R 小知识积累

1、grep

1 ## a为一个data frame,取含有RNA-Seq的行
2 index <- grep("RNA-Seq", a$Assay_Type)
3 b <- a[index,]

2、读取文件，选择不读哪一行

1 ##不读取带有！的行
2 data <- read.table("file",comment.char="!", sep="\t")

3、去掉数据框的某一列,添加行名, 列名

##删除第一列
b<-b[,-1]
##添加行名，列名
rowname(b) <- b[,1]
colname(b) <- b[1,]

4、sort

1 ##a为一data frame
2 ##最小值
3 sort(a$num)[1] ; 等价min(a$num)
4 ##四分位
5 sort(a$num, decreasing=T)[1] ;  等价max(a$num)
6 ##five number, 最小值，下四分位，中位数，上四分位，最大值
7 fivenum(a$num)
8 ##<5000的行
9 b <- a[a$num < 5000,]

5、strsplit 切割

1 ##以2进行分割
2 b <- "adfdfd2jdfkd"
3 strsplit(b, "2")
4 adfdf, jdfkd

6、t检验

1 t.test(1,2) 查看p value，若<0.05,则显著

7、paste, rep

 1 ##a, 连续粘贴4次
 2 paste("a",1:5)
 3 结果：
 4 a 1, a 2, a 3, a 4
 5 ##a, 连续粘贴4次,以“-”连接
 6 paste("a",1:5, sep='-')
 7 结果：
 8 a-1, a-2, a-3, a-4
 9
10 ##复制a 4次
11 rep("a", 4)
12 结果：
13 a,a,a,a

8、apply 循环

1 ##b 为一个data frame, 每一行求平均数
2 apply(b, 1, function(x){
3         mean(x)
4 })
5 其中 1 代表行，2 代表列
6 上面可以简写为：
7 apply(b, 1, mean)

9、输出图片

1 ## 比如输出PDF图片
2 pdf("test.pdf", width=12, height=10)
3 ggplot(data, aes(x,y)) +geom_line()
4 dev.off

10、quantile（）

## 在R语言中取百分位比用quantile()函数
> data <- c(1,2,3,4,5,6,7,8,9,10)
> quantile(data,0.5)
50%
5.5
> quantile(data,c(0.25,0.75))
 25%  75%
3.25 7.75

## 可以画阈值线，比如BSA画图时;有index 数据 data
p + geom_hline(yintercept =quantile(data, 0.95) ,color="blue",linetype=2,size-0.5)

11、which()

1 ## which 可以筛选数据库中特有的行，比如有数据框data，筛选出delt大于0的行
2 zheng <- data[which(data$delt>0),]

12、melt（），dcast（）

 1 ## melt（） 和 dcast（）为reshape2中的命令
 2
 3 ## melt()： 可以将长的数据框变为短的
 4 > head(new_data)
 5      pos   xx_mean   xy_mean   yy_mean
 6 19 36001 1.4052965 0.8884643 1.0787320
 7 20 38001 0.8538059 1.0241777 1.1718369
 8 21 40001 1.7150511 1.5263786 1.4663535
 9 23 44001 0.0000000 1.8001673 0.9257189
10 24 46001 0.2837331 1.5285861 1.5567648
11 25 48001 0.6670272 2.0511266 0.0000000
12
13 > head(melt(new_data,id.vars = "pos"))
14     pos variable     value
15 1 36001  xx_mean 1.4052965
16 2 38001  xx_mean 0.8538059
17 3 40001  xx_mean 1.7150511
18 4 44001  xx_mean 0.0000000
19 5 46001  xx_mean 0.2837331
20 6 48001  xx_mean 0.6670272
21
22 以“pos”为不变的ID列，其它变量合并在variable列中，其对应的值为value列
23
24 ## dcast()： 可以将短的数据框变为长的
25 > head(test)
26     pos variable     value
27 1 36001  xx_mean 1.4052965
28 2 38001  xx_mean 0.8538059
29 3 40001  xx_mean 1.7150511
30 4 44001  xx_mean 0.0000000
31 5 46001  xx_mean 0.2837331
32 6 48001  xx_mean 0.6670272
33
34 > head(dcast(test,pos~variable))
35     pos   xx_mean   xy_mean   yy_mean
36 1 36001 1.4052965 0.8884643 1.0787320
37 2 38001 0.8538059 1.0241777 1.1718369
38 3 40001 1.7150511 1.5263786 1.4663535
39 4 44001 0.0000000 1.8001673 0.9257189
40 5 46001 0.2837331 1.5285861 1.5567648
41 6 48001 0.6670272 2.0511266 0.0000000
42
43 ～左边的表示不变的列，右边则展开

---END----