R语言基础保姆教程01--从工具到数据类型

R语言笔记01

1.前期准备

1.1. 安装R环境及Rstudio工具

这里不再详细展开，网上有很多资料可供参考。下载文件时注意匹配自己的计算机系统（windows或Mac等）。
核心步骤包括：

• 从CRAN官网下载安装包、设置无中文路径。（R语言的计算机环境）
• 安装RStudio IDE以及配置国内镜像以加速包下载。（RStudio IDE是编写R语言的工具）

1.2 Rstudio工具使用

认识必要窗口：
terminal： 终端–通过命令操作计算机
console：直接运行代码的窗口
新建R文件如下：

1.3 了解文档搜索工具

了解即可
● RSeek 引擎：https://rseek.org/

1.4 更新镜像（镜像就是资源的链接，更新为国内的，下载快）

操作：点击 Tools → Global Options → Packages → 选择 CRAN mirror。
CRAN 镜像：
清华：https://mirrors.tuna.tsinghua.edu.cn/CRAN/
中科大：https://mirrors.ustc.edu.cn/CRAN/
Bioconductor 镜像：
清华：https://mirrors.tuna.tsinghua.edu.cn/bioconductor

2.基本语法（基础很重要）

2.1 变量

2.1.1 变量的命名规则：变量名称由字母，数字以及点号 . 或下划线 _ 组成。不能是关键字（R语言语法中的词，比如if else等）。
快速记忆：不以数字开头、不含特殊字符。使用时根据语义命名一般不会出错。

# 合法的变量例子
count1
my.name
my_name
# 不合法的变量
1var （以数字开头）
_var （以下划线开头，在R中不允许，除非使用反引号括起来，但不推荐）
var@name （包含非法字符@）

2.1.2 变量的定义
指的是定义一个保存数据的变量（可以理解为未知数x,代指一个可变的数据）。
注意： 不变的数据需要定义常量进行保存

# 定义变量str，并赋值为Hello, World!
str = "Hello, World!"
# 定义变量count，并赋值为123
count = 123;# 定义变量
PI <- 3.14159
# 锁定变量(常量定义需要锁定--也就是不被更改)
lockBinding("PI", globalenv())

2.2 运算符

1.赋值运算符： =
注意： 还有-> <<− −>> <- 符号，建议使用时用=即可
例： num_2 = 123 表示num_2取值为123
2.算术运算符

• 除 ：/
• 减：-
• 乘： *
• 加： +
• 整除：%/%（ 整除取结果的整数部分（不区分除数与被除数是否为整数））
• 求余：%%（ 求余就是求余数）

# 基本整除运算
10 %/% 3    # 结果: 3 (因为 10 ÷ 3 = 3.333，取整数部分)
15 %/% 4    # 结果: 3 (因为 15 ÷ 4 = 3.75，取整数部分)=-
# 负数的整除
-10 %/% 3   # 结果: -4 (向下取整)
-10 %/% -3  # 结果: 3

3.关系运算符

• 比较相等：==
• 比较不相等 ： !=
• 其他(和数学中含义一样)：> < >= <=

注意不同于数学中的特殊情况：

# 数字与字符的比较 ： 第一步将'1'转换成数字1（隐式转换），再比较
# 数字与逻辑的比较：0为false，小数为false(隐式转换，不能将小数转换为逻辑的规则)
# 文本与逻辑的比较：将逻辑转换为文本比较，例： TRUE == 'A', 将TRUE转换为'TRUE'，再和'A'比较
1 == '1' #true
1 == 'A' #false  字符A和1比较，A不能转换为对应的数字
1 == true #true 
TRUE == 'A' #false

4.逻辑运算符

&: 将向量中对应元素进行组合，有1个0则为FALSE，否则为TRUE。若两个向量元素的个数为整数倍，短的复制和长的比较
| ：对应元素全部为0，为FALSE
！：取反，数字、逻辑
&& ： 两个逻辑值的比较，有1个为FALSE则结果为FALSE(TRUE&&FALSE)
|| : 两个逻辑值的比较，有1个为TRUE则结果为FALSE（TRUE||FALSE）

5.其他运算符：
： 冒号运算符，用于创建一系列数字的向量。
%in% ：用于判断元素是否在向量里，返回布尔值，有的话返回 TRUE，没有返回 FALSE。
%*% ： 用于矩阵与它转置的矩阵相乘。

