library(stringr)# 构造示例数据    title <- c("A375 cells 24h Control rep1","A375 cells 24h Control rep2","A375 cells 24h Control rep3","A375 cells 24h Vemurafenib rep1","A375 cells 24h Vemurafenib rep2","A375 cells 24h Vemurafenib rep3"    )    title

 [1] "A375 cells 24h Control rep1"     "A375 cells 24h Control rep2"     [3] "A375 cells 24h Control rep3"     "A375 cells 24h Vemurafenib rep1" [5] "A375 cells 24h Vemurafenib rep2" "A375 cells 24h Vemurafenib rep3"

# 将每个元素按空格拆分，简化为矩阵    str_split(title, " ",simplify = TRUE)

      [,1]   [,2]    [,3]  [,4]          [,5]   [1,] "A375" "cells" "24h" "Control"     "rep1" [2,] "A375" "cells" "24h" "Control"     "rep2" [3,] "A375" "cells" "24h" "Control"     "rep3" [4,] "A375" "cells" "24h" "Vemurafenib" "rep1" [5,] "A375" "cells" "24h" "Vemurafenib" "rep2" [6,] "A375" "cells" "24h" "Vemurafenib" "rep3"

 str_split_i(title," ",4) #单独把第4个元素拆出来

 [1] "Control"     "Control"     "Control"     "Vemurafenib" "Vemurafenib" [6] "Vemurafenib"

1.2 内容定位和检测

# 将每个元素按空格拆分    title_words <- str_split(title, " ")# 取title_words的第一个元素作为后续的示例数据    title2 <- title_words[[1]]    title2

 [1] "A375"    "cells"   "24h"     "Control" "rep1"

# 检测每个元素是否包含h    str_detect(title2, "h")

 [1] FALSE FALSE  TRUE FALSE FALSE

1.3 替换和删除

# 将每个词中首次出现的 'o' 替换为 'A'    str_replace(title2, "o", "A")

 [1] "A375"    "cells"   "24h"     "CAntrol" "rep1"

# 删除每个词中首次出现的所有 'o'    str_remove(title2, "o")

 [1] "A375"   "cells"  "24h"    "Cntrol" "rep1"

# 删除每个词中所有出现的 'o'    str_remove_all(title2, "o")

 [1] "A375"  "cells" "24h"   "Cntrl" "rep1"

2. dplyr

    library(dplyr)test <- iris[c(1:2,51:52,101:102),]

2.1 常用函数

1. mutate() 新增列

    mutate(test, new = Sepal.Length * Sepal.Width)

     Sepal.Length Sepal.Width Petal.Length Petal.Width    Species   new 1            5.1         3.5          1.4         0.2     setosa 17.85 2            4.9         3.0          1.4         0.2     setosa 14.70 51           7.0         3.2          4.7         1.4 versicolor 22.40 52           6.4         3.2          4.5         1.5 versicolor 20.48 101          6.3         3.3          6.0         2.5  virginica 20.79 102          5.8         2.7          5.1         1.9  virginica 15.66

2. arrange() 排序

# 按 Sepal.Length 升序排列    arrange(test, Sepal.Length) 

   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species 1          4.9         3.0          1.4         0.2     setosa 2          5.1         3.5          1.4         0.2     setosa 3          5.8         2.7          5.1         1.9  virginica 4          6.3         3.3          6.0         2.5  virginica 5          6.4         3.2          4.5         1.5 versicolor 6          7.0         3.2          4.7         1.4 versicolor

# 按 Sepal.Length 降序排列    arrange(test, desc(Sepal.Length)) 

   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species 1          7.0         3.2          4.7         1.4 versicolor 2          6.4         3.2          4.5         1.5 versicolor 3          6.3         3.3          6.0         2.5  virginica 4          5.8         2.7          5.1         1.9  virginica 5          5.1         3.5          1.4         0.2     setosa 6          4.9         3.0          1.4         0.2     setosa

3. distinct()去重复

# 根据Species列对整个数据框去重复    distinct(test, Species, .keep_all = TRUE)

   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species 1          5.1         3.5          1.4         0.2     setosa 2          7.0         3.2          4.7         1.4 versicolor 3          6.3         3.3          6.0         2.5  virginica

2.2 管道操作 %>%

管道操作是把左侧表达式的结果，作为右侧函数的输入，从而把一连串数据处理步骤“串起来”。快捷键是(ctrl + shift + M)。

下列两句代码的效果相同：

    head(test,2)

   Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1          5.1         3.5          1.4         0.2  setosa 2          4.9         3.0          1.4         0.2  setosa

test %>% head(2) 

   Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1          5.1         3.5          1.4         0.2  setosa 2          4.9         3.0          1.4         0.2  setosa

管道符号也支持连续使用多个，避免代码层层嵌套。

#先按照Species分组，再计算每组的Sepal.Length平均值test %>%       group_by(Species) %>%       summarise(sepal_len_mean = mean(Sepal.Length))

  A tibble: 3 × 2   Species    sepal_len_mean   <fct>               <dbl> 1 setosa               5    2 versicolor           6.7  3 virginica            6.05

3. tidyr

3.1 原始数据

    library(tidyr)    mat <- matrix(c(1, 4, 7, 10,                       2, 5, 0.8, 11,                     0.3, 6, 9, 12),                  nrow = 4,                  dimnames = list(paste0("gene", 1:4),                                   paste0("sample",1:3)))test = as.data.frame(mat)#将行名转换为一列test = tibble::rownames_to_column(test,"geneid")

   geneid sample1 sample2 sample3 1  gene1       1     2.0     0.3 2  gene2       4     5.0     6.0 3  gene3       7     0.8     9.0 4  gene4      10    11.0    12.0

3.2 宽变长

使用 pivot_longer 将宽格式转为长格式，使样本名落入一列，表达值落入另一列，适合ggplot2绘图。

    test1 <- pivot_longer(data = test,                           cols = -geneid,                           names_to = "sample_nm",                           values_to = "exp")    head(test1)

 A tibble: 6 × 3 geneid sample_nm   exp  <chr>  <chr>     <dbl> 1 gene1  sample1     1   2 gene1  sample2     2   3 gene1  sample3     0.3 4 gene2  sample1     4   5 gene2  sample2     5   6 gene2  sample3     6

3.3 长变宽

使用 pivot_wider 将长格式转为宽格式。宽格式的数据更直观易读，适合画热图。

    test2 <- pivot_wider(data = test1,                         names_from = sample_nm,                         values_from = exp)    test2

 A tibble: 4 × 4   geneid sample1 sample2 sample3   <chr>    <dbl>   <dbl>   <dbl> 1 gene1        1     2       0.3 2 gene2        4     5       6   3 gene3        7     0.8     9   4 gene4       10    11      12