)
b = x$file_name
k = match(a,b);k
# match(a,b)的意思是a里的每个元素在b的第几个位置上。
#是b的下标，可以给b取子集，也可以给与b对应的其他向量取子集。
colnames(y) = x$ID[k]

## (2)一步解法
load("matchtest.Rdata")
colnames(y) = x$ID[match(colnames(y),x$file_name)]

## (3)放弃match的解法
load("matchtest.Rdata")
rownames(x) = x$file_name
x = x[colnames(y),]
colnames(y) = x$ID

dir() # 列出工作目录下的文件
dir(pattern = ".R$") #列出工作目录下以.R结尾的文件

file.create("douhua.txt") #用代码创建文件
file.exists("douhua.txt") #某文件在工作目录下是否存在
file.remove("douhua.txt") #用代码删除文件
file.exists("douhua.txt") #删掉了就不存在啦

## 可以批量的新建和删除
f = paste0("douhua",1:100,".txt")
file.create(f)
file.remove(f)