123.R简介和统计绘图
123R简介和统计绘图
本节作者：刘永鑫 中国科学院遗传与发育生物学研究所；陈同 中国中医科学院
版本1.0.2，更新日期：2020年8月31日
本项目永久地址：https://github.com/YongxinLiu/MicrobiomeStatPlot ，本节目录 123R，包含R markdown(*.Rmd)、Word(*.docx)文档、测试数据和结果图表，欢迎广大同行帮忙审核校对、并提修改意见。提交反馈的三种方式：1. 公众号文章下方留言；2. 下载Word文档使用审阅模式修改和批注后，发送至微信(meta-genomics)或邮件(metagenome@126.com)；3. 在Github中的Rmd文档直接修改并提交Issue。审稿人请在创作者登记表 https://www.kdocs.cn/l/c7CGfv9Xc 中记录个人信息、时间和贡献，以免专著发表时遗漏。
本文教程的源代码见123R简介和统计绘图.Rmd，实战代码详见R.Rmd。
为什么要学习R
图. R常用图形 https://www.r-graph-gallery.com/
为什么选择R？
多领域的资源， CRAN收录16170个R包 (20年9月1日)，涵盖了统计学、经济学、生态学、进化生物学、生物信息学、物理、化学等多学科。
跨平台， R可在多个主流操作系统下运行，包括Windows、MacOS和Linux。
命令行驱动 R即时解释，输入命令，即可获得相应的结果，满足在绘图中及时修改的需要。
R语言优势
统计分析能力突出，部分统计功能整合在R语言的底层，但大多数数据分析和可视化功能则以包(packages)的形式提供，资源极其丰富
R具有强大的数据可视化能力，高质量的图像输出工具以及多种现代绘图系统：
如grid， lattice， ggplot2等
扩展和开发能力，在R中可使用简洁的方式编写新的统计方法，甚至整合进其他语言编写的应用程序内。
也可以编制自己的函数，或制作独立的统计分析包，快速实现新算法
灵活，作为一种平台，方便与其他工具整合，实现数据分析流程化
自由、免费、源代码开放，与多数商业统计软件相比，R是完全免费的，它囊括了在其他软件中尚不可用的且先进的统计计算例程(类似于函数，但含义更为丰富，如API接口)，是一个可进行交互式数据分析和探索的高自由度平台
R语言缺点
学习曲线陡峭：
因为其功能丰富，导致对应帮助文件较多，而由独立贡献者编写的部分模块则较零散难以完全掌握，初学者刚开始与代码打交道，需要记住大量常用命令，无疑提高学习难度。
需要大量计算资源：
所有的待处理数据通常需要全部读入内存后才能处理，因此不适合分析超大规模的数据。
运行速度稍慢：
即时编译，效率约相当于C语言的1/20。
R排名
图. R语言世界使用率2020年8月排名 https://www.tiobe.com/tiobe-index/
目前R语言是世界上最受欢迎的10大语言之一。而且近些年始终处于上升阶段，截止2020年8月位于用户使用率榜单的第8位，较去年同期使用人数近乎翻倍。特别是在生命科学领域，被认为是使用频率最高的语言。其用户主要集中于专业领域，目前在移动设备、网页中使用率较低，但随着云端计算平台的发展，便携式移动端也是R未来的发展方向。
R语言统计绘图实战
R软件下载安装
R语言 https://www.r-project.org
Rstudio编程集成开发环境(IDE，Integrated Development Environment) https://www.rstudio.com
RStudio是一款R语言的IDE，R自带的环境操作较为复杂，而RStudio很好地解决了该问题，而且它还具有调试、可视化等功能，支持纯R脚本、Rmarkdown (脚本文档混排)、Shiny (交互式网络应用)等。
具体安装和配置步骤，详见：
121个人电脑搭建微生物组分析平台(Win/Mac)
图. RStudio界面。主要分为4个区域。
左上-代码编辑区：
编辑和修改代码并可及时保存，也可以对单行或选择区域运行特定代码，减少代码复制粘贴的操作。
右上-环境变量/历史区：
环境(Environment)面板显示当前加载的函数和变量的基本信息，如类型、维度等，还可以鼠标点击查看详细信息，点击数据表会在代码编辑区创建新面板预览。
历史面板则显示之前运行过的所有代码和操作。
左下-代码执行区：
可以随时在此处执行代码，在代码编辑区选择并运行的代码也会显示在此处。
右下-文件/图形预览区：
文件(Files)面板是一个资源管理器，可以浏览文件并打开，在RStudio server版本中还有文件上传和下载的功能。
绘图(Plots)面板为图形预览区，可显示绘图代码的结果，还提供了图片放大，保存为指定尺寸和类型的功能。
包(Packages)面板显示己安装的包，并可手动勾选加载或卸载，也可以进行包的安装和升级。
R语言包安装
R包主要来源CRAN，Bioconductor和Github三个网站。
CRAN包安装
