R语言作业-初级10题

dandanwu90
2019年4月9日

清空一下环境再开始

rm(list = ls())

Q1: 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(1,2,3)
a2=c("1","2","3","4","5")
a3=c(T,F,T,F)

Q2: 告诉我在你打开的rstudio里面 getwd() 代码运行后返回的是什么？

getwd()
#[1] "/Users/wudandan/Desktop"

Q3: 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);
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4，6列

ma=matrix(1:24,ncol=6)
ar=as.array(ma)
ad=as.data.frame(ma)
al=list(ma)

ad[c(1,3),c(4,6)]
ad[1,]
ad[,4]

Q4: 使用data函数来加载R内置数据集 rivers 描述它。并且可以查看更多的R语言内置的数据集：https://mp.weixin.qq.com/s/dZPbCXccTzuj0KkOL7R31g

?rivers
rivers
data(rivers)

Q5: 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，如果你找不到RunInfo Table 文件，可以点击下载，然后读入你的R里面也可以。

down_load=read.csv('SraRunTable.txt',header = T,sep='\t')
dim(down_load)
mode(down_load$BioSample)

Q6: 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。（参考 https://mp.weixin.qq.com/s/fbHMNXOdwiQX5BAlci8brA 获取样本信息sample.csv）如果你实在是找不到样本信息文件sample.csv，也可以点击下载。

library(GEOquery)
?getGEO()
gset=getGEO(GEO="GSE111229",AnnotGPL = FALSE,getGPL = FALSE)
gset=gset[[1]]
pdata=pData(gset)
class(pdata)
View(pdata)
dim(pdata)
colnames(pdata)

Q7: 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。

merge_data=merge(pdata,down_load,by.x='geo_accession',by.y='Sample_Name')
#加戏日常：这几个有啥用？
?match
?merge
?with
?join
%in%

Q8: 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(down_load$MBases)
fivenum(down_load$MBases)
hist(down_load$MBases)
plot(density(down_load$MBases))

Q9: 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

library(stringr)
plate=as.data.frame(str_split(merge_data$title,pattern = '_',simplify = TRUE)[,3])
colnames(plate)='plate_a'
rownames(plate)=rownames(pdata)
down_load$plate_a=plate$plate_a
colnames(down_load)
#### 加戏日常：删除指定的列：根据列坐标删除；根据列名删除
# down_load=down_load[,-32]
# down_load2=subset(down_load,select=-age)

Q10: 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(down_load$MBases~down_load$plate_a)

Q11: 分组绘制箱线图(boxplot)，频数图(hist)，以及密度图(density) 。
使用ggplot2把上面的图进行重新绘制。
使用ggpubr把上面的图进行重新绘制。

boxplot(MBases~plate_a,data=down_load,frame= FALSE,border = c("#E69F00", "#56B4E9"))
library(ggplot2)
ggplot(down_load, aes(x=plate_a, y=MBases)) + geom_boxplot()
ggplot(down_load, aes(x=MBases,color=plate_a)) +geom_histogram()
ggplot(down_load, aes(x=MBases,color=plate_a)) +geom_density()

library(ggpubr)
ggboxplot(down_load, x="plate_a", y="MBases", color = "plate_a",palette = c("#00AFBB", "#E7B800"), shape="plate_a")
gghistogram(down_load, x="MBases", add = "mean", rug = TRUE,bins = 80, color = "plate_a", fill = "plate_a",palette = c("#00AFBB", "#E7B800"))
ggdensity(down_load, x="MBases", add = "mean", rug = TRUE, color = "plate_a", fill = "plate_a",palette = c("#00AFBB", "#E7B800")) 
#加戏日常，绘制小提琴图
ggviolin(down_load, x="plate_a", y="MBases", fill = "plate_a",palette = c("#00AFBB", "#E7B800"),add = "boxplot", add.params = list(fill="white"))

Q12 :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。

down_load3=subset(down_load,select=c(plate_a,MBases))
down_load4=down_load3[sample(nrow(down_load3),384),]