R语言基础（包含资料）

目录

前言-高效编写代码

在RStudio中新建项目

在项目中新建脚本

数据类型

数据结构

前言

向量（vector）

创建

操作-有个小重点

对两个向量进行的操作

当两个向量长度不一致-循环补齐

向量筛选(取子集)

修改向量

简单向量作图

补充：有重点

数据框（data.frame）

新建和读取数据框

操作

数据框取子集

按条件逻辑值

数据框修改

两个数据框的连接

高效使用函数处理数据框

矩阵（matrix）

列表（list）

函数（了解）

R包安装

文件读写

字符串

条件及循环

隐式循环-有重点-对于数据框和向量

前言-高效编写代码

在RStudio中新建项目

方式：RStudio中，菜单栏File→NewProject→NewDirectory→NewProject→DirectoryName

该方式通过新建一个目录的方式来新建一个项目，创建一个R的项目文件（Rproj）：

• 将所有与该项目相关的数据、脚本、文件等都存放在该项目文件夹下，每次通过运行Rproj文件启动项目，自动关联相关文件，便于统一管理和调试。
• 该项目的工作目录即为新建该项目创建的目录。即后续创建的脚本文件默认保存位置均为该目录。
• 项目目录移动后，项目中的文件、脚本仍然可以通过项目文件（Rproj）关联使用。

在项目中新建脚本

方式：Rstudio菜单栏，File→NewFile→RScript

保存：

• R脚本保存的文件后缀为.R
• 保存的默认位置为当前的工作目录（working directory）

Tips： 脚本中点击Run或快捷键ctrl+Enter，执行光标所在行的代码，光标会移动到下一行 脚本中选中多行，点击Run，执行所选的代码 使用#为脚本添加注释。让自己和其他协作者了解代码的用途。R不会执行#后面的内容。

数据类型

• 数值型（numeric） 1 2
• 字符型（character） “a” “nn”
• 逻辑型（logical） TRUE（T） FALSE（F） NA 

        NA：为缺失值，表示存在但未知。NULL：为空，表示没有这个值（不存在）。TRUE（T） FALSE（F）在脚本中可以缩写成T、F

• 逻辑型数据                                                                                                                                      <，>, >=， <=， ==（判断是否相等）， !=（判断是否不等）

多个逻辑条件的连接

• & 表示和/与
• | 表示或
• ！表示非

数据结构

前言

R语言中主要有4种数据结构：向量、数据框、矩阵、列表

一个向量只能是同一种数据类型，可以有重复值。

数据框约等于“表格”。数据框要求每一列只能是同一种数据类型，

数据框单独拿出来的一列是一个向量，视为一个整体。一个向量可以出自数据框的一列，也可以用代码生成。

向量（vector）

创建

(1)用 c() 结合到一起

c(2,5,6,2,9) # 2 5 6 2 9
c("a","f","md","b") # "a"  "f"  "md" "b" 

(2)连续的数字用冒号“:” 

1:5 #  1 2 3 4 5

(3)有重复的用rep(),有规律的序列用seq(),随机数用rnorm()

rep("x",times = 3)  # "x" "x" "x"
seq(from = 3,to = 21,by = 3) #  3  6  9 12 15 18 21
rnorm(n = 3) # 0.7800798 -0.7946923  0.2169629

(4)通过组合,产生更为复杂的向量。

paste(rep("x",times = 3),1:3) # "x 1" "x 2" "x 3"
#与paste一样不过没有默认空格间隔
paste0(rep("x",times = 3),1:3)  # x1,x2,x3 

操作-有个小重点

(1)赋值+输出一起实现

x <- c(1,3,5,1);x
(x <- c(1,3,5,1))
#  1 3 5 1

在这里 “ <- ” 与 “=” 作用相同，但在与负数做小于比较时需要注意要加空格隔开，“  <   -1”