CRAN是R官方包的发布网站，安装方法如下：以绘图包ggplot2为例。
install.packages("ggplot2")R包默认覆盖安装，反复运行上述代码会多次下载该包并重新安装，不仅非常浪费时间，而且有时还会破坏原有包导致无法正常使用。推荐大家安装包时采用如下条件判断方法安装：即使用requireNamespace()函数判断目标包是否存在，如不存在时才安装。
if (!requireNamespace("ggplot2", quietly=TRUE))install.packages("ggplot2")在RStudio中默认使用美国数据源，如果下载慢，可指定国内镜像，如清华、中科大等离自己物理距离较近的国内镜像仓库。
图. R包安装源的选择。选择Tools菜单 —— Global Options选项，按上图标识顺序切换为国内源。
也可以在代码层面指定安装源，如清华镜像源”https://mirrors.tuna.tsinghua.edu.cn/CRAN"。
site="https://mirrors.tuna.tsinghua.edu.cn/CRAN"
if (!requireNamespace("ggplot2", quietly=TRUE))install.packages("ggplot2", repos=site)CRAN来源包的菜单安装
使用RStudio中的包管理页面安装：
选择右下角 Packages选项卡，
点击Install；
输入包名，会有提示，可供选择；
点击Install安装。
Bioconductor包安装
Bioconductor是专门发布生信相关R包的网站，目前已经发了1903个R包。
网址：https://bioconductor.org
安装Bioconductor的包，需要先安装CRAN来源的BiocManager包，此处以edgeR为例。注：edgeR是当前较流行的具有测序数据差异比较功能的R包。
# 检查BiocManager包是否存在，不存在则安装
if (!requireNamespace("BiocManager", quietly = TRUE))install.packages("BiocManager")
# 使用BiocManager安装Bioconductor的包
if (!requireNamespace("edgeR", quietly = TRUE))BiocManager::install("edgeR")Github的R包安装
CRAN和Bioconductor内都是经过检测正式发布的R包。还有很多临时、或正在开发中的包只存在Github，如果需要使用这些R包，我们可以使用开发者工具devtools进行安装。
安装Github的R包，输入名称由用户名和包名两部分组成。以我编写的amplicon包为例，保存于github中的microbiota用户下，其提供了扩增子分析常用统计分析和绘图样式的函数。
# 检查devtools是否存在，没有则安装
if (!requireNamespace("devtools", quietly = TRUE))install.packages("devtools")
# 加载devtools
library(devtools)
# 判断amplicon是否存在，没有使用devtools安装
if (!requireNamespace("amplicon", quietly = TRUE))devtools::install_github("microbiota/amplicon")此外，很多R包的最新版，也都在github上保存，想要体验最新版本的功能，也可查找软件的github仓库位置并采用上述方法安装所需版本。
注意：R的源码方式安装，有时还需要额外安装Rtools。Windows版本下载链接：https://cran.r-project.org/bin/windows/Rtools/
R数据基本类型
数值型 (numeric)：
1, 2, 3, 5.1, 6.6, 1e5等 (绘图时一般作为连续变量对待)
字符型 (character)：
”yongxin”, “meta-genome”, ‘yi sheng xin’ (单个或多个字母或其他符号的组合，需要用引号括起)
逻辑型 (logical)：
TRUE, FALSE （布尔值），通常缩写为T和F
缺失值：
NA, NaN, Inf
空值：
NULL
图. R语言数据结构。向量(vector)、矩阵(matrix)、数组(array)、数据框(data frame / table)、列表(lists)
图. 向量(vector)、列表(lists)、矩阵(matrix)、数据框(data frame / table)的索引方式
向量(vector)
向量存储相同的数据类型。如果有字符型元素，所有元素都转换为字符型。
is.atomic() 判断是否为向量。
is.vector() 判断没有属性或仅有names属性的向量为真(TRUE)
