从零开始进行单倍型分析之R语言入门篇（上）

从零开始进行单倍型分析

（一）基础知识篇
（二）分析工具篇
（三）R语言基础篇之入门（上）（只讲需要的）
（四）R语言基础篇之进阶篇（下）（只讲需要的）
（五）geneHapR之数据准备篇（上）（只讲需要的）
（六）数据准备及软件实操篇
（七）结果诠释篇

本文主要介绍了 R 语言的基本信息，包括其简介、风格、基础变量等内容。R 语言是用于统计计算和绘图的编程语言，具有免费开源、包丰富、数据处理和可视化能力强等特点。其语法简洁灵活，区分大小写，注释包括单行注释和多行注释。基础变量涉及变量的命名与赋值规则，数据类型有数值型、字符型、逻辑型、复数型和原始型，运算符包括算术、逻辑和比较运算符。基本变量类型有向量和数据框，向量可通过多种方式创建和操作，数据框可通过特定函数创建、进行元素访问、添加删除列、合并等操作，并有相关属性和函数。此外，文章还提及了其他变量类型，但未详细介绍，推荐了菜鸟教程网站供读者进一步学习。

一、R语言简介

• 基本概念

  • R 语言是一种用于统计计算和绘图的编程语言。它提供了丰富的统计和数据分析方法，以及强大的数据可视化功能。
  • 在 R 中，数据是操作的核心。数据可以存储在多种数据结构中，例如向量、数据框等。

• R 语言的特点

  • 免费开源：任何人都可以免费使用和修改 R 语言的源代码。
  • 丰富的包（package）：有大量的扩展包可用于各种领域，如数据分析、机器学习、生物信息学等。
  • 强大的数据处理能力：能够轻松处理和分析大型数据集。
  • 优秀的可视化功能：可以创建高质量的统计图表和数据可视化图形。

二、R 语言风格

语言风格

• R 语言的语法简洁且灵活。它使用函数来执行各种操作，函数的调用格式通常是function_name(arguments)。
• R 是区分大小写的，这意味着myVariable和myvariable是不同的标识符。
• 代码通常以脚本的形式编写，可以在 R 控制台中逐行执行，也可以一次性运行整个脚本。

R语言里的注释

1. 单行注释

使用#符号进行单行注释。从#开始直到该行结束的所有内容都会被 R 解释器忽略。例如：

# 这是一个计算平均值的简单示例
x <- c(1, 2, 3, 4, 5)
mean_value <- mean(x)

2. 多行注释

R 语言本身没有专门的多行注释符号，但可以通过连续使用单行注释来实现多行注释的效果。例如：

# 以下是一段关于数据处理的代码
# 首先读取数据
# data <- read.csv("data.csv")
# 然后进行数据清洗等操作

在实际编程中，良好的注释习惯可以提高代码的可读性，方便自己和其他开发者理解代码的功能、逻辑和算法流程等相关信息。

三、R语言基础变量

变量的命名与赋值

• 变量命名：变量名可以包含字母、数字、点（.）和下划线（_），但不能以数字开头。例如，my_variable、data_1等都是有效的变量名。
• 变量命名的注意事项：
  • 1）不能以数字开头：例如，9var是不合法的变量名，而var9是合法的；
  • 2）不能是保留字：R 语言中有一些保留字，这些保留字具有特定的语法含义，不能用作变量名，例如，if、else、for、while、function等；
  • 3）大小写敏感：在 R 中，变量名是区分大小写的，例如，myVariable和myvariable被视为两个不同的变量；
  • 4）语义清晰，见名知义：为了提高代码的可读性，变量名应该尽量具有描述性，能够反映变量所代表的含义或存储的数据内容，例如，使用student_names来表示存储学生姓名的变量，而不是简单地使用x或y。
• 变量的赋值：使用<-或=进行赋值操作。例如：
  • x <- 5：将数值 5 赋给变量x。
  • y = "hello"：将字符串 “hello” 赋给变量y。

R语言基本数据类型

1. 数值型（Numeric）

   • 整数（Integer）

     • 表示没有小数部分的数字。在 R 中，可以通过在数字后面加上L来明确表示一个整数，例如1L、5L等。整数可以进行常规的算术运算，如加法、减法、乘法和除法。

   • 浮点数（Floating - point）

     • 用于表示带有小数部分的数字，例如3.14、-2.5等。浮点数在内存中的存储方式遵循 IEEE 754 标准，它能够表示的数值范围和精度是有限的。在进行高精度计算时可能会出现舍入误差。

2. 字符型（Character）

   • 用于存储文本数据，在 R 中字符型数据需要用单引号'或双引号"括起来，例如'hello'、"world"。可以对字符型数据进行操作，如拼接（使用paste()函数）、提取子串（使用substr()函数）等。

