今天任務(wù)安裝R包并處理一個(gè)數(shù)據(jù)文件

R包

R包都有自己的說明書（cheatsheet）锣险，俗稱小抄蹄皱。

以后學(xué)習(xí)R包，主要自己研究小抄芯肤，那么小抄的獲得方式有哪些巷折？

方法1：去百度/谷歌XX小抄
方法2：找Rstudio的cheatsheet網(wǎng)站（網(wǎng)速好慢的）
https://www.rstudio.com/resources/cheatsheets/
方法3. 教程里用到的包都可以到生信星球公眾號回復(fù)相應(yīng)的包名來獲取

了解tidyr包

tidyr的功能主要有：
（1）數(shù)據(jù)框的變形
（2）處理數(shù)據(jù)框中的空值
（3）根據(jù)一個(gè)表格衍生出其他表格
（4）實(shí)現(xiàn)行或列的分割和合并

這個(gè)包是把你要用的數(shù)據(jù)處理成標(biāo)準(zhǔn)而統(tǒng)一的數(shù)據(jù)框,就是數(shù)據(jù)分析前的準(zhǔn)備工作。

安裝tidyr包

• 下載和安裝tidyr包

install.packages("tidyr")

• 加載tidyr包

library(tidyr)

• 新建數(shù)據(jù)框

a<-data.frame(GeneId = rep("gene5",times=3),SampleName =paste("Sample",1:3,sep=""),Expression=c(14,19,18))

自己隨便建立一個(gè)數(shù)據(jù)框如下

bioplanet<-data.frame(ID=c(1:5),genesmyble=c("w","f","d","e","p"),expression=c(6:10))

Snipaste_2018-10-27_19-59-39.png

rep崖咨，重復(fù)锻拘，括號中填要重復(fù)的字符和重復(fù)次數(shù)。
paste，連接兩個(gè)字符串署拟，括號要填兩個(gè)代連接字符并指定分隔符（sep）婉宰，沒有分隔符就填sep=“”。
1：3表示從1到三推穷。如需一列中需要填入三個(gè)無規(guī)律的數(shù)字心包，可以用向量c(1，3馒铃，4)蟹腾，同樣如果填的是字符串也需要加雙引號，例如c("doudou","huahua","xiaoyu")骗露。
2.了解概念：key-value--“鍵值對” 岭佳，表示一種對應(yīng)關(guān)系∠麸保“鍵”和“值”都是列名珊随，如SampleName和Expression的對應(yīng)。
3.函數(shù)后面一般都要加括號柿隙，括號里第一個(gè)參數(shù)是都數(shù)據(jù)框名
4.字符串要加雙引號（行名和列名也是字符串叶洞，但是可以不用加），其他單元格（姑且這么叫了）里出現(xiàn)的字符串要加禀崖。
行 raw
列 column衩辟，簡化寫法為col

• 了解Tidyr Data

這是一種組織表格數(shù)據(jù)的方式，提供了一種能夠跨包使用的“統(tǒng)一”的數(shù)據(jù)格式波附。
什么叫“統(tǒng)一”艺晴？
每個(gè)變量（variable）占一列，每個(gè)情況（case掸屡，姑且這么翻譯）和觀測值（observation）占一行封寞。

整理數(shù)據(jù)（Reshape Data）

先了解兩個(gè)函數(shù)

gather函數(shù)：將寬數(shù)據(jù)變成長數(shù)據(jù)格式。把列名變行數(shù)值仅财。
spread函數(shù)：將長數(shù)據(jù)變成寬數(shù)據(jù)格式狈究。 把列數(shù)值變列名。

• 新建一個(gè)數(shù)據(jù)文件

> a<- data.frame(country=c("A","B","C"),"1999"=paste("K",c(0.7,37,212)),"2000"=paste("K",c(2,80,213)))
> View(a)

Snipaste_2018-10-27_20-58-40.png

• 將列名合并成一個(gè)列

gather(a,X1999,X2000,key = "year",value = "cases")

Snipaste_2018-10-27_21-09-13.png

gather括號里的分別是：
數(shù)據(jù)框名盏求，需合并的列名（兩個(gè)）抖锥，合并后的key列名，value列名碎罚。
其中磅废，需合并的列名也可以列在最后(其實(shí)個(gè)順序才是默認(rèn)的)，key=和value=也可以省略荆烈，如果按照上面小抄的命令括號里那個(gè)順序拯勉，省略了就會(huì)報(bào)錯(cuò)。
簡化代碼gather(a,"year","cases",X1999,X2000) #推薦的偷懶做法
合并前的列名如果比較多，可以用排除法來偷懶谜喊，在上圖例子中可用gather(a,year,cases,-country) #-country的意思就是合并除country外剩下的列潭兽。

• 處理丟失的數(shù)據(jù)

三種處理方式：
(1).刪除整行
(2).根據(jù)上下文（瞎）蒙一個(gè)
(3).同一列的空值填上同一個(gè)數(shù)。

1. 刪除整行
   drop_na()：有空值的斗遏，整行刪除掉
   括號里填數(shù)據(jù)框名山卦，依據(jù)的列名（有空值那一列的列名）

Snipaste_2018-10-27_21-19-05.png

這里注意讀入數(shù)據(jù)并賦值給一個(gè)變量

Snipaste_2018-10-27_21-21-04.png

在這里之所以選擇了csv，是因?yàn)檫@個(gè)神奇的格式支持R和Excel诵次，默認(rèn)參數(shù)好的很（默認(rèn)分隔符是“账蓉，”，導(dǎo)出時(shí)也不會(huì)默認(rèn)加引號逾一。如果你用read.table試試就知道默認(rèn)參數(shù)多笨了）铸本，并且轉(zhuǎn)換txt也不會(huì)變亂碼！
在這里補(bǔ)充下csv的導(dǎo)入和導(dǎo)出方式遵堵。(默認(rèn)參數(shù)好箱玷，學(xué)R沒煩惱)
導(dǎo)入：X<-read.csv('doudou.csv')
導(dǎo)出：write.csv(X,'doudou.csv')

2. 根據(jù)上下文（瞎）蒙一個(gè)
   fill()，根據(jù)上一行的數(shù)值填充上（好應(yīng)付的感覺）
   
   Snipaste_2018-10-27_22-09-00.png

Snipaste_2018-10-27_22-11-13.png

分割后的文件

Snipaste_2018-10-27_22-09-06.png

csv 文件是用逗號分隔的陌宿，故而 sep = ","
tsv 文件是用制表符分隔的锡足，故而 sep = "\t"
常用的分隔符還有空格 sep = " "
分隔符是任意的，可根據(jù)具體情況指定的壳坪。
在輸入的時(shí)候舶得，原內(nèi)容是用什么符號分隔的，sep就要保持一致爽蝴，否則可能無法正確讀取

因?yàn)樯俅蛄藄ep函數(shù)0.7變成0了沐批，經(jīng)花花指導(dǎo)，原來不加sep自動(dòng)識別分隔符蝎亚，把小數(shù)點(diǎn)也算成分隔符了九孩。因?yàn)橹恢付ǚ指顑闪校?不出來了颖对。
改為separate(a,X1999,into = c("cas","rep"),sep=" ")成功分割捻撑。

Snipaste_2018-10-27_22-34-23.png

R處理數(shù)據(jù)文件.png