实践是学习知识的最好途径。之前我讲的内容都非常非常基础,包括:
(1)什么是R语言?R语言和Rstudio软件的安装,Rstudio的界面介绍;
(2)R语言的基本逻辑,基本数据类型;
(3)ggplot基础绘图;
(4)学习R语言的思路(整理,总结问题)。
通过不断的踩坑,走弯路,我们可以在勤奋的基础上,找一些快速的方法。我们已经不能再像上大学时候一样了,先啃完一本书,学好各种基础知识,然后开始应用。工作之繁忙,生活之琐碎,各种被电子产品占据走的时间。已经很难找出一整块的时间去学习了。
换句话说,没有目的性的理论学习就是耍流氓。怎么讲这么多数据类型,格式,可是我用不着呀?因此,我们调整策略,按照完成project为主线来解说在完成数据分析的过程中,我们需要用的R语言知识。
以我之前处理的GEO数据为蓝本,我们详细的介绍每一个数据处理过程,所需要的知识(不仅仅是R语言代码,还有各种背景知识)。
但素!为了降低炸毛的风险,我自己捏造了一段非常非常小的数据用来做示例。想要跟着我步骤的小伙伴,需要这小小数据,你们可以想办法找到我。
数据的来源:A. 自己课题组的各种测序结果,在经过linux的上游分析之后,得到一个表达量和分组的表格(我们也称之为表达矩阵),经过精心整理之后,它大概需要变成这样:
B. 从公共数据库下载:例如GEO、TCGA数据库(知识点:自行去了解这两个数据库),那根据数据库的不同,下载的数据也是有所不同的。GEO数据可以直接通过R语言下载,可以说是非常方便了!
R语言载入数据的方式如下:
R语言数据的输入:
(1)手打;(2)文本文件txt;(3)Excel;(4)Acess;(5)其他统计软件出来的数据,例如SPSS,SAS;(6)XML数据;(7)网页抓取;(8)Stata;(9)netCDF;(10)HDF5;(11)通过数据库接口下载;(12)通过Stat/Transfer导入数据 。
看到这么多会直接炸毛,这么多!没关系,我们又没有期末考,掌握自己所需要的就可以了。
最最最常见的数据就是txt,xls,csv(有点像xls)。
我在桌面上新建一个文件夹,叫做“train”。
## 方法一:另存为csv文件之后,以下代码均可以读取数据
data_1<>'train.csv',header = T,sep = ',')
data_2<>'train.csv',header = T,sep = ',')
## 知识点,header= T,sep=',' 是什么意思?
## header= T,字面上的意思就是:有抬头,本文件的抬头(即列名)就是:
> colnames(data_1)
[1] 'ensembl_id' 'control_1' 'control_2' 'control_3' 'experiment_1' 'experiment_2'
[7] 'experiment_3'
## 那什么是sep=',' 你试试看不要这么参数?试试嘛!
好的,妥妥的满足你!虽然我不会,但是我去话了小洁大佬,她支的招就是,使用R包 tidyverse
详情请看:如何实现Excel和R语言双剑合璧
# 方法二:我偏不另存为,那就试试tidyverse包
install.packages('tidyverse')
library(tidyverse)
# 调出帮助文档,学习如何使用该包
?tidyverse
不想看帮助文档学代码的我,发现了一个小妙招:
## 根据R语言的提示,然后就妥妥的学会啦
data_3<>'train.xlsx')
其实写这篇推文呢,我才是最大的收获者,为了写得简洁明了,我回去自己看了一下书,然后又请教了小洁,真是妥妥的--温故知不足,求索方知新。大家加油吧!
再说一遍~需要数据的同学要么找到我,要么你自己手打咯~~反正也不多嘛~
联系客服