(2)简单数学计算

# x 是 1 3 5 1
x+1 # 2 4 6 2
log(x) # 默认是以自然对数e为底，都是对向量中每一个值
sqrt(x) # 开方

(3)根据某条件进行判断,生成逻辑型向量

# x 是 1 3 5 1
x>3 # FALSE FALSE  TRUE FALSE
x==3 # FALSE  TRUE FALSE FALSE

对两个向量进行的操作

x = c(1,3,5,1)
y = c(3,2,5,6)
#(1)比较运算，生成等长的逻辑向量
x == y  # FALSE FALSE  TRUE FALSE
y == x
#(2)数学计算
x + y # 4  5 10  7
#(3)连接
paste(x,y,sep=",") # "1,3" "3,2" "5,5" "1,6"#(4)交集、并集、差集
x = c(1,3,5,6,2)
y = c(3,2,5)
intersect(x,y) # 3 5 2
union(x,y) # 1 3 5 6 2
setdiff(x,y) # 1 6
setdiff(y,x) # 无
unique(x) # 去重
# x的每个元素在y中是否存在
x %in% y # FALSE  TRUE  TRUE FALSE  TRUE
#  y的每个元素在x中是否存在
y %in% x # TRUE TRUE TRUE

当两个向量长度不一致-循环补齐

#循环补齐 次数会选向量个数最多的来
#当两个向量长度不一致
x = c(1,3,5,6,2)
y = c(3,2,5)
x == y # 啊！warning！
# FALSE FALSE  TRUE FALSE  TRUE# 原理
# x 1 3 5   6 2
# y 3 2 5 y 3 2
#   F F T   F T

向量筛选(取子集)

x <- 8:12 # 8  9 10 11 12
#根据逻辑值取子集
x[x == 10]  # 10
x[x < 12] # 8  9 10 11
x[x %in% c(9,13)] # 9
#根据位置取子集 # 下标从1开始
x[4] # 11
x[2:4] #  9 10 11
x[c(1,5)]
x[-4] # 8  9 10 12
x[-(2:4)] # 8 12

-（减号）表示除了该位置的其他元素都取出来

修改向量

取子集+赋值

x <- 8:12 # 8  9 10 11 12
#改一个元素
x[4] <- 40
x # 8  9 10 40 12
#改多个元素
x[c(1,5)] <- c(80,20)
x # 80  9 10 40 20

简单向量作图

k1 = rnorm(12);k1
#  [1] -2.52322600 -1.62527192  0.42735119 -0.47192010  0.07189914
# [6] -0.42492975 -0.41367238 -0.09782699 -0.62340866 -0.15760400
# [11] -0.48121769 -0.88449818k2 = rep(c("a","b","c","d"),each = 3);k2
# "a" "a" "a" "b" "b" "b" "c" "c" "c" "d" "d" "d"plot(k1) # 点图
boxplot(k1~k2) # 箱线图  k1 纵坐标 k2作为横坐标

          

补充：有重点

可以加上类似列名的东西

scores = c(100,59,73,95,45)
scores
#   100     59     73     95     45 names(scores) = c("jimmy","nicker","Damon","Sophie","tony")
scores
#  jimmy nicker  Damon Sophie   tony 
#    100     59     73     95     45 scores["jimmy"]
# jimmy 
#   100 
scores[c("jimmy","nicker")]
#  jimmy nicker 
#    100     59 names(scores)[scores>60]
# "jimmy"  "Damon"  "Sophie"

一些函数

x # 1 3 5 1
max(x) #最大值
min(x) #最小值
mean(x) #均值
median(x) #中位数
var(x) #方差
sd(x) #标准差
sum(x) #总和length(x) #长度
unique(x) #去重复
duplicated(x) #对应元素是否重复
table(x) #重复值统计
sort(x) # 默认升序
sort(x,decreasing = F) # 升序
sort(x,decreasing = T) # 降序 5 3 1 1

杂项

x = rnorm(n=10,mean=0,sd=18) # 18标准差越大，正态分布越扁
save(g,s,file = "gands.Rdata") # 保存环境
rm(list = ls()) # 清空环境

数据框（data.frame）

可以由用代码新建、由已有数据转换或处理得到、读取表格文件、R语言内置数据

# R语言内置数据
letters # 小写字母
LETTERS
iris
volcanoclass(letters)
# [1] "character"
class(LETTERS)
# "character"
class(iris)
# "data.frame"
class(volcano)
# "matrix" "array" heatmap(volcano)

新建和读取数据框

df1 <- data.frame(gene   = paste0("gene",1:4),change  = rep(c("up","down"),each = 2),score   = c(5,3,-2,-4))
df1df2 <- read.csv("gene.csv")
df2#    gene change score
# 1 gene1     up     5
# 2 gene2     up     3
# 3 gene3   down    -2
# 4 gene4   down    -4

