Tidyverse

数据读取

library(tidyverse)

reader 支持 7 中文本格式，但是常用的读取命令主要有如下三个

read_csv(): comma separated (CSV) files read_tsv(): tab separated files read_delim(): general delimited files read_table(): tabular files where colums are separated by white-space.

read_*(file, col_names = TRUE, col_types = NULL, locale = default_locale(), na = c("", "NA"), quoted_na = TRUE, quote = "\"", comment = "", trim_ws = TRUE, skip = 0, n_max = Inf, guess_max = min(1000, n_max), progress = show_progress())

数据整理 tidy

所谓 tidy 的含义其实就是**每一列是一个变量 (variable)，每一行是一个观测结果 (observation)。**这个数据格式是后续使用 ggplot 等工具需要的默认格式。

• Each variable must have its own column.
• Each observation must have its own row.
• Each value must have its own cell.

行列数据格式不满足要求的情况

• 一个变量分布在不同的几列
• 一个观测值分布在不同的几行

数据由宽变长：gather()

gather(data, key, value, ..., na.rm = FALSE, convert = FALSE, factor_key = FALSE) #data：需要被转换的宽形表 #key：将原数据框中的所有列赋给一个新变量 key #value：将原数据框中的所有值赋给一个新变量 value #…：指定对哪些列进行操作 #na.rm：是否删除缺失值

# 下面的两种写法等效 peak是行名 不用动 所有是-peak tmp_tbl <- gather(tmp_data, key = "sample", value = "expression", -peak) tmp_tbl <- gather(tmp_data, key = "sample", value = "expression", c(2:6))

数据由长变宽 spread()

spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE, sep = NULL)

spread(tmp_tbl,key = "sample", value = "expression")

分列：separate

删除数据集中指定的行或列

删除第1到10行：df[-c(1:10), ] 删除第5到10列：df[ ,-c(5:10)]

按名字删除 无论行列，可以找出对应索引或构造相同长度TRUE/FALSE的向量，把不需要的行/列删除

-which(colnames(df) %in% c("a","b")) -grep("a|b",colnames(df)

T/F vector !colnames(df) %in% c("a","b") !grepl("a|b", colnames(df)) ————————————————

subset(df, select=-c(a,b)) dplyr::select(df, -c(a,b))