2.3 数据类型

数据类型简单理解为将数据分类，有各自的语法规则。
1. R 语言中的最基本数据类型主要有三种：
● 数字类型 ：例如 123
● 逻辑：true和false
● 文本：例如-“R”,记得加引号

2.按对象类型来分是以下 6 种：
这个图非常形象的说明了这几个数据类型中的关系：

● 向量（vector）
可以理解为一串数字，在生信中可以是多个样本的基因表达数据

# c() 是一个创造向量的函数--函数就是有一定功能的代码块而已，直接使用即可
> a = c(1,2,3,4,5) # 定义变量a ,赋值为向量c(1,2,3,4,5)
# DNA序列处理
dna_sequence <- c("A", "T", "G", "C", "C", "G", "A", "T")
# 计算GC含量（占比）
gc_count <- sum(dna_sequence %in% c("G", "C"))
gc_content <- gc_count / length(dna_sequence) 
# 取数据
a[1:4] # 取出第 1 到 4 项，包含第 1 和第 4 项a[c(1, 3, 5)] # 取出第 1, 3, 5 项a[c(-1, -5)] # 去掉第 1 和第 5 项，将剩下的取出

● 矩阵（matrix）
注意行和列

# 创建基因表达矩阵（基因 × 样本）
# rnorm() 是 R 语言中用于生成服从正态分布（高斯分布）的随机数的函数。
#  matrix()定义矩阵，nrow表示多少行，ncol表示多少列，dinmnames表示命名
expression_matrix <- matrix(rnorm(1000, mean = 10, sd = 2),  # 模拟表达数据，mean:正态分布的均值，sd是标准差nrow = 200,                      # 200个基因ncol = 5,                        # 5个样本dimnames = list(paste0("Gene_", 1:200),        # 基因名paste0("Sample_", 1:5)         # 样本名)
)
# 查看矩阵结构
dim(expression_matrix)            # 200行(基因) × 5列(样本)
head(expression_matrix[, 1:3])    # 查看前几个基因和前3个样本

● 数组（array）
数组是一种多维数据结构，可以看作是矩阵的扩展

# 创建一个三维数组：基因 × 样本 × 时间点
# 假设有5个基因，3个样本，4个时间点
gene_names <- paste0("Gene", 1:5)
sample_names <- c("Control1", "Control2", "Treatment")
time_points <- c("0h", "6h", "12h", "24h")# 生成模拟数据
set.seed(123)
expression_array <- array(rnorm(5*3*4, mean=10, sd=2),dim = c(5, 3, 4),dimnames = list(gene_names, sample_names, time_points))# 查看数组
print(expression_array)# 访问特定基因在所有样本和时间点的数据
expression_array["Gene1", , ]# 访问特定样本和特定时间点的所有基因
expression_array[ , "Control1", "0h"]# 计算每个基因在所有样本和时间点的平均值
gene_means <- apply(expression_array, 1, mean)
print(gene_means)

● 因子（factor)
因子用于存储不同类别的数据类型，常用于表示分类变量，例如样本的组别、疾病状态、性别等。

# 假设有12个样本，分为三组：对照组、处理1组、处理2组，每组4个样本,rep() 是 R 语言中用于重复向量元素的函数
# x：要重复的向量或对象  times：整体重复次数或每个元素的重复次数向量each：每个元素单独重复的次数
# 创建样本分组因子
treatment_groups <- factor(c(rep("Control", 5), rep("Drug_A", 5), rep("Drug_B", 5)),levels = c("Control", "Drug_A", "Drug_B")  # 指定水平顺序# 统计各组的样本数
table(treatment_groups)
# Control  Drug_A  Drug_B 
#       5       5       5 

● 数据框（data.frame)
可以理解为表格，有行和列，行名和列名
● 列表（list）

# 存储DNA序列，list（）定义列表，通过","隔开
# seq1 seq2 seq3 是各个向量的名字
sequences <- list(seq1 = c("A", "T", "G", "C", "C", "G"),seq2 = c("A", "A", "T", "G", "C", "C"),seq3 = c("T", "T", "A", "A", "G", "G")
)
# 取数据,[[1]]表示seq1元素
[[1]]  

参考：https://www.runoob.com/r/r-list.html
若有疑问欢迎私信交流