生信入门Day3-4

#1.数据框来源
# （1）用代码新建
# （2）由已有数据转换或处理得到
# （3）读取表格文件
# （4）R语言内置数据

#2.新建、读取数据框、内置数据
df1 <- data.frame(gene   = paste0("gene",1:4),
                 change  = rep(c("up","down"),each = 2),
                 score   = c(5,3,-2,-4))
df1

df2 <- read.csv("gene.csv")
df2
## 内置数据，R语言或者R包里自带的，无需赋值即可使用(不全是数据框哦)
iris
class(iris)
#顺便了解一下其他数据结构的内置数据
heatmap(volcano)
class(volcano)
class(volcano)
#class既可以判断数据类型，也可以判断数据结构
#array数组，矩阵matrix是一种特殊的数组
letters
LETTERS

#3.数据框属性
#
dim(df1)
nrow(df1)
ncol(df1)
#
rownames(df1)
colnames(df1)

#4.数据框取子集
df1$gene  #删掉score，按tab键试试
mean(df1$score)
df1$change
#df1要赋值
## 按坐标
df1[2,2]
df1[2,]#取出一行不能成为一个向量，即不能独善其身，所以还赠送了列名。
df1[,2]#取出一列能成为一个向量。
df1[c(1,3),1:2]

## 按名字
df1[,"gene"]
df1[,c('gene','change')]

# 练习3-1
# 1.读取exercise.csv这个文件，赋值给test。
test = __("exercise.csv")
#读取文件名称可以先打引号再按tab键补齐，答案为read.scv
# 2.统计Strand这一列有多少个+，多少个-
__(test$Strand)
#答案为$Strand

#5.数据框修改

#改一个格
df1[3,3] <- 5
df1
#改一整列
df1$score <- c(12,23,50,2)     
df1
#新增一列
df1$p.value <- c(0.01,0.02,0.07,0.05) 
df1

#改行名和列名
rownames(df1)
#得到的行名是向量而不是数据框，所以对行名的修改也就是对向量的修改。
rownames(df1) <- c("r1","r2","r3","r4")
#只修改某一行/列的名
colnames(df1)[2] <- "CHANGE"
#修改第二列的列名，就是修改【列名这个向量】的第二个元素。

#6.两个数据框的连接
test1 <- data.frame(name = c('jimmy','nicker','Damon','Sophie'), 
                    blood_type = c("A","B","O","AB"))
test1
colnames(test1)[1]<-"NAME"
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

test3 <- data.frame(NAME = c('Damon','jimmy','nicker','tony'),
                    weight = c(140,145,110,138))
test3
merge(test1,test2,by="name")
merge(test1,test3,by.x = "name",by.y = "NAME")
#最好是直接改列名而不是改代码，改列名：colnames(test1)[1]<-"NAME"
#写by=1的话也行，这里的1指的是第一列，那万一这两个列表的第一列不是名字呢？所以最好写列名。
#关于merge的用法还有很多，左连接/右连接/取合集，去找帮助文档。

m <- matrix(1:9, nrow = 3)
colnames(m) <- c("a","b","c") #加列名
m

m[2,]
m[,1]
m[2,3]
m[2:3,1:2]
m
class(m[2,])
#numeric还可以细分为两种，把integer当作numeric就可以了。
#数据框提取出一行还是数据框，数据框提取出一列是向量。
#而矩阵提取出一行/列则是向量，至于头顶上的abc则是向量元素的名称。

t(m)#转置，有了abc转置更清楚
as.data.frame(m)
class(m)#转换完了以后去class发现还是矩阵，为什么呢？因为我们没有赋值，所以必须要加上以下这句代码。
m=as.data.frame(m)
class(m)

#列表
x <- list(m1 = matrix(1:9, nrow = 3),
          m2 = matrix(2:9, nrow = 2))
x
#列表里两个元素的名称，分别是m1和m2。

x[[1]]#两个中括号才能取出列表的子集
x$m1
x[1]

