滴滴滴，第六天打卡~~~~
準備工作：
part1：學會獲取一個R包的小抄
方法1：百度/谷歌
方法2：找Rstudio的cheatsheet網站
https://www.rstudio.com/resources/cheatsheets/
方法3: 生信星球公眾號(教程用的包)
part2：初步了解tidyr包
- 它的功能主要有：
（1）數據框的變形
（2）處理數據框中的空值
（3）根據一個表格衍生出其他表格
（4）實現行或列的分割和合并
這個包是把要用的數據處理成標準而統一的數據框：Tidy Data
part3：學習極簡安裝R包：
1.命令：library(tidyr),如果沒有安裝這個包，會報錯，進行下一步；
2.下載和安裝tydir，命令：install.packages("tidyr")
（默認安裝到工作目錄里，若是報錯，打不開連接，可以換個鏡像試試）
part4：關于數據框
1.新建數據框，命令：
a<-data.frame(GeneId = rep("gene5",times=3),SampleName =paste("Sample",1:3,sep=""),Expression=c(14,19,18))
新建一個數據框并賦值給a，括號里是“列名”=列值，注意，這里列名要加雙引號。
rep，表示重復，括號中填要重復的字符和重復次數。
paste，連接兩個字符串，括號要填這兩個字符串并指定分隔符（sep），沒有分隔符就填sep=""。
字符串需要加雙引號。
-
key-value
“鍵值對” ，表示一種對應關系?！版I”和“值”都是列名，如 SampleName 和 Expression 。 - 函數后面一般都要加括號，括號里第一個參數是數據框名。
- 字符串要加雙引號（行名和列名也是字符串，但是可以不用加）。
part5：認識Tidy Data
一種組織表格數據的方式，提供了一種能夠跨包使用的“統一”的數據格式：
每個變量（variable）占一列，每個情況（case）和觀測值（observation）占一行。
終于進入正題：
1.Reshape Data
gather：將數據框轉換為Tidy Data;
spread：讓tidy data一夜回到解放前。哈哈哈~~~
-
將示例數據下載或者復制粘貼成table4a；
image.png a<- gather(table4a,1999,2000,key="year",value="cases")
或者，需合并的列名也可以列在最后：
-
b <- gather(table4a,"year","cases",1999,2000)
gather括號里的分別是：
數據框名，需合并的列名（兩個），合并后的key列名，value列名。 - 如果合并前的列名比較多，可以用排除法來偷懶：
gather(a,year,cases,-country)# -country的意思就是合并除country外剩下的列。
2.Handle Missing Values
處理丟失的數據，即某些單元格有空值的情況。
三種處理方式：
(1) 刪除整行
(2) 根據上下文（瞎）蒙一個
(3) 同一列的空值填上同一個數。
NA表示空值，所以新建的時候空著就好。
- 獲得圖示數據框X
X<-read.csv('doudou.txt')
默認參數：默認分隔符是“，”，導出時也不會默認加引號，并且轉換txt也不會變亂碼！
如果用read.table，默認參數很笨哦，
這花花老師發現的嘞，厲害厲害~~~~
- csv的導入和導出方式：
導入：X<-read.csv('doudou.csv')
導出：write.csv(X,'doudou.csv') -
drop_na()：有空值的，整行刪除；
括號里填數據框名，有空值那一列的列名；
例如：drop_na(X,X2) - fill()，同一列的空值填上同一個數；
例如：fill(X,X2)# 根據上一行的值填充 - replace_na()，空值填進去特定的一個數值，括號里填數據框名，要填的列名=要填的值；
例如：replace_na(X,list(X2=2))
3. Expand Tables
-
complete（把空值的位置補全）
例如：complete(X,nesting(x1),fill=list(x2=5))# 把剛才的空值補上5；
image.png expand
（列出每列值所有可能的組合--根據下面的示例來理解這句話）
示例：
data_eg1<-data.frame(GeneId = rep("gene5",times=3),SampleName =paste("Sample",1:3,sep=""),Expression=c(14,19,18))
expand(data_eg1,GeneId,SampleName,Expression)
4.split cells
（把一列拆成兩列。目測原列必須要有分隔符才行啊好像。）
原數據：
-
separate：按列分割
table_sep <- separate(table3,rate,into=c("cases","pop"))
-
separate_rows：按行分割
separate_rows(table3,rate)
image.png -
unite：分割完了再合并回去
unite(table_sep,cases,pop,col="rate",sep="/")
image.png
