R语言练习题-初级

资料来源：http://www.bio-info-trainee.com/3793.html

R语言基础知识的一些检验，最好是对照几本R基础语法书籍来理解。

全部答案及视频在：https://github.com/jmzeng1314/R_bilibili

# 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）
v1 = c(1, 2, 7, -4, 5)              ### "numeric"
v2 = c("Rice", "Wheat")             ### "character"
v3 = c(9:17)                        ### "integer"
v4 = c(1+0i, 2+4i)                  ### "complex"
v5 = c(TRUE, TRUE, FALSE, TRUE)     ### "logical"
v6 = c( "Hello" )
#函数class()，查看数据类型 

# 3.getwd()返回的是当前的工作目录
getwd()

# 4.新建5个其它数据结构，矩阵，数组，数据框，列表，因子（重点是数据框，矩阵）
m1 = matrix( c('a','a','b','c','b','a'), nrow = 2, ncol = 3, byrow = TRUE)
a1 = array(1:24,dim = c(2,3,4))
df = data.frame(
  gender = c("Male", "Male", "Male","Female","Male","Female"), 
  height = c(152, 171.5, 165, 158, 181.5, 175), 
  weight = c(81,93,78,45,32,65),
  Age = c(42,38,26,45,32,65))
newlist = list(v1,v2,v3,v4,v5)
newfactor <- factor(letters[1:20], labels = "letter")


# 5.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2，4列
df[c(1,3),]
df[,c(2,4)]

# 6.使用data函数来加载R内置数据集 rivers 描述它。
data('rivers')
rivers

# 7.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。
RunInfoTab <- read.csv('SraRunTable.txt',row.names = 1,sep = '\t')
dim(RunInfoTab)
nrow(RunInfoTab)
ncol(RunInfoTab)
str(RunInfoTab)


# 8.下载 https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE111229 里面的样本信息
#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。
#方法1：
options(stringsAsFactors = F)
GEO=read.csv('sample.csv')
nrow(GEO)
ncol(GEO)
class(GEO)
str(GEO)

#方法2：
# 函数getGEO的下载方法
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
BiocManager::install('GEOquery')
library(GEOquery)                       #加载GEOquery这个包
GEOdata<-getGEO('GSE111229',getGPL = F) 
#使用getGEO函数下载数据,GPL文件注释一般比较大，不下载
save(GEOdata,file='GEOdata.Rdata') 
load("GEOdata.Rdata")                   #导入数据
pdata<- pData(GEOdata[[1]]) 
#pData()函数可以调用实验设计的相关内容
class(pdata)
dim(pdata)
colnames(pdata) #geo_accession就是样品名

# 9.把两个表关联起来，使用merge函数。
?merge() 
###by.x = 'Sample_Name',by.y = 'Accession'这里的Sample_Name与Accession必须代表同样的数据！
identical(RunInfoTab$Sample_Name , GEO$Accession)  #此处2列的行数不一致，但内容一致
d=merge(RunInfoTab,GEO,by.x = 'Sample_Name',by.y = 'Accession')
e=d[,c("MBases","Title")]
save(e,file = 'input.Rdata')

# 10.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) 。
rm(list = ls())
options(stringsAsFactors = F)
load(file = 'input.Rdata')
View(e)
boxplot(e$MBases)
fivenum(e$MBases)
hist(e$MBases)
plot(density(e$MBases))

# 11.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
e[,2]
plate=unlist(lapply(e[,2],function(x){
  # x=e[1,2]
  x
  strsplit(x,'_')[[1]][3]  #中括号的理解
  
}))

table(plate)
###plate
#0048 0049 
#384  384 

# 12.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。
e$plate=plate
t.test(e[,1]~plate)
#data:  e[, 1] by plate
#t = 2.3019, df = 728.18, p-value = 0.02162


# 13.分组绘制箱线图(boxplot)，频数图(hist)，以及密度图(density) 。
boxplot(e[,1]~plate)


# 14.使用ggplot2把上面的图进行重新绘制。
library(ggplot2)
colnames(e)
ggplot(e,aes(x=plate,y=MBases)) +
  geom_boxplot()                      #boxplot

e$plate=factor(e$plate) #将plate转换为因子类型
ggplot(e,aes(x=MBases))+
  geom_histogram(fill='pink',colour='blue')+
  facet_grid(. ~plate)                #hist

ggplot(e,aes(x=plate,y=MBases))+
  geom_point() +
  stat_density2d(aes(alpha=..density..),geom="raster",contour=F)   #density


# 15.使用ggpubr把上面的图进行重新绘制。
library(ggpubr)
p <- ggboxplot(e, x = "plate", y = "MBases",
               color = "plate", palette = "jco",
               add = "jitter")
p+stat_compare_means(method = 't.test')

# 16.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。
newdat<- sample (e$MBases, 384, replace = FALSE)
data1 <- e[newdat, ]
data2 <- data1[,c(3,1,2)]
dim(data2)

感谢Jimmy老师，以及生信技能树团队的资源!!!