R及Rstuio下载及配置，及基本使用介绍

1、R和Rstudio下载地址

https://cran.rstudio.com/a

2、Rstudio 的配置

外观、代码显示比例配置

选中tools

选中globle options

选中appearance

选择主题、缩放比例、字体、字体大小

---------------------------------------------华丽丽的分割线----------------------------------------------------

3、R简介

执行特定功能最基本的是R包，在使用前必须先从一些库(repository)中下载，并载入。两个最流行的R库是CRAN和Bioconductor(主要用于处理高通量测序数据)。默认情况下，R从CRAN抓取包，但根据需要你可以更换库，比如Biocondutor,，去获取其它CRAN库中没有的包。更换库不等于更换镜像，镜像是指同一个库(repository) at a different location，一个库可以含有许多镜像。

4、基本使用简介

4.0）工作环境

>getwd() # 当前工作目录

>setwd('path/to/directory') #更换工作目录

4.1) 安装包

>install.packages('packagesname',dependency=TRUE)

>install.packages('path/to/packages.tar.gz',repos=NULL,type='source') ##从本地文件安装4.2）查看包

查看所有的包

>library()

查看默认包

>getOption('defaultPackages')

查看当前环境中所含有的包

print(.packages())

查看包里面所有的函数

>ls("package:GenomicFeatures")

4.3) 帮助文档

help(sum) 或者 ?sum

用例子来展示函数：

example(sum)

利用关键字搜素帮助文档:

>help.search('sum')

通过包名收索帮助文档:

>help(package='base')

4.4) 退出

q()

5）读取数据

5.1）对于R内置数据

>data(iris)

>load(file='mydata.RData') #载入数据对象

5.2)读取外部文件

>Mydata <- read.table('file',header='True',sep='\t',rowname=1)

>Mydata <- read.csv('file.csv')

5.3)读取excel文件

>install.packages('xlsx',dependeces=TRUE)

>library(gdata)

>mydata <- read.xlsx('mydata.xlsx')

5.4)数据探索

>class(iris)

>dim(iris)

>head(iris)

>tail(iris)

6) 保存数据

>wirte.table(x,file='myexcel.xls',append=false,quote=true,sep=' ') ##保存为table文件

>write.csv(x,col.names=NA,sep=',') ##保存为csv文件

>save(D,file='mydata.RData') ##保存为数据对象

--------------------------------------------------------------华丽丽的分割线----------------------------------------

7、R中索引方式

在R中，索引体系是[rows, columns]。

数据框$数据框名：表示该数据框中该列所有的数据。

These functions use R indexing with named columns (the $ sign) or index numbers. The $ sign placed after the data followed by the column name specifies the data in that column. The R indexing system for data frames is very simple, just like other scripting languages, and is represented as [rows, columns].You can represent several indices for rows and columns using the c operator . A minus(减号) sign on the indices for rows/columns removes these parts of the data. The rbind function used earlier combines the data along the rows (row-wise，行向), whereas cbind does the same along the columns (column-wise，列向).

7.1)下面举例来说，首先载入数据

data(iris)    ##载入数据

str(iris)     ##观察数据结构

7.2) 获取特定列数据，组成一个数据框，存放到myiris对象中

myiris <- iris[,c(1,2,5)]  #虽然这种方法在实际应用中最好尽量去避免，这种写法。

View(myiris)

ls()

rm(myiris)

myiris <- iris[,-c(3,4)] #减号表示去除相应的数据，虽然这种方法也行，但在实际应用中最好尽量去避免

View(myiris)

ls()

rm(myiris)

myiris=data.frame(Sepal.Length=iris$Sepal.Length, Sepal.Width=iris$Sepal.Width,

                        Species= iris$Species)#提取指定列，通过datafram函数构建数据框，存放到myiris对象中

View(myiris)

7.3）添加额外列(column)到数据框中

Stalk.Length <-c(rnorm(30,1,0.1),rnorm(30,1.3,0.1), rnorm(30,1.5,0.1),rnorm(30,1.8,0.1), rnorm(30,2,0.1))   #获取150个数据，

myiris <- cbind(iris, Stalk.Length)  #cbind，将Stalk.Length列合并到iris框中

dim(myiris)

colnames(myiris) #获取列名

7.4）添加额外行(raw)到数据框

newdat <- data.frame(Sepal.Length=10.1, Sepal.Width=0.5, Petal.Length=2.5, Petal.Width=0.9, Species="myspecies")

myiris <- rbind(iris, newdat)  #合并行

dim(myiris)

myiris[151,]   #查看最后加入的行

rownames(myiris) #这里相当于行号

7.5）按照一定规则提取数据子集

mynew.iris <- subset(myiris, Sepal.Length == 5.0) #提取符合Sepal.Length=5.0的数据

rownames(mynewiris) #注意观察rownames是什么，是符合上述条件的数据所在的行号

也可以不用subset函数，用以下方法：

rm(mynew.iris)

mynew.iris <- myiris[myiris$Sepal.Length == 5.0, ]

删除所有数据对象。

rm(list=ls())

另外一种方法是使用%in%方法

data(iris)
mylength <- c(4,5,6,7,7,2)

mynew.iris <- iris[iris[,1] %in% mylength,]