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----