# 补充：元素的名字
#列表的下一级叫元素，像我们刚刚看到的那个矩阵单独取一行（向量），向量里的元素也有名字的，就是那个abc。
scores = c(100,59,73,95,45)
names(scores) = c("jimmy","nicker","Damon","Sophie","tony")
#分数与名字对应着写的。
scores
scores["jimmy"]
scores[c("jimmy","nicker")]
#可以理解为：那五个数字才是向量中的元素的正式名，而那五个人名是向量中的元素的补充描述。
#就像矩阵里只允许存在一种数据类型，但矩阵的列名可以是字符型。
names(scores)[scores>60]#不是给向量取子集，而是给向量中元素的名称取子集。

# 练习3-2
# 1.统计内置数据iris最后一列有哪几个取值，每个取值重复了多少次
iris
table(iris$Species)
table(iris[,5])
table(iris[,ncol(iris)])
table(iris[,"Species"])
# 2.探索列表取子集使用一个中括号和两个中括号的区别（提示：数据结构）
x <- list(m1 = matrix(1:9, nrow = 3),
          m2 = matrix(2:9, nrow = 2))
x

# 判断数据结构：
class(x[1])#数据结构是列表
class(x[[1]])#数据结构是矩阵


# 思考
x[[1]]+1
x[1]+1 #你说它为啥报错
#报错的原因：列表不能直接进行计算而矩阵可以。

## 按条件（逻辑值）
df1 <- data.frame(gene   = paste0("gene",1:4),
                  change  = rep(c("up","down"),each = 2),
                  score   = c(5,3,-2,-4))
k = df1$score>0;k
df1[k,]

#筛选score > 0的基因
df1[k,1]#对这个数据框取子集
df1$gene[k]#向量取子集，与向量长度相等且一一对应
df1$gene[df1$score>0]

# 删除 
#赋了一个值发现它没有用，然后把它删掉
rm(x)
rm(df1,df2)
rm(list = ls()) 
ctrl+l#清空控制台

# 练习2-4
# 说明：运行load("gands.Rdata"),即可得到和使用我准备的向量g和s，
# 如有报错，说明你的代码写错或project没有正确打开
load("gands.Rdata")
#load完了以后在enviroment那里就会出现g和s两个向量。
#R特有的变量保存格式：Rdata，有特殊压缩机制。用处是：存储有用的变量，准备下次再用。
#将g,s两个向量存储到gands.Rdata里面去的代码：save(g,s,file="gands.Rdata")
#加载gands.Rdata，让里面存储的变量出现在环境里。

# 1.用函数计算向量g的长度
length(g)
#答案：length
# 2.筛选出向量g中下标为偶数的基因名。
g[seq(2,100,2)]
#答案：seq(2,100,2)
# 3.向量g中有多少个元素在向量s中存在(要求用函数计算出具体个数)？将这些元素筛选出来
table(g %in% s)
#谁在%in%前面，逻辑值就与谁对应；TRUE有63个而向量s只有50元素，那是因为向量g中有重复值。
#g[s%in%g]这个错误答案的原因（不报错，但结果不对）：按照逻辑值取子集有个要求就是：与g的长度相同且一一对应。
# 4.生成10个随机数: rnorm(n=10,mean=0,sd=18)，用向量取子集的方法，取出其中小于-2的值
z =  rnorm(n=10,mean=0,sd=18)
z
z[z< -2]
z[z<(-2)]

#↑如果此处↑↑↑↑出现黄色提示条，你就阅读理解一下，然后随便选择↑
jimmy <- function(a,b,m = 2){
  (a+b)^m
}
jimmy(a = 1,b = 2)
jimmy(1,2)
jimmy(3,6)
jimmy(3,6,-2)
#?sort，不懂的函数的参数去查该函数的帮助文档。
#实际参数，形式参数，默认值，大括号里面的东西是这个函数的算法。使用者不用管大括号里面的东西。
#使用者只管：这个函数是干什么的；函数里面的参数是什么意思。
#默认值2不符合自己要求时，可以改成自己想要的数值。
#<-之间要有空格或打个括号，不然会被当成赋值符号

