標籤：

R語言入門5：數據變形-Tidyr

05-06

1.Tidy data原則

當我們進行數據整理時，同樣的數據，可以整理成不同的形式，在下面的例子中，我們可以把GeneId作為行，樣品名稱作為列，也可以顛倒過來，以樣品名稱為行，基因編號作為列：

當我們用R處理數據時，應該遵循Tidy data的原則：

  • 每一列：代表一個變數（vairable）
  • 每一行：代表一次觀測（observation）

在我們上面的例子中，基因的ID，樣品名稱以及基因的表達量都是變數，而每一個基因在每一個樣品中的表達量可以成為一次觀測。因此，按照Tidy data的原則，應該將上述圖表中的數據整理成如下格式：

我們在正式對生物信息學數據進行統計分析之前，應該先把我們的數據格式轉換為Tidy data格式，因為R語言中的大多數包都只支持Tidy data格式的數據。

2.使用Tidyr轉換數據格式

(1)Tidyr的安裝

在使用Tidy之前，首先要下載安裝軟體包：

1）修改下載源

依次點擊Tools—Global Options—Packages—Change，選擇一個國內的CRAN鏡像：

2）下載安裝Tidyr

點擊Tools—Install Packages，輸入要安裝的軟體包tidyr，點擊install即可自動安裝：

或者，我們也可以使用命令行進行軟體的安裝：

# 使用install.package()命令安裝軟體> install.packages("tidyr")

(2) 數據的轉換-1

1）轉換策略

我們的目的是要把左邊的數據轉換成右邊的格式，要實現轉換結果，在Geneid一定的情況下，我們可以把每一個樣品和其對應的基因表達量看做一個鍵-值對（key-value pair）。比如：在GeneID為gene1時，sample1對應的表達量是3，sample2對應的表達量是4。因此，我們在轉換數據時，只需按照上述規則，並指定要轉換的列即可。使用tidyr包中的gather函數即可實現轉換。

2）載入包

在使用Tidyr包之前，我們需要先載入包：

# 載入tidyr包> library(tidyr)

3）使用gather命令將數據轉換為Tidy格式

  • 1.讀取數據：

> gene_exp <- read.table(file = "gene_exp.txt", sep = " ", header = TRUE)> gene_exp GeneId Sample1 Sample2 Sample31 gene1 1 2.0 0.32 gene2 4 5.0 6.03 gene3 7 0.8 9.04 gene4 10 11.0 12.0

原始數據是這樣的：

  • 2.格式轉換

# gather()命令轉換說明：# gather（data=數據框名，key="key名"，value="value名"，要轉換的列1，列2，列3）> gene_exp_tidy <- gather(data = gene_exp, key = "sample_name", value = "expression", Sample1, Sample2, Sample3)# 在指定要轉換的列時，也可不用列名，直接指定列的編號即可> gene_exp_tidy <- gather(data = gene_exp, key = "sample_name", value = "expression", 2:4)# 在指定要轉換的列時，也可指定不需轉換的列，其他列參與轉換> gene_exp_tidy <- gather(data = gene_exp, key = "sample_name", value = "expression", -GeneId)

轉換後的效果：

4）使用spread()函數將Tidy格式數據還原

Tidyr中的spread()函數，可以將Tidy格式的數據，轉換成原來的格式：

> spread(data = gene_exp_tidy, key = "sample_name", value = "expression") GeneId Sample1 Sample2 Sample31 gene1 1 2.0 0.32 gene2 4 5.0 6.03 gene3 7 0.8 9.04 gene4 10 11.0 12.0

(3) 數據的轉換-2

有時，在數據處理時，我們會遇到下面這種更加複雜的情況，在GeneId一定的情況下，每一樣品還對應不同的溫度：

對這樣的數據，我們應該如何處理呢？

1)處理策略

  • 1.先使用gather()函數，按列進行轉換
  • 2.再使用spread()函數，將Sample和溫度分開

2)數據處理

  • 1.讀取數據

# 讀取數據> gene_exp3 <- read.table(gene_exp3.txt, sep = " ", header = TRUE)

  • 2.使用gather()函數處理

> gene_exp3_tidy <- gather(gene_exp3, key, Expression, -GeneId)

gather()處理後的結果：

  • 3.使用seprate()函數，對key這一列進行分割

> gene_exp3_tidy2 <- separate(gene_exp3_tidy, col = key, into = c("SampleName","Temperature"))

最終的效果如下：


推薦閱讀：

TAG:生物信息學 | R編程語言 |