数据处理

生信喵

背景
       在使用 R 语言的过程中，需要给函数正确的数据结构。因此，R 语言的数据结构非常重要。通常读入的数据并不能满足函数的需求，往往需要对数据进行各种转化，以达到分析函数的数据类型要求，也就是对数据进行“塑形”，因此，数据转换是 R 语言学习中最难的内容，也是最重要的内容。

一、R 与 Linux 和 Python 相似的操作
1、获取工作目录

1. Linux: pwd (print word directory)
   
2. R:getwd()函数，获取工作目录
   
3. python：import os;os.getcwd()
   

复制代码

2、清空屏幕
ctrl+L 快捷键
3、移动光标
ctrl+A：行首
ctrl+E:行尾
4、转义字符

1. \n:换行符
   
2. \t：制表符

复制代码

5、for 循环

1. Linux:for i in {1..10};do echo $i;done;
   
2. R:for (i in 1:10){print (i)}
   
3. for i in range(1,10):print (i);
   

复制代码

6、head，tail
Linux: head,tail 命令，默认 10 行
R:head()，tail()函数，默认文件六行
python：import pandas as pd;pd.head(),pd.tail()函数
7、cut
Linux: cut 用来拆分文件，可以按大小，字符数，行以及分隔符来拆分；
R:可以将一个连续型向量拆分为离散型，例如0-100，拆分成0-60,60-70,70-80,80-90,90-100几份。
python：pandas 中 cut 函数，与 R 中 cut 类似。
8、grep
Linux: 用于搜索文件内的内容，支持正则表达式
R:用于搜索变量内的内容，支持正则表达式
python：用于搜索变量内的内容，支持正则表达式
9、paste
Linux: 粘贴不同文件内容，与 cut 刚好相反
R:合并不同向量，可以指定分隔符，
python：与 R 类似。
10、cat
Linux，R，python 中都是查看文件，将文件内容在终端输出。
11、sort
排序，可以按照数值大小，也可以按照 ascii 码排序。
12、printf
pirntf 主要用于格式化打印，例如可以直接在 printf 中设置保留有效数字，转换类型等，支持各种转义。

1. printf "姓名：%s\n 身高：%dcm\n 体重：%dkg\n" "小明" "180" "75"
   
2. 姓名：小明
   
3. 身高：180cm
   
4. 体重：75kg
   

复制代码

二、判断数据类型
       R中包含很多查看数据属性的函数，例如mode(),class()，str()等，此外还有is*系列函数与as系列函数。

1. x <- c(1:100)  
   
2. x
   
3. is.vector(x)  
   
4. is.numeric(x)
   
5. is.character(x)  
   
6. 
   
7. as.character(x)  
   
8. letters
   
9. as.numeric(letters)
   
10. 
    
11. mtcars[1:10,1:10]
    
12. mtcars$cyl
    
13. is.numeric(mtcars$cyl)  
    
14. as.factor(mtcars$cyl)  
    
15. 
    
16. plot(as.numeric(mtcars$cyl))  
    
17. plot(as.factor(mtcars$cyl))
    
18. 
    
19. x <- read.csv('heatmap.csv',row.names = 1)
    
20. head(x)
    
21. heatmap(x)
    
22. heatmap(as.matrix(x))

复制代码

三、筛选
       筛选主要是将满足一定条件的内容挑选出来，例如等于某个值，或者大于，小于等，如果是字符串就是字符串的匹配。

1. data('mtcars')
   
2. mtcars$mpg >= 20
   
3. mtcars[mtcars$mpg >= 20,]
   
4. mtcars$mpg >= 20 & mtcars$cyl == 4
   
5. mtcars[mtcars$mpg >= 20 & mtcars$cyl == 4,]

复制代码

四、排序
       排序需要给定排序标准，首先确定是对数字排序还是字符串排序，数字一般是按照大小顺序，字符串按照首字母顺序排序。可以对一维数据排序，也可以对多维数据排序。R 提供了 sort和 order 等排序方法，order 是对索引进行排序，在 R 中使用的更多。

1. #排序
   
2. rivers
   
3. sort(rivers)
   
4. sort(rivers, decreasing = T)
   
5. rev(sort(rivers))
   
6. order(rivers) #从小到大排序的索引值
   
7. rivers[order(rivers)]
   
8. rivers[order(-rivers)]
   
9. #对二维数据排序
   
10. mtcars$cyl
    
11. order(mtcars$cyl)
    
12. sort(mtcars$cyl,decreasing = T)
    
13. order(mtcars$cyl,decreasing = T)
    
14. mtcars[order(mtcars$cyl,decreasing = T),]
    
15. #多个值排序
    
16. order(mtcars$cyl,mtcars$mpg,decreasing = T)
    
17. mtcars[order(mtcars$cyl,mtcars$mpg,decreasing = T),]
    
18. mtcars[order(mtcars$cyl,mtcars$mpg,decreasing = c(T,F)),]

复制代码

五、修改数据内容
       数据分析中经常需要对原数据中的某些地方进行修改。修改数据属于赋值操作，也就是将原有的值赋一个新的值，这就需要首先能够将要修改的值索引出来，然后重新赋值即可。如果要修改某一行或者某一列的内容，则可以先索引出这一行或一列的内容，然后批量赋值。如果需要增加或者删除某一行或者某一列，可以使用 rbind 或者 cbind 函数。

1. #修改数据
   
2. mtcars
   
3. mtcars$cyl
   
4. mtcars$cyl[mtcars$cyl == 4] <- 'four'
   
5. mtcars$cyl[mtcars$cyl == 6] <- 'six'
   
6. mtcars$cyl[mtcars$cyl == 8] <- 'eight'
   
7. as.factor(mtcars$cyl)
   
8. 
   
9. data('mtcars')
   
10. ncol(mtcars)
    
11. mtcars$cylinders <- NA
    
12. mtcars$cylinders[mtcars$cyl == 8] <- 'eight cylinders'
    
13. mtcars$cylinders[mtcars$cyl == 4] <- 'four cylinders'
    
14. mtcars$cylinders[mtcars$cyl == 6] <- 'six cylinders'
    
15. 
    
16. 
    
17. mtcars$cyl <- as.factor(mtcars$cyl)
    
18. levels(mtcars$cyl)
    
19. levels(mtcars$cyl) <- c('four', 'six', 'eight')

复制代码

1. #rbind,cbind
   
2. state <- cbind(as.data.frame(state.x77),state.region)
   
3. tapply(state$Population, state$state.region, mean)
   
4. a <- head(mtcars,20)
   
5. b <- tail(mtcars,20)
   
6. c <- rbind(a,b)
   
7. length(rownames(c))
   
8. duplicated(c)
   
9. c[duplicated(c),]
   
10. c[!duplicated(c),]
    
11. unique (c)
    
12. #取子集 subset
    
13. dta <- read.csv("gene93.csv")
    
14. dta
    
15. #过滤掉没有表达的转录本
    
16. dta1 <- subset(dta,rowSums(dta[1:8])>1)

复制代码