# 低版本R语言备用的镜像：西湖大学，如果要使用记得去掉下一行代码的井号
#options(BioC_mirror="https://mirrors.westlake.edu.cn/bioconductor")

install.packages("stringr")
install.packages('BiocManager') #先安装BiocManager，才能用BiocManager装其他的包。
BiocManager::install("limma")
install.packages('devtools')
devtools::install_github("jmzeng1314/idmap1") #括号里写作者用户名加包名
#

library(stringr)
require(stringr)

# 分情况讨论

if(!require(stringr))install.packages("stringr")

# 获取帮助
?sd
library(limma)
browseVignettes("limma") #不是每个包都有
ls("package:limma")

# 练习4-1
#1、选ACE
# 2、写一个函数，用于计算一个数字的平方减一（例如5^2 -1 = 24），
# 并写出用户使用该函数的代码 。】

#写函数
m = function(a,b){
  a^b-1
}
#使用函数
m(5,2)
#或者有更简单的答案
m = function(x){
x^2-1
}
#使用函数
m(5)

# 分情况讨论

if(!require(stringr))install.packages("stringr")
#require是一个变形金刚，是可以出现逻辑值的，例如：
as.logical(require(stringr))
!require(stringr)
#if(TRUE)则后面的代码被跳过；if(FALSE)则后面的代码被执行。

# 获取帮助
?sd
library(limma)
browseVignettes("limma") #不是每个包都有
ls("package:limma")

# 练习4-2 安装以下所有的包
if(!require(data.table))install.packages("data.table")
if(!require(rio))install.packages("rio")
if(!require(tibble))install.packages("tibble")
if(!require(ggplot2))install.packages("ggplot2")
if(!require(ggpubr))install.packages("ggpubr")
if(!require(eoffice))install.packages("eoffice")
if(!require(patchwork))install.packages("patchwork")
if(!require(tidyr))install.packages("tidyr")
if(!require(dplyr))install.packages("dplyr")
if(!require(stringr))install.packages("stringr")
#require可以循环，不会报错；而library会报错。

#文件读写部分
getwd()#显示我们的工作目录
#1.读取ex1.txt
ex1 <- read.table("ex1.txt")#列名没有归位；
#在excel里面第一行和列名不作区分，但R语言里数据框和表格是有区别的，表格的任何一列都是一个向量，只允许一种数据类型存在。
#所以当某个列名（字符型）变成数据框一列（数值型）的某个元素时，这一列数据被污染了。
ex1[2,4]
#数据被污染，去查这个函数的帮助文档，重新设置默认参数。
ex1 <- read.table("ex1.txt",header = T)#header的意思就是“文件第一行是不是列名”。
#2.读取ex2.csv
ex2 <- read.csv("ex2.csv")
#与在excel里面的差别在于，以为第一列没有列名，于是自动补了一个列名，实际上我们第一列是行名。
#还有一个区别在于，把列名里面的特殊字符-改成了小数点，因为在取列时有特殊字符的话，$用起来不丝滑。
ex2 <- read.csv("ex2.csv",row.names = 1,check.names = F)

#注意：数据框不允许重复的行名
rod = read.csv("rod.csv",row.names = 1) #报错
rod = read.csv("rod.csv")

#3.数据框导出
write.csv(ex2,file = "example.csv")
write.table(ex2,file = "example.txt")
##变量名+给导出的文件命名

#用data.table来读取
library(data.table)
ex1 = fread("ex1.txt")
class(ex1)
ex1 = fread("ex1.txt",data.table = F)
class(ex1)
ex2 = fread("ex2.csv",data.table = F)
#没有直接设置行名的参数

library(tibble)
ex2 = column_to_rownames(ex2,"V1")#第一列设置为行名

#rio
library(rio)
#一个函数支持读取很多格式，见帮助文档
ex1 = import("ex1.txt")#尤其适合读excel文件
#一个函数支持导出很多格式，见帮助文档
export(ex1,file = "ex1.xlsx")#尤其适合读excel文件