一、前言

好难受，今天的R崩了、昨天才安装的包怎么报错了、为啥我装了这个包没反应，什么鬼怎么又乱码了。这玩泥巴(╯‵□′)╯︵┻━┻

不行要佛系生活，好久没写简书了，还是来整理下代码吧┬—┬ノ('-'ノ)

二、常见的生信分析代码整理

今天要说的事如题，这些都是本人完成的流程中非常常见的R代码，以下一一整理并为其注释，没事就经常翻阅这些代码瞧瞧。

不过话说回来，R真的好垃圾啊(／‵Д′)／~ ╧╧

老板来了，我永远喜欢R语言┬─┬ ノ( ' - 'ノ)

1.系统读写相关

设置工作路径

设置工作路径，大家习惯打开R程序，而不是在固定的位置打开R，那么很有可能你就要设置工作路径，这样做的目的是为了节省语句。注意一下，这是/左斜杠，windows下复制路径是\斜杠，新人老容易犯这个错误

setwd("D:/R")

读取文件

读取txt文件，./为当前路径，与OS文件读取方法类似，参数sep = "\t"为以TAB制表符区分行列，comment.char = "#"为#号为注释内容，stringsAsFactors = F 为取消字符串转换为因子，header = T为有表头，fill=TRUE 如果为true，则在行长度不相等的情况下，将隐式添加空白字段。./是指当前目录下的Human_ppi_symbol_2019_7.txt文件，当然也可以写绝对路径。

a

写入文件

写入txt文件,不指定路径则为当前路径下创建,学会举一反三，参数有很多，这里并不能写出所有，因此建议大家用?write.table查阅文档，当你不懂这个函数有什么参数的时候，就强烈建议？+函数名来查阅文档，我就是这么学习的。

write.table(Gene, 'Gene.txt',sep = '\t', quote=F, row.names=F)

2.数据筛选相关

挑选特定的行和列

很多时候我们需要筛选数据，最常见的比如我希望得到某一列的固定逻辑的数据(我这里以大于900的数据为例)，写法是这样的:

筛选大于900分的行，以a[x,y]为基础，a$为catch住含有名为“combined_score”的列，>900为筛选逻辑，前提要求数据类型为数字，得到数据

这句话应该这样解析，a$combined_score > 900是逻辑值，返回True和Flase，你也可以理解为返回了对应的行数，那么我们只要把这个行数再赋值给a[x,y]中的x，那么得到的就是含有大于900的所有a 的x行。

a = a[a$combined_score > 900,]

取消科学计数法

取消科学计数法，有一些基因表达量太小或者p.Value太小，会用科学技术进行计算，担心后面筛除的时候会丢失

options(scipen = 400)

筛选同时满足两个要求的数据

筛选同时满足P.Value < 0.05 和 logFC > 0.5的行，因为logFC有负数，可用abs绝对值化，这句话及上句都常用在做出来的DEG(差异表达基因)中

DEG_sort_p 0.5,]

常用语句

统计行列

dim(变量名)

行名称更换

row.names(DEG_sort_p) = DEG_sort_p[,1]

把DEG_sort_p中的差异基因提出来，制作成一个data.frame

diff_Gene = data.frame(Gene=rownames(DEG_sort_p))

这里是蛋白互作的关键合并步骤，第①步，把基因中含有该蛋白的“protein1“merge得到

Gene1=merge(diff_Gene, String_hsa_PPIs_Symbol1, by.x = "Gene",by.y = "protein1",all=FALSE)

判断蛋白基因是否在全在基因里，返回真假值为True

table(Gene$Gene%in%DEG_sort_p$DEG)

unique是去掉基因名字重复的基因，只保留一个,保留有效基因

Gene=unique(data.frame(Gene=Gene[,2]))

判断蛋白基因是否在全在基因里，返回真假值210122为True

table(Gene$Gene%in%DEG_sort_p$DEG)

unique是去掉基因名字重复的基因，只保留一个,保留有效基因

Gene=unique(data.frame(Gene=Gene[,2]))

简单粗暴的合并行

Gene=rbind(Gene,diff_Gene)

把重复基因的行去掉

Gene=unique(Gene)

重命名行

colnames(data2)=c("Gene1","Gene2","score")

把data2的第一列变成character格式，这样做的意义是有一些包要求输入进入格式是这种数据类型，

as.array()、as.data.frame()、as.matrix()、as.numeric()

data2$Gene1

自创代码：阅读当前目录下所有文件，如果里面包含GSE名称的文件夹，则提取出，进而阅读里面包含exp_matrix的表达矩阵并进行merge合并，要求这些GSE都是基于相同平台。意思是，当前目录下有N个GSE文件夹，这些文件夹里面有各自已经完成好的表达矩阵，把这些表达矩阵都取出来并进行merge合并成为一个大矩阵，适合做数据合并用。

dir = list.dirs()

# 筛出路径中包含GSE的文件夹

GSE_dir = dir[grep("GSE",dir)]

# 循环获取目录，要求根目录下必须含有GSE的文件夹，GSE文件夹内含有exp_matrix名称的表达矩阵，要求表达矩阵是相同平台，输出变量名为GSE_all

for (index in 1:length(GSE_dir)){

if (index == 1){

GSE_all

GSE_name = strsplit(GSE_dir[index],"./", fixed = FALSE, perl = FALSE, useBytes = FALSE)

print(GSE_name[[1]][2])

}

if (index >= 2){

GSE_data

GSE_all = merge(GSE_all,GSE_data,by.x = "Symbol",by.y = "Symbol")

GSE_name = strsplit(GSE_dir[index],"./", fixed = FALSE, perl = FALSE, useBytes = FALSE)

print(GSE_name[[1]][2])

}

}

优雅的增加一行，把行名称加回去

GSEall_DEG_sort_p$Symbol = rownames(GSEall_DEG_sort_p)

求平均的函数，敲重要

meanfun

x1

colnames(x1)

for (i in 2:ncol(x)){

x2

x2[,2]

colnames(x2)

x1

}

return(x1)

}