a <- c(1,2,3,4)
# 判断一个变量是不是vector
is.vector(a)
is.atomic(a)因子(factor)
因子是节省存储空间的特殊类型，适用于存在较多重复值情况。每个原值只存储一份，在原数据中用数字表示。去重后的原值被称为水平 (level)，可以修改顺序。绘图时调整顺序就是使用的这个。
a <- c('y','i','s','h','e','n','g','x','i','n')
b <- as.factor(a)
# 注意levels默认是字母顺序
b更改因子的顺序
# 设置levels
b <- factor(a,levels=c("y","x","s","e","g","i","h","n"),ordered=T)
b矩阵(matrix)
矩阵是二维的数组(array)，所有元素都是相同类型。可以使用[row, col]索引。
常用矩阵相关函数：
dim()：
获取矩阵的维数
rowSums(), colSums()：
获取行列加和
max(), min()：
获取最大、最小值
# 矩阵
a <- matrix(1:20,nrow=5,ncol=4,byrow=T)
a
a[3,4]列表(list)
列表是不同类型的变量组合在一起，常用于存储各种复杂类型函数或绘图的输出数据。
ysx_list <- list(web="www.ehbio.com/Training",staff=c("LYX","CL","ZX","CT"),contentL=list(R=c("basic","plot"),Linux=c("basic","windows")))
ysx_list数据框(dataframe)
数据框，子列表长度一致的特殊list，具有list和matrix的双重特性，通常与matrix可互换。
若在程序运行时碰到”‘x’ must be matrix”，需要做下as.matrix转换；若是”‘x’ must be data.frame”，需要做下as.data.frame转换。这里的x是你提供的数据变量。
a <- data.frame(staff=c("CT","YX","ZX","CL"),unit=c("Ehbio","IGDB","IM","IM"))R数据类型 – 查看
storage.mode 查看变量在内存中存储的方式
class 查看对象所属的类
mode 查看对象的类型
typeof 查看对象的类型
str 查看数据结构
summary 查看数据内容总结
查看数据类型
mode(a)
class(a)
typeof(a)
storage.mode(a)
mode(ysx_list)
class(ysx_list)
class(ysx_list$web)
storage.mode(class(ysx_list$web))
class(ysx_list$staff)
storage.mode(ysx_list$staff)
typeof(2)
typeof(as.integer(2))R数据读写
read.table读入数据存储为数据框
df <- read.table("metadata.txt", header=T, row.names=1, sep="\t",stringsAsFactors=T)
head(df)read.table常用的4个参数。输入文件；标题行(header)，可选T/F；行名(row.names)，默认为NULL，通常指定第一列(1)；分隔符(sep)默认为空，通常要指定制表符(\t)或分号(;)。
其他常用参数：
跳过注释行：
comment.char = “#”，如果表头包含#且需要读入，可改为空””。
是否转换为因子：
在3.x版本时默认转换，在4.x时默认不转换，想要转换为因子，需要使用stringsAsFactors=T自动转换。
更多帮助查看?read.table。
write.table写数据框或矩阵到文件
write.table(df, file="metadata.tsv", append=F, quote=F, sep="\t", row.names=T, col.names=T)write.table常用的参数。
要保存的变量(x)
输出文件名(file)，要使用双引号；
追加写入(append)：
默认(F)不追加，没文件创建新文件；
有文件时将覆盖；
想要多次累计写入改为T；
引号(quote)：
默认为T，每个单元格加双引号，建议改为F；
分隔符(sep)默认为空格，通常要指定制表符(\t)或分号(;)；
换行符(eol)：
默认为linux换行符(\n)，当不需要换行时可改为空””；
行名(row.names)，默认为T，不需要使用F，否则会出现1/2/3的行编号；
列名(col.names)，默认为T，不需要使用F；
统计t-test/anova
t-test两组比较
我们先随机生成两组数据，然后用T检验进行显著性分析。
