R语言基础与ggplot2绘图

R语言应用杨滢主要内容R语言基础ggplot2绘图R语言基础Reference:•统计建模与R软件。薛毅。清华大学出版社。•R语言与统计分析。汤银才。高等教育出版社。•R语言实战（RinAction）。著：RobertI.Kabacoff；译：高涛/肖楠/陈钢。人民邮电出版社R语言简介•R是一种有着强大统计分析和作图功能的软件系统（编程语言）；•统计分析能力突出，部分统计功能整合在R语言的底层，但大多数则以包(packages)的形式提供，资源极其丰富；•R具有强大的数据展示能力，高质量的图像生成，各种现代图像库：graphics，grid，lattice，ggplot2...；•R的编程语言本质，注定了其强大的拓展和开发能力，可以编制自己的函数，或制作独立的统计分析包，快速实现新算法；•灵活，便于与其他工具整合，实现流程化；•官方网址：；R软件下载和安装注：为了后续课程顺利进行，考虑到程序包的兼容性，请安装2.15.3版本程序包(packages)的安装和加载Bioconductor的包非Bioconductor的包若均无法安装•source()•biocLite(DESeq)•install.packages(ggplot2)•下载相应的软件包到本地•RCMDINSTALL软件包的压缩文件名称library()/require()基本知识•符号：命令或者运算提示符+续行符•基本算术运算+加号-减号*乘号/除号^乘方•赋值符=或-或-•求助符？或help()数据结构与语法•在R运行时，所有变量、数据、函数以及结果都是以对象的形式存入计算机的活动内存中的，并冠以相应的变量名。在R中进行的所有操作都是针对存储在活动内存中的对象的。数据结构向量•定义：用于存储数值型、字符型或逻辑性数据的一维数组。•c()创建向量,eg:a-c(1,2,3,4,5,6)b-c(one,two,three)c-c(TRUE,FALSE,TRUE,TRUE,FALSE)•seq(),rep()创建有规律的数值型标量,eg:x-1:5y-seq(-5,5,by=1)z-rep(c(1,4,6),times=3)常用统计函数•max(x)最大值•min(x)最小值•range(x)数值的范围•which.max(x)最大值下标•which.min(x)最小值下标•mean(x)均值•median(x)中位数•var(x)方差•sd(x)标准差•length(x)长度•sum(x)总和矩阵•定义：二维数组，每个元素拥有相同的模式。实际上是有一个附加属性（维数dim）的向量。•matrix()创建矩阵：#默认情况下，矩阵是按列排列eg1:mymatrix-matrix(1:15,nrow=3,ncol=5,byrow=TRUE)eg2:cells-c(1,26,24,68)rnames-c(R1,R2)cnames-c(C1,C2)matrix(cells,nrow=2,ncol=2,byrow=TRUE,dimnames=list(rnames,cnames))•矩阵的下标运算：mymatrix[1,2],mymatrix[,c(1,3)]•数组：与矩阵类似，但是维度可以大于2.通过array()创建数据框•定义：与矩阵类似，但不同的列包含不同类型的数据•data.frame()创建,eg：df-data.frame(Name=c(Alice,Becka,James,Jeffrey,John),Sex=c(F,F,M,M,M),Age=c(13,13,12,13,12),Height=c(56.5,65.3,57.3,62.5,59.0),Weight=c(84,98,83,84,99))•矩阵转数据框？x-data.frame(mymatrix)#采用data.frame()将矩阵转为一个数据框new_df-as.data.frame(mymatrix)#采用as.data.frame()强制转换列表•定义：一些对象的有序集合。最为复杂。其各元素类型可以是任意对象，不同元素不必是同一类型。•list()创建，eg：lst-list(name='fred',wife='mary',no.children=3,child.ages=c(4,7,9))数据结构常用R函数函数功能head(object)查看对象的开始部分tail(object)查看对象的最后部分ls()显示当前的对象列表length(object)显示对象中的元素/成分数量dim(object)显示对象维度c(object,object,...)将对象合并入一个向量object输出对象mode(object)显示对象的类型t(object)转置对象summary(object)•nchar,nzchar•功能说明：–nchar：统计字符的长度–nzchar：统计字符是否为空example：–nchar(c(Novogene,RNA-seq))–nzchar()–nzchar(Novogene)高级函数•substr•功能说明：对字符进行特定区域的提取•substr(x,start,stop)example：•x=c(Novogene)•substr(x,5,9)高级函数高级函数•paste•功能说明：字符串的连接•paste(...,sep=,collapse=NULL)sep为向量间连接符collapse为字符内部连接符example：产生“AvsB”•paste(a,b,sep=vs)•paste(c(a,b),collapse=vs)•subset•功能说明：提取数据框中满足某一条件的行example：提取至少有一个样品的rpkm值大于1的行。