R语言作业（初级）

题目链接：http://www.bio-info-trainee.com/3793.html

1.打开 Rstudio 告诉我它的工作目录。

getwd()

2.新建6个向量，基于不同的原子类型。（重点是字符串，数值，逻辑值）

a1 <- c(1,2,5,7,9,12)
a2 <- seq(1,10)
a3 <- 'R_language'
a4 <- 3<1

class(a1)
class(a2)
class(a3)
class(a4)

3.新建一些数据结构，比如矩阵，数组，数据框，列表等重点是数据框，矩阵）

b1 <- matrix(1:10,nrow = 5)
b2 <- array(c('a','b','c'),dim = seq(2,4))
b3 <- data.frame(x=seq(1,12),y=LETTERS[1:12],Z=letters[1:12])
b4 <- list(x=seq(1,5),y=c('a','b','c'),z=rep(1:3,times=3))

class(b1)
class(b2)
class(b3)
class(b4)

4.在你新建的数据框进行切片操作，比如首先取第1，3行， 然后取第1,3列

b3[c(1,3),]
b3[,c(1,3)]

5.使用data函数来加载R内置数据集 rivers 描述它

data("rivers")
class(rivers)
head(rivers)
tail(rivers)
str(rivers)

6.下载 https://www.ncbi.nlm.nih.gov/sra?term=SRP133642 里面的 RunInfo Table 文件读入到R里面，了解这个数据框，多少列，每一列都是什么属性的元素。（参考B站生信小技巧获取runinfo table）这是一个单细胞转录组项目的数据，共768个细胞

setwd('C:/Users/42403/Documents')
data <- read.table('SraRunTable.txt',header = T,sep = '\t')
class(data)
dim(data)
str(data)
test=data[1:5,1:5]

7.下载 https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE111229 里面的样本信息sample.csv读入到R里面，了解这个数据框，多少列，每一列都是什么属性的元素。

setwd('C:/Users/42403/Documents')
data2 <- read.csv('sample.csv',header = T)
class(data2)
dim(data2)
str(data2)
test=data2[1:5,1:5]

8.把前面两个步骤的两个表（RunInfo Table 文件，样本信息sample.csv）关联起来，使用merge函数。

colnames(data)
colnames(data2)
data3 <- merge(data,data2,by.x = "Sample_Name",by.y = "Accession")
data3[1:5,1:5]

统计可视化基础

9.对前面读取的 RunInfo Table 文件在R里面探索其MBases列，包括箱线图(boxplot)和五分位数(fivenum)，还有频数图(hist)，以及密度图(density)

boxplot(data$MBases,main='boxplot')
fivenum(data$MBases)
plot(fivenum(data$MBases))
hist(data$MBases)
plot(hist(data$MBases),main = 'hist')
density(data$MBases)
plot(density(data$MBases),main='density')

10.把前面读取的样本信息表格的样本名字根据下划线分割看第3列元素的统计情况。第三列代表该样本所在的plate

data[1:5,1:5]
data2[1:5,1:5]
data2$Title[1]
class(data2$Title[1])
title=data2$Title
class(title)
title=as.character(title)
head(title)

试着用strsplit函数来一下

strsplit(title[1],split = '_')

提取一下元素

strsplit(title[1],split = '_')[[1]][3]

批量操作一下

plate=unlist(lapply(title, function(x){
  x
  strsplit(x,split = '_')[[1]][3]
}))
table(plate)

11.根据plate把关联到的 RunInfo Table 信息的MBases列分组检验是否有统计学显著的差异。

?t.test
t.test(data$MBases~plate)

12.分组绘制箱线图(boxplot)，频数图(hist)，以及密度图(density) 。

boxplot(data$MBases~plate)
#hist(data$MBases~plate)
#density(data$MBases~plate)
typeof(plate)
class(plate)

data4 <- data3[,c('MBases','Title')]
data4$plate=title
hist(data4$MBases)
plot(data4$MBases)
plot(density(data4$MBases))

13.使用ggplot2把上面的图进行重新绘制

library(ggplot2)
data4$plate=plate
colnames(data4)
ggplot(data4,aes(x=plate,y=MBases))+geom_boxplot()
ggplot(data4,aes(x=MBases)) + geom_histogram(fill="lightblue",colour="grey") + facet_grid(plate ~ .)
(plate ~ .)
ggplot(data4,aes(x=MBases,fill=plate))+geom_histogram()

13使用ggpubr把上面的图进行重新绘制

library(ggpubr)
ggboxplot(data4, x="plate", y="MBases", color = "plate", palette = "aaas",add = "jitter")+stat_compare_means(method = "t.test")
ggdensity(data4, x="MBases", fill = "plate", , color = "plate", add = "mean",palette = c(
  "#f4424e", "#41a6f4"))

14随机取384个MBases信息，跟前面的两个plate的信息组合成新的数据框，第一列是分组，第二列是MBases，总共是384*3行数据。

data5 <- data4[sample(nrow(data4),384),]
data5=data5[,c(3,1,2)]
data5[1:3,1:3]