操作

#    gene change score
# 1 gene1     up     5
# 2 gene2     up     3
# 3 gene3   down    -2
# 4 gene4   down    -4# 提取数据框属性# 行数 列数
dim(df1)  # 4 3
# 行数
nrow(df1) # 4 
# 列数
ncol(df1) #3

数据框取子集

#    gene change score
# 1 gene1     up     5
# 2 gene2     up     3
# 3 gene3   down    -2
# 4 gene4   down    -4# 按列名
# tab键可以补齐df1$gene  # "gene1" "gene2" "gene3" "gene4"
df1$change # "up"   "up"   "down" "down"

 $在数据框不能一行的取，矩阵不支持$取东西

#    gene change score
# 1 gene1     up     5
# 2 gene2     up     3
# 3 gene3   down    -2
# 4 gene4   down    -4# 按坐标
df1[2,2]
"up"df1[2,]gene change score
2 gene2     up     3df1[,2]
"up"   "up"   "down" "down"df1[c(1,3),1:2]gene change
1 gene1     up
3 gene3   down## 按名字
df1[,"gene"]
"gene1" "gene2" "gene3" "gene4"df1[,c('gene','change')]gene change
1 gene1     up
2 gene2     up
3 gene3   down
4 gene4   down

按条件逻辑值

需一一对应

df1 <- data.frame(gene   = paste0("gene",1:4),change  = rep(c("up","down"),each = 2),score   = c(5,3,-2,-4))
#    gene change score
# 1 gene1     up     5
# 2 gene2     up     3
# 3 gene3   down    -2
# 4 gene4   down    -4k = df1$score>0;k # k=TRUE  TRUE FALSE FALSEdf1[k,]
#    gene change score
# 1 gene1     up     5
# 2 gene2     up     3

数据框修改

#改一个格
df1[3,3] <- 5#改一整列
df1$score <- c(12,23,50,2)     # 新增一列
df1$p.value <- c(0.01,0.02,0.07,0.05) #改行名和列名
rownames(df1) <- c("r1","r2","r3","r4")#只修改某一行/列的名
colnames(df1)[2] <- "CHANGE"

两个数据框的连接

# 合并
test1 <- data.frame(name = c('jimmy','nicker','Damon','Sophie'), blood_type = c("A","B","O","AB"))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))test3 <- data.frame(NAME = c('Damon','jimmy','nicker','tony'),weight = c(140,145,110,138))test2name  group vision
1  Damon group1    4.2
2  jimmy group1    4.3
3 nicker group2    4.9
4   tony group2    4.5
test1name blood_type
1  jimmy          A
2 nicker          B
3  Damon          O
4 Sophie         AB
# 交集
merge(test1,test2,by="name")  # 只有一个表有，另一个没有会去掉name blood_type  group vision
1  Damon          O group1    4.2
2  jimmy          A group1    4.3
3 nicker          B group2    4.9merge(x= test1,test3,by.x = "name",by.y = "NAME") # 列名不一样时这样用name blood_type weight
1  Damon          O    140
2  jimmy          A    145
3 nicker          B    110test3NAME weight
1  Damon    140
2  jimmy    145
3 nicker    110
4   tony    138

# 连接
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") # 交集
left_join(test1,test2,by="name") # 左连接，右表在左表中没有会去掉，空值填充为na
right_join(test1,test2,by="name")
full_join(test1,test2,by="name") # 全连接，空值填充为na

高效使用函数处理数据框

test <- iris[c(1:2,51:52,101:102),]
rownames(test) =NULL # 去掉行名，NULL是“什么都没有”
test# arrange，数据框按照某一列排序library(dplyr)
arrange(test, Sepal.Length) #从小到大
arrange(test, desc(Sepal.Length)) #从大到小# distinct，数据框按照某一列去重复
distinct(test,Species,.keep_all = T)
# unique() 给向量用的# mutate，数据框新增一列
mutate(test, new = Sepal.Length * Sepal.Width)
# test$new = test$Sepal.Length * test$Sepal.Width# 连续的步骤# 1.多次赋值，产生多个中间的变量
x1 = select(iris,-5) # 选择去掉第五列的数据
x2 = as.matrix(x1)
x3 = head(x2,50)
pheatmap::pheatmap(x3)
# heatmap(x1) # 参数必须是矩阵# 2. 嵌套，代码不易读
pheatmap::pheatmap(head(as.matrix(select(iris,-5)),50))# 3.管道符号传递，简洁明了
iris %>%   # 将数据传到指向的下一个函数select(-5) %>%as.matrix() %>%head(50) %>% pheatmap::pheatmap()

