十二、R语言的综合应用

x <- "The birch canoe slid on the smooth planks."
x

str_length(x)   ###用来数数的，数数引号中有多少字符   返回值42
length(x)       ###是用来返回向量中元素的个数     返回值1

str_split(x," ")           ### 以空格为分隔符，拆分开。  
x2 = str_split(x," ")[[1]];x2

y = c("jimmy 150","nicker 140","tony 152")   ###有三个引号，说明是3个向量
str_split(y," ")         ###拆分后就变成了三个列表

str_split(y," ",simplify = T)    
###返回结果是矩阵。只允许一种数据类型，需要先转变成数据框以后才能修改。

str_sub(x,5,9)    ###提取x字符串的第5位到第9位，空格也算一个。

str_detect(x2,"h")   
### 看x2这个长度为8的向量中的每个元素是否含有h这个关键词，生成的与x2长度相等且一一对应的逻辑值向量
str_starts(x2,"T")     ### 是否以T开头
str_ends(x2,"e")       ### 是否以e结尾

x2
str_replace(x2,"o","A")     ###在一个引号里面，只替换第一个匹配的字符
str_replace_all(x2,"o","A")

x
str_remove(x," ")    ###只删除了第一个空格
str_remove_all(x," ")

arrange(test, Sepal.Length)         #从小到大
arrange(test, desc(Sepal.Length))  #从大到小

distinct(test,Species,.keep_all = T)

mutate(test,new= Sepal.Length * Sepal.Width) .   ###没有赋值，所以修改后的test还是5列 

x1 = filter(iris,Sepal.Width>3)
x2 = select(x1, Sepal.Length,Sepal.Width)
x3 = arrange(x2,Sepal.Length)

x = iris %>%   ##快捷键 shift+ctrl+m, 表示向后传递
  filter(Sepal.Width>3) %>% 
  select(Sepal.Length,Sepal.Width)%>%
  arrange(Sepal.Length)             ###与2.4.1生成的结果一模一样，并且没有生成中间变量。

arrange(select(filter(iris,Sepal.Width>3),
               Sepal.Length,Sepal.Width),
        Sepal.Length)

i = -1
if (i<0) print('up')     ###输出结果为up
if (i>0) print('up')     ###不会输出任何结果

if(!require(tidyr)) install.packages('tidyr')

i =1
if (i>0){print('+')
} else {print("-")
}
i = 1
ifelse(i>0,"+","-")   ## [1] "+"
x = rnorm(3)
x
ifelse(x>0,"+","-")   
## 返回的结果是TRUE时就替换成第二个位置的值“+”，返回的结果是FALSE时就替换成第三个位置的值“-”

ifelse(T,"A","B")
ifelse(F,"A","B")
ifelse(c(T,T,T),"A","B")
ifelse(c(F,F,F),"A","B")
ifelse(c(T,F,F),"A","B")
ifelse(c(T,F,F),"B","A")


ifelse(str_detect(samples,"tumor"),"tumor","normal")
ifelse(str_detect(samples,"normal"),"tumor","normal")    ###顺序不能写反

samples = c("tumor1","tumor2","tumor3","normal1","normal2","normal3")
k1 = str_detect(samples,"tumor");k1     ###[1]  TRUE  TRUE  TRUE FALSE FALSE FALSE
ifelse(k1,"tumor","normal")     ### [1] "tumor"  "tumor"  "tumor"  "normal" "normal" "normal"
###如果k1中返回的值是TRUE就替换成“tumor”，是FALSE就替换成“normal”，
####如果samples这个向量中的每个元素含有tumor就是TRUE，就会被替换成“tumor”
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('-')
}

ifelse(i>0,"+",ifelse(i<0,"-","0"))

###元素循环
x <- c(5,6,0,3)
s=0
for (i in x){
  s=s+i
  print(c(i,s))
}
###下标循环
x <- c(5,6,0,3)
s = 0
for (i in 1:length(x)){    ###length(x)=4，所以1:length(x)=1：4，循环的是第1，2，3，4个元素
  s=s+x[[i]]        ### x[[i]] 意思是x的第i个元素，第一轮是第一个元素5，第二个元素6，第三个元素0，第四个元素3
  print(c(x[[i]],s))
}

s = 0
result = list()
for(i in 1:length(x)){
  s=s+x[[i]]
  result[[i]] = c(x[[i]],s)
}
result
do.call(cbind,result)        ###cbind是按列拼接,出来的结果是