# rnorm生成以0为均值，1为标准差的10个数
A = rnorm(10)
# rnorm生成以3为均值，1为标准差的10个数
B = rnorm(10, 3, 1)
# t检验
t.test(A, B)anova多组比较
data(iris) # 加载R内容测试数据——鸢尾花数据
head(iris) # 显示数据格式
# anova统计不同物种花萼长宽数据
model = aov(Sepal.Length ~ Species, data=iris)
Tukey_HSD <- TukeyHSD(model, ordered = TRUE, conf.level = 0.95) # TukeyHSD检验
# 显示统计结果
Tukey_HSD$Species箱线图展示组间差异
library加载ggplot2包，采用内置鸢尾花数据绘制箱线图，并用ggsave保存为指定大小的PDF矢量图。
library(ggplot2)
# ggplot命令绘图，指定数据、x、y、颜色、图表类型
(p = ggplot(iris, aes(x=Species, y=Sepal.Length, color=Species)) +geom_boxplot())
# ggsave保存图片
ggsave(paste0("26boxplot.pdf"), p, width=89, height=59, units="mm")
更多ggplot2的内容，请阅读ggplot2作者Hadley Wickham编写的《ggplot2 Elegant Graphics for Data Analysis》。此书2016年由Springer出版，目前已经被引用2万余次。本书的最新版及源代码详见：https://github.com/hadley/ggplot2-book
此外公众号也分享过学习ggplot2绘图基础笔记如下，供参考：
ggplot2高效实用指南 (可视化脚本、工具、套路、配色)
ggplot2地理信息可视化 上 下
1初识ggplot2绘制几何对象
2图层的使用—基础、加标签、注释
3工具箱—误差线、加权数、展示数据分布
4语法基础
5通过图层构建图像
6标度、轴和图例
7定位-分面和坐标系
8主题设置、存储导出
9绘图需要的数据整理技术
ggThemeAssist：鼠标调整ggplot2主题，不用再记这些代码啦！
不需要懂得编程，但却可以使用ggplot2画出论文级别的图？esquisse
ggplot版本的华夫饼图吧
参考文献
ggplot2 Elegant Graphics for Data Analysis https://github.com/hadley/ggplot2-book
宏基因组R相关教程 https://mp.weixin.qq.com/s/5jQspEvH5_4Xmart22gjMA
生信宝典R系列教程 http://mp.weixin.qq.com/s/i71OMaUu6QtcY0pt1njHQA
责编：刘永鑫 中科院遗传发育所
版本更新历史
1.0.0，2020/8/30，刘永鑫，初稿
1.0.1，2020/8/31，吴翔宇 宁波大学，全文校对
1.0.3，2020/8/31，刘永鑫，整合校对
猜你喜欢
10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑
系列教程：微生物组入门 Biostar 微生物组 宏基因组
专业技能：学术图表 高分文章 生信宝典 不可或缺的人
一文读懂：宏基因组 寄生虫益处 进化树
必备技能：提问 搜索 Endnote
文献阅读 热心肠 SemanticScholar Geenmedical
扩增子分析：图表解读 分析流程 统计绘图
16S功能预测 PICRUSt FAPROTAX Bugbase Tax4Fun
在线工具：16S预测培养基 生信绘图
科研经验：云笔记 云协作 公众号
编程模板: Shell R Perl
生物科普: 肠道细菌 人体上的生命 生命大跃进 细胞暗战 人体奥秘
写在后面
为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外5000+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份，另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍未解决群内讨论，问题不私聊，帮助同行。
学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”
点击阅读原文，跳转最新文章目录阅读
123.R简介和统计绘图相关推荐
- dataframe第二列 r语言_123.R简介和统计绘图
123R简介和统计绘图 本节作者:刘永鑫 中国科学院遗传与发育生物学研究所:陈同 中国中医科学院 版本1.0.2,更新日期:2020年8月31日 本项目永久地址:https://github.com/ ...