矩阵（matrix）

矩阵不支持$取东西,$在数据框不能一行的取

m <- matrix(1:9, nrow = 3)
# colnames(m) <- c("a","b","c") # 可以加列名
m
#      [,1] [,2] [,3]
# [1,]    1    4    7
# [2,]    2    5    8
# [3,]    3    6    9m[2,] # 2 5 8
m[,1] #1 2 3
m[2,3] # 8
m[2:3,1:2]
#      [,1] [,2]
# [1,]    2    5
# [2,]    3    6t(m) #转置
#      [,1] [,2] [,3]
# [1,]    1    2    3
# [2,]    4    5    6
# [3,]    7    8    9pheatmap::pheatmap(m) # 默认聚类了 # 聚类热图
pheatmap::pheatmap(m,cluster_cols = F,cluster_rows = F) # 取消聚类了class(m) # "matrix" "array" 
m = as.data.frame(m)
class(m) # "data.frame"

列表（list）

支持用$

x <- list(m1 = matrix(1:9, nrow = 3),m2 = matrix(2:9, nrow = 2))
x
# $m1
#      [,1] [,2] [,3]
# [1,]    1    4    7
# [2,]    2    5    8
# [3,]    3    6    9
#
# $m2
#      [,1] [,2] [,3] [,4]
# [1,]    2    4    6    8
# [2,]    3    5    7    9x[[1]] #取出的是矩阵。
#      [,1] [,2] [,3]
# [1,]    1    4    7
# [2,]    2    5    8
# [3,]    3    6    9
x$m1
#      [,1] [,2] [,3]
# [1,]    1    4    7
# [2,]    2    5    8
# [3,]    3    6    9

函数（了解）

jimmy <- function(a,b,m = 2){(a+b)^m
}
jimmy(a = 1,b = 2)
jimmy(1,2)
jimmy(3,6)
jimmy(3,6,-2)

R包安装

# R包安装# CRAN网站用 install.packages 安装
options("repos"=c(CRAN="http://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
# Biocductor网站安装用 BiocManager::install 安装
options(BioC_mirror="http://mirrors.tuna.tsinghua.edu.cn/bioconductor/")install.packages("tidyr")
install.packages('BiocManager')
BiocManager::install("limma")
install.packages('devtools')
# GitHub 网站安装包
devtools::install_github("jmzeng1314/idmap1") #括号里写作者用户名加包名# 清华镜像
# http://mirrors.tuna.tsinghua.edu.cn/CRAN/
# http://mirrors.tuna.tsinghua.edu.cn/bioconductor/# 中科大镜像
# http://mirrors.ustc.edu.cn/CRAN/
# http://mirrors.ustc.edu.cn/bioc/# 都可以加载包
library(tidyr)  # 在加载包时，如果包未安装，它会抛出错误并停止代码执行。
require(tidyr)  # 如果包未安装，它会发出警告返回T获F但继续执行代码#或者用过时R包的安装方式
# 取去要下载包的网站下复制旧版本的链接，也可以把包下下来安装
ad = "https://cran.r-project.org/src/contrib/Archive/qlcMatrix/qlcMatrix_0.9.7.tar.gz"
if(!require(qlcMatrix))install.packages(ad,repos = NULL) # 可以换本地电脑的地址# 分情况讨论
# 没安装就下
if(!require(stringr))install.packages("stringr")
#懒惰策略，能不更新就不更新，除非一直报错。
#不想回答:安装命令加参数:update=F，ask=F# 获取帮助
?sd
library(limma)
browseVignettes("limma") #不是每个包都有官方网站
ls("package:limma")# 查看包里有哪些函数

文件读写

#文件读写部分
# read.delim(sep="\t") # sep 分隔符
# read.table(sep="")
# read.csv(sep=",")
# read.csv2(sep=";")