####补充知识点
rm(list = ls())
l = list(1:10,
         10:5)
l2 = list()
l2[[1]] = 1:10
l2[[2]] = 10:5
l2
identical(l,l2)      #### 判断两个数据是否完全一致，一致就返回TRUE/不一致就返回FALSE
library(ggplot2)
a = data.frame(a1 = rnorm(15),
               a2 = rnorm(15),
               a3 = rnorm(15),
               g = rep(c("a","b","c"),each = 5))
a
library(ggplot2)
for (i in 1:3) {
     p = ggplot(data = a)+
geom_boxplot(aes_string(y = a1[[i]],
            x = g))
print(p)
}
# 元素循环，不方便保存
for (i in colnames(a)[1:3]) {
p = ggplot(data = a)+
geom_boxplot(aes_string(y = i,
x = "g"))
print(p)
}
# 下标循环，可以保存数据
p = list()
for (i in 1:3) {
p[[i]] = ggplot(data = a)+
geom_boxplot(aes_string(y = colnames(a)[[i]],
x = "g"))
print(p[[i]])
}
library(patchwork)
p[[1]]+p[[2]]+p[[3]]

set.seed(10086)     ###目的是为了使后边rnorm的值变得固定
exp = matrix(rnorm(18),ncol = 6)
exp = round(exp,2)    ### round是取小数点后几位的函数
rownames(exp) = paste0("gene",1:3)
colnames(exp) = paste0("test",1:6)
exp[,1:3] = exp[,1:3]+1
exp

library(tidyr)
library(tibble)
library(dplyr)
dat = t(exp) %>%               ### 转置
  as.data.frame() %>%          ### 转换
  rownames_to_column() %>%     ### 行名变成一列
  mutate(group = rep(c("control","treat"),each = 3))  
  ###给数据生成一个分组，前三个是"control"，后三个是"treat"

### 宽变长代码
pdat = dat%>% 
  pivot_longer(cols = starts_with("gene"),   ### 把gene1、gene2、gene3这几列合并，starts_with("gene")，以gene开头的列。
               names_to = "gene",     ### 给合并后的列命名为gene
               values_to = "count")   ### 这几列的数值也要合并为一列，并且命名为count。就可以用ggplot画图了。
library(ggplot2)
p = ggplot(pdat,aes(gene,count))+
  geom_boxplot(aes(fill = group))+
  theme_bw()
p
p + facet_wrap(~gene,scales = "free")

test<- iris[1:6,1:4]
apply(test, 2, mean)   ### 对test的这个矩阵的每一列求平均值
apply(test, 1, sum)    ### 对test的这个矩阵的每一行求和

sort(a)
tail(a,3)         ### 取a的最后3个元素 
tail(sort(a),10)  ### 取排序后的a的最后10个元素
head(sort(a,decreasing = T),10)
load("test2.Rdata")
a = apply(test,1,var)
names(tail(a,1000))   ###把提取出来的1000个基因的基因名字提取出来
a = names(tail(apply(test,1,var),1000))
pheatmap::pheatmap(test[a,],show_rownames = F,scale = "row")   # scale = "row" 按行归一化

test <- list(x = 36:33,y = 32:35,z = 30:27);test

lapply(test,mean)
lapply(test,fivenum)

sapply(test,mean)
sapply(test,fivenum)
class(sapply(test,fivenum))

test1 <- data.frame(name = c('jimmy','nicker','Damon','Sophie'), 
                    blood_type = c("A","B","O","AB"))
test1
test2 <- data.frame(name = c('Damon','jimmy','nicker','tony'),
                    group = c("group1","group1","group2","group2"),
                    vision = c(4.2,4.3,4.9,4.5))
test2
library(dplyr)
inner_join(test1,test2,by="name")  ###取交集
right_join(test1,test2,by="name")  ### 右连接，以右边的表为标准进行连接。left_join左连接
full_join(test1,test2,by="name")   ###全连接
semi_join(test1,test2,by="name")  ###半连接（实际上并没有连接）对左边的表取子集，取右边表中存在的子集
anti_join(test1,test2,by="name") ###反连接，左边表里在右边表里没有的会被留下来。

# 1.match-----
load("matchtest.Rdata")
x
y
## 如何把y的列名正确替换为x里面的ID？

## (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

# 2.一些搞文件的函数----
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)

##第一种
load("test1.Rdata")
library(dplyr)
arrange(dat, logFC)
###第二种
load('test1.Rdata')
library(dplyr)
x=arrange(dat,logFC);head(x)

x=merge(dat,ids,by = "probe_id")
x2=inner_join(dat,ids,by = "probe_id")

x= read.csv("group.csv")
library(stringr)
z=str_split(x$title," ",simplify = T)
z[,4]

m=str_replace_all(z[,4],"C","c")
str_replace_all(m,"V","v")

tolower(g[,4])
str_to_lower(g[,4])

load("deg.Rdata")
x=ifelse(deg$a< -1 & deg$b< 0.05,"down",ifelse(deg$a> 1 & deg$b< 0.05,"up","no"))
table(x)