Day6 R数据整理.png
以下笔记整理自生信星球公众号教程，感谢豆豆花花的辛苦付出！
准备工作
- part1：学会获取一个R包的小抄
- 问度娘
- Rstudio cheatsheet网站下载
- 简单粗暴：生信星球公众号后台回复（不是评论！）相应的包名获取
- part2：初步了解tidyr
tidyr包主要功能
- 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
- part3：学习极简安装R包
果子学生信--新手第1课，无敌无脑的R语言环境配置教程（傻瓜得不能再傻瓜的教程，除了视频教学，还有提供很多包安装代码，业界良心！） - part4：数据框的小常识
#新建数据框，并把新建的数据框赋值给变量a
a<-data.frame(GeneId = rep("gene5",times=3),#rep，重复，括号中填要重复的字符和重复次数
SampleName=paste("Sample",1:3,sep=""),#paste，连接两个字符串，括号要填两个代连接字符并指定分隔符（sep），没有分隔符就填sep=“”。
Expression=c(14,19,18))
#1：3表示从1到三。如需一列中需要填入三个无规律的数字，可以用向量c(1，3，4)，同样如果填的是字符串也需要加双引号，例如c("doudou","huahua","xiaoyu")。
#了解概念：key-value--“键值对” ，表示一种对应关系。“键”和“值”都是列名，如SampleName和Expression的对应。
#函数后面一般都要加括号，括号里第一个参数是都数据框名
#字符串要加双引号（行名和列名也是字符串，但是可以不用加），其他单元格（姑且这么叫了）里出现的字符串要加。
#行：raw，列：column，简化写法为col
a
- part5：认识Tidy Data
- 这是一种组织表格数据的方式，提供了一种能够跨包使用的“统一”的数据格式。
- 每个变量（variable）占一列，每个情况（case，姑且这么翻译）和观测值（observation）占一行。
tidyr
-
tidyr包整理数据常用函数：gather()函数、spread()函数…
gather函数实例.png
- gather()函数整理后，实例图中sample1，2，3不在当列名，而是让他们多重复几遍，合并到一列叫SampleName的列中，原先的列名Sample1、Sample2、Sample3作为该SampleName列里面的一个值重新存储。
- gather括号里的参数分别是：数据框名，需合并的列名（两个），合并后的key列名，value列名。
- 处理丢失值，三种处理方式
-
drop_na()：有空值的，整行删除掉 -
fill()：根据上一行的数值填充上 -
replace_na()：空值填进去特定的一个数值
实例：导入演示数据
##以下代码来自果子学生信--新手第1课，无敌无脑的R语言环境配置教程
#检查工作目录
getwd()
#设置R包下载镜像
options(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")
# 检查是否设定完毕
getOption("CRAN")
#安装CRAN上的包
install.packages("tidyverse")
library(tidyverse)
library(tidyr)
#生信星球练习数据、代码
X<-read.csv('doudou.csv')
drop_na(X,X2)
fill(X,X2)
replace_na(X,list(X2=2))
处理缺失值.png
处理缺失值2.png
- Expand Tables
列出每列值所有可能的组合 - split cells(选修)
把一列拆成两列。
-
separate：按列分割 -
separate_rows：按行分割 -
unite：分割完了再合并回去