读取各种格式

#1.读取ex1.txt
ex1 <- read.table("ex1.txt")
ex1[2,4]
ex1 <- read.table("ex1.txt",header = T)
#2.读取ex2.csv
ex2 <- read.csv("ex2.csv") 
# 源文件自带行名，
# row.names 将第一列成为行名，其中不允许重复名
# 函数会将将特殊符号转为“.”，比如“-” -> “.”   check.names 可以更改
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")

导出

#数据框导出
write.csv(ex2,file = "example.csv")
write.table(ex2,file = "example.txt")

其他更高效的方法

#用data.table来读取
library(data.table)
ex1 = fread("ex1.txt")
class(ex1) # data.table 数据格式无法用数据框的格式读取
ex1 = fread("ex1.txt",data.table = F)
class(ex1)
ex2 = fread("ex2.csv",data.table = F)
#不支持直接设置行名
# 第一种修改
rownames(ex2) = ex2$V1 # 源文件自带行名，
view(ex2[,-1])  # -1 不要第1列
# 第二种修改
library(tibble)
ex2 = column_to_rownames(ex2,"V1")#rio
library(rio)
#一个函数支持读取很多格式，见帮助文档
ex1 = import("ex1.txt")
#一个函数支持导出很多格式，见帮助文档
export(ex1,file = "ex1.xlsx")

字符串

rm(list = ls())
if(!require(stringr))install.packages('stringr')
library(stringr)x <- "The birch canoe slid on the smooth planks."
x
### 1.检测字符串长度
str_length(x)
length(x)
### 2.字符串拆分
str_split(x," ")
class(str_split(x," "))
x2 = str_split(x," ")[[1]];x2y = c("jimmy 150","nicker 140","tony 152")
str_split(y," ")
# 切分成矩阵,可以用索引a[,4]
str_split(y," ",simplify = T)### 3.按位置提取字符串
str_sub(x,5,9)
str_sub(x,-4,-1) # 从倒数第四到倒一截取### 4.字符检测
str_detect(x2,"h") # 含有这个字母检测
str_starts(x2,"T")
str_ends(x2,"e")
### 5.字符串替换
x2
str_replace(x2,"o","A") # 每个字符串只会替换第一次匹配到的
str_replace_all(x2,"o","A")### 6.字符删除
x
str_remove(x," ")
str_remove_all(x," ")

条件及循环

rm(list = ls())# load("a.Rdata") # 加载环境
# save() 可以保存到.Rdata
# dir.create("export") # 创建文件夹## 条件语句###1.if(){ }#### (1)只有if没有else，那么条件是FALSE时就什么都不做i = -1
if (i<0) print('up')
if (i>0) print('up')#理解下面代码
if(!require(tidyr)) install.packages('tidyr')#### (2)有else
i =1
if (i>0){print('+')
} else {print("-")
}
i = 1
ifelse(i>0,"+","-")x = rnorm(3)
x
ifelse(x>0,"+","-")

#ifelse()+str_detect() 按条件匹配
# str_detect函数需要 library(stringr)
samples = c("tumor1","tumor2","tumor3","normal1","normal2","normal3")k1 = str_detect(samples,"tumor");k1 # 返回T,F
# TRUE  TRUE  TRUE FALSE FALSE FALSE
ifelse(k1,"tumor","normal")k2 = str_detect(samples,"normal");k2
# FALSE FALSE FALSE  TRUE  TRUE  TRUE
ifelse(k2,"normal","tumor")

#### (3)多个条件
i = 0
if (i>0){print('+')
} else if (i< 0) {print('-')
} else {print('0')
}library(dplyr)
case_when(i>0 ~ "+",i<O ~ “-”T ~ "0")ifelse(i>0,"+",ifelse(i<0,"-","0"))

循环

## 二、for循环for( i in 1:4){print(i)
}#批量画图
par(mfrow = c(2,2))
for(i in 1:4){plot(iris[,i],col = iris[,5])
}#批量装包
pks = c("tidyr","dplyr","stringr")
for(g in pks){if(!require(g,character.only = T))install.packages(g,ask = F,update = F)
}

隐式循环-有重点-对于数据框和向量

rm(list = ls())
## apply()族函数### 1.apply 处理矩阵或数据框#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)### 2.lapply(list, FUN, …) 
# 对列表/向量中的每个元素实施相同的操作lapply(1:4,rnorm)