- R统计绘图-PCA详解1(princomp/principal/prcomp/rda等)
此文为<精通机器学习:基于R>的学习笔记,书中第九章详细介绍了无监督学习-主成分分析(PCA)的分析过程和结果解读. PCA可以对相关变量进行归类,从而降低数据维度,提高对数据的理解.分析 ...
- R统计绘图-One-Way MANOVA
存在两个及以上连续结果(或响应)变量的ANOVA被称为多变量方差分析(Multivariate Analysis of Variance,MANOVA).例如,将小鼠分为处理A和处理B两组后,测量小鼠 ...
- R统计绘图 | 物种组成冲积图(绝对/相对丰度，ggalluvial)
一.数据准备 数据使用的不同处理土壤样品的微生物组成数据,包含物种丰度,分类单元和样本分组数据.此数据为虚构,可用于练习,请不要作他用. # 1.1 设置工作路径 #knitr::opts_knit$ ...
- R统计绘图-corrplot热图绘制细节调整2(更改变量可视化顺序、非相关性热图绘制、添加矩形框等)
上一篇文章推送的是怎样调整corrplot热图的可视化参数,以修改字符和图例位置,数据可视化形式和字符小大和颜色等这篇是一个补充部分,记录怎样修改参数以变量排序方式和突出部分数据.本流程还是使用R统计 ...
- R统计绘图-VPA(变差分解分析)
变差分解分析(Variance Partitioning Analysis)可用于确定指定环境因子对微生物(原生生物/植物/动物等等)群落结构变化的解释比例.要计算指定环境因子与群落结构的相关性,就需 ...
- R统计绘图 | 物种组成堆叠柱形图(绝对/相对丰度)
一.数据准备 数据使用的不同处理土壤样品的微生物组成数据,包含物种丰度,分类单元和样本分组数据.此数据为虚构,可用于练习,请不要作他用. # 1.1 设置工作路径 #knitr::opts_knit$ ...
- R统计绘图-变量分组相关性网络图(igraph)
一.数据准备 数据是21个土壤样本的环境因子,细菌和真菌丰度数据. library(tidyverse) library(igraph) library(psych) ### 1.1 观测-变量数据表 ...
- R统计绘图 | 物种组成堆叠面积图(绝对/相对丰度，ggalluvial)
一.数据准备 数据使用的不同处理土壤样品的微生物组成数据,包含物种丰度,分类单元和样本分组数据.此数据为虚构,可用于练习,请不要作他用. # 1.1 设置工作路径 #knitr::opts_knit$ ...
最新文章
- 南京大学计算机考研机试,2018南大CS考研机试答案
- 随机生成6位图片验证码
- bash . dot using
- Oracle技术之和分区表相关的一点总结（三）
- 分布式session之token解决方案实现
- SAP UI5 初学者教程之十二 - 使用 CSS 类对 UI 进行进一步美化试读版
- CustomValidator
- python模拟上传多张图片
- OJ、ACM提交常见错误类型
- React 高级应用 -- 错误边界 Error Boundaries
- sublime theme color
- 《高频交易》读书笔记
- pycharm改变匹配括号的颜色
- [腾讯社区开放平台]介绍开放授权协议-OAuth
- 1.2.1 数据库系统特点
- 大型分布式数据库集群的研究
- 2022-D^3CTF-Web-Writeup
- 软件工程画图专项练习
- 【无人机学习】Mission Planner（pc端）和QGroundControl（android端）
- Java jdk14.0.1安装简单步骤