•rpkm-read.delim(rpkm.xls,row.names=1)•rpkm_1-subset(rpkm,A11|A21|B11|B21)•dim(rpkm_1)高级函数•添加列•merge(datatframeA,dataframeB,by=“ID”)，按照ID合并datatframeA,dataframeB•cbind(A,B)，不需要索引，直接合并A,B•添加行•rbind(A,B)高级函数数据的读写•从带分隔符的文本文件导入数据•1.read.table()/read.delim(),eg:rpkm-read.table('rpkm.xls',header=T,row.names=1)rpkm-read.delim('rpkm.xls',row.names=1)head(rpkm)logrpkm-log10(rpkm+1)write.table(logrpkm,’logrpkm.xls’,sep=‘\t’,quote=F)•2.利用剪贴板：一种最简单的方法是打开Excel中电子表格，选中需要的数据区域，再复制到剪贴板中（使用CTRL+C），然后在R中键入命令mydata-read.delim(clipboard)ggplot2绘图•Reference：•ggplot2数据分析与图形艺术。简单、优雅ggplot2绘图示例快速开始~一个简单的例子•library(ggplot2)•data(package='ggplot2')•head(diamonds)•p-ggplot(diamonds,aes(x=carat))•p+geom_histogram(binwidth=0.1,aes(fill=cut),position='dodge')+xlim(0,3)+coord_flip()+facet_grid(.~cut)基本概念•数据（Data）和映射（Mapping）•标度（Scale）•几何对象（Geometric）•统计变换（Statistics）•坐标系统（Coordinate）•图层（Layer）•分面（Facet）数据（Data）和映射（Mapping）•将数据中的变量映射到图形属性。映射控制了二者之间的关系。xycolor23a12q45b910blengthwidthdepthtrt234a121a4515b91080b标度（scale）•标度负责控制映射后图形属性的显示方式。具体形式上来看是图例和坐标刻度。Scale和Mapping是紧密相关的概念。XYColor23a12a45b910bXYColor2511red00red7553blue200300blue几何对象（Geometric）•几何对象代表我们在图中实际看到的图形元素，如点、线、多边形等。geom_point()绘制散点图geom_smooth()拟合一条平滑曲线geom_boxplot()绘制箱线图geom_path()和geom_line()绘制数据之间的连线对于一维连续变量：geom_histogram()绘制直方图geom_density()绘制密度曲线对于一维离散变量:geom_bar()绘制条形图•一般用法：geom_xxx(mapping,data,binwidth,...,postion)统计变换（statistics）•对原始数据进行某种计算，例如对二元散点图加上一条回归线。坐标系统（Coordinate）•坐标系统控制坐标轴幵影响所有图形元素，坐标轴可以进行变换以满足不同的需要。图层（Layer）•数据、映射、几何对象、统计变换等构成一个图层。图层可以允许用户一步步的构建图形，方便单独对图层进行修改。分面（Facet）•条件绘图，将数据按某种方式分组，然后分别绘图。分面就是控制分组绘图的方法和排列形式。直方图分解步骤•library(ggplot2)•data(package='ggplot2')•head(diamonds)•p-ggplot(diamonds,aes(x=carat))•p+geom_histogram()•p+geom_histogram(binwidth=0.3)•p+geom_histogram(binwidth=0.3,aes(fill=cut))•p+geom_histogram(binwidth=0.3,aes(fill=cut),position='dodge')+xlim(0,3)•p+geom_histogram(binwidth=0.3,aes(fill=cut),position='fill')+xlim(0,3)•p+geom_histogram(binwidth=0.3,aes(fill=cut),position='stack')+xlim(0,3)•##position的三种类型为：’dodge’(并列);’stack’(堆叠);fill(填充)•p+geom_histogram(binwidth=0.1,aes(fill=cut),position='dodge')+xlim(0,3)+coord_flip()•p+geom_histogram(binwidth=0.1,aes(fill=cut))+xlim(0,3)+coord_flip()+facet_grid(.~cut)•p+geom_histogram(binwidth=0.3,aes(fill=cut),position='dodge')+xlim(0,3)+ggtitle('直方图')+xlab('CARAT')+ylab('COUNT')柱形图•p-ggplot(mpg,aes(x=manufacturer))•p+geom_bar(aes(fill=factor(year)),position=dodge)•p+geom_bar(aes(fill=factor(year)),position=dodge)+theme(axis.text.x=element_text(hjust=1,angle=45))05101