tidyr包主要功能
将数据处理成标准而统一的数据框
- 数据框的变形
- 处理数据框中的空值
- 根据一个表格衍生出其他表格
- 实现行或列的分割和合并
其作用主要是把数据处理成标准而统一的数据框Tidy Data，然后进一步整理数据，为后续的数据处理和作图做准备
常规数据框结构：
每一列col：代表一个变量（variable）
每一行row：代表一次观测（observation）
Tidy Data的数据框结构：
每一列col：每个变量（variable）
每一行row：每个观测值（observation）的某种情况（case）
通过这样的reshape就由宽表格转为了长表格（纵向长）
- 了解概念：key-value：“键值对” ，表示一种对应关。“键”和“值”都是列名，如 SampleName和Expression的对应。
安装tidyr
- R包说明书下载：谷歌/百度
Rstudio的cheatsheet网站：https://www.rstudio.com/resources/cheatsheets
https://github.com/rstudio/cheatsheets/raw/master/data-import.pdf - tidyr安装：
下载和安装tidyr：install.packages("tidyr")
安装成功后加载：library(tidyr)
数据实操
1. Reshape Data（变形）
摘自https://www.rstudio.com/resources/cheatsheets
- 新建数据框，并将数据框赋值给Data
Data <- data.frame(country = c("A","B","C"),
"1999" = c("0.7K","37K","212K"),
"2000" = c("2K","80K","213K"))
raw
- gather()函数：变形成Tidy Data
Data <- gather(Data, X1999, X2000, key = "year", value = "cases")
gather
若需合并的列名较多，可用排除法进行合并：
Data <- gather(Data, "year", "cases", -country) - spread()函数：变回原来的宽表格
Data <- spread(Data, year, cases)
2. Handle Missing Values（处理丢失的NA数据）
-
三种处理方式：
(1) 删除整行
(2) 根据上下文估计一个
(3) 同一列的空值填上同一个数
摘自https://www.rstudio.com/resources/cheatsheets - 导入数据
X <- read.csv('doudou.txt') #原本就是“，”分隔的txt
raw - drop_na() 函数：有空值的，整行删除掉括号里填数据框名
X <- drop_na(X, X2)
drop_na - fill() 函数，根据上一行的数值填充上
X <- fill(X, X2)
fill() - replace_na() 函数，空值填进去特定的一个数值括号里填数据框名，要填的列名 = 要填的值
X <- replace_na(X, list(X2 = 2))
replace_na()
3. Expand Tables
- complete()函数：（把空值的位置补全）
摘自https://www.rstudio.com/resources/cheatsheets
X <- complete(X, X1, fill = list(X2 = 5))
complete
complete
如果填多个，可以
X <- complete(X, nesting(X1, X3,...,), fill = list(X2 = 5))
- expand()函数：（就是扩增选中的列中的值各种组合，成为一个新表）
输入数据：
pin2 <- data.frame(GeneId = rep("gene5", times = 3),
Samplename = paste("Sample", 1:3, sep = ""),
Expression = c(14, 19, 18))`
raw
pin3 <- expand(pin2, GeneId, Samplename, Expression)
expand()
expand()
4. split cells（把一列拆成两列）
-
separate()分割成两列
原列必须要有分隔符才行。
摘自https://www.rstudio.com/resources/cheatsheets
separate() -
separate_rows():分割成两行
原列必须要有分隔符才行。
摘自https://www.rstudio.com/resources/cheatsheets
separate_rows(pin3, SampleName)
separate_rows() -
unite()分割完了再合并
摘自https://www.rstudio.com/resources/cheatsheets
pin4 <- separate(pin3, SampleName, into = c("Sample", "name"))
unite(pin4, Sample, name, col = "SampleName", sep = "")
![]()
unite()
unite()
摘录参考：生信星球第九期Day6生信入门班教程