3. 逻辑型（Logical）

   • 逻辑型数据只有两个取值：TRUE（真）和FALSE（假），也可以用T和F表示（不建议，因为T和F可以被重新赋值）。逻辑型数据主要用于条件判断和逻辑运算，例如在if语句、while语句中作为判断条件，或者进行与（&）、或（|）、非（!）等逻辑运算。

4. 复数型（Complex）

   • 用于表示复数，形式为a + bi，其中a是实部，b是虚部，在 R 中可以写成3 + 4i这样的形式。复数可以进行加、减、乘、除等运算，R 提供了相应的函数来处理复数的实部、虚部、模和幅角等。

5. 原始型（Raw）

   • 原始型数据是以字节为单位存储的数据，可以用来存储和操作二进制数据。例如，可以使用原始型数据来读取和写入二进制文件。

R语言中的运算符

1. 算术运算符

   • 加法（+）
     • 用于两个数值（整数或浮点数）相加，例如：3 + 5的结果为8。
     • 也可以用于向量、矩阵等数据结构的对应元素相加，前提是它们的维度相符。
   • 减法（-）
     • 实现两个数值的相减操作，如7 - 4等于3。
     • 同样适用于数据结构元素间的减法运算。
   • 乘法（*）
     • 对两个数值进行乘法运算，例如2 * 6得到12。
     • 对于向量和矩阵，按照线性代数规则进行乘法运算。
   • 除法（/）
     • 执行数值间的除法，如8 / 2的结果是4。
   • 取模（%%）
     • 返回除法运算的余数，例如10 %% 3的结果为1。
   • 整除（%/%）
     • 进行整数除法，只取商的整数部分，比如10 %/% 3等于3。

2. 逻辑运算符

   • 与（&、&&）
     • &对两个逻辑向量的对应元素进行与运算，例如：c(TRUE, FALSE) & c(TRUE, TRUE)得到c(TRUE, FALSE)。
     • &&通常用于单个逻辑值的与运算，只检查第一个元素，如TRUE && FALSE为FALSE。
   • 或（|、||）
     • |用于逻辑向量对应元素的或运算，如c(TRUE, FALSE) | c(FALSE, TRUE)得到c(TRUE, TRUE)。
     • ||主要用于单个逻辑值的或运算，只检查第一个元素，例如TRUE || FALSE为TRUE。
   • 非（!）
     • 对单个逻辑值或逻辑向量的每个元素取反，如!TRUE是FALSE，!(c(TRUE, FALSE))得到c(FALSE, TRUE)。

3. 比较运算符

   • 等于（==）
     • 比较两个对象是否相等，例如3 == 3为TRUE，"a" == "b"为FALSE。
     • 对于数据结构，比较的是对应元素是否相等。
   • 不等于（!=）
     • 检查两个对象是否不相等，如4!= 5是TRUE。
   • 大于（>）
     • 当左边对象大于右边对象时返回TRUE，例如5 > 3为TRUE。
   • 小于（<）
     • 左边对象小于右边对象时结果为TRUE，如2 < 4是TRUE。
   • 大于等于（>=）
     • 左边对象大于或等于右边对象时为TRUE，例如3 >= 3为TRUE。
   • 小于等于（<=）
     • 左边对象小于或等于右边对象时返回TRUE，如4 <= 5是TRUE。

R语言里基本变量类型

1 向量（Vector）

• ** 向量的定义**

向量是 R 语言中最基本的数据结构之一，它是由一组相同数据类型（如数值型、字符型、逻辑型等）的元素组成的有序集合。可以将其看作是一维的数组。

• 向量的创建

  1. 使用c()函数

     • 数值型向量：例如num_vector <- c(1, 2.5, -3, 4)，可以将多个数值组合成一个数值型向量。
     • 字符型向量：char_vector <- c("apple", "banana", "cherry")，把字符元素放在c()函数中创建字符型向量。
     • 逻辑型向量：logical_vector <- c(TRUE, FALSE, TRUE)，创建包含逻辑值的向量。

  2. 序列生成函数

     • :运算符：可以快速生成一个整数序列，例如1:5会生成向量c(1, 2, 3, 4, 5)。
     • seq()函数：更加灵活，例如seq(0, 10, by = 2)将生成c(0, 2, 4, 6, 8, 10)，其中0是起始值，10是终止值，by = 2表示步长为 2。

• 向量的基本操作

  1. 访问向量元素

     • 通过索引访问：在 R 中，向量的索引从 1 开始。例如，对于向量vec <- c(10, 20, 30)，vec[2]将返回 20。也可以使用负索引来排除某些元素，如vec[-2]将返回c(10, 30)。
     • 逻辑索引：根据逻辑条件选择元素。例如，对于向量num_vector <- c(1, 2, 3, 4, 5)，num_vector[num_vector > 3]将返回c(4, 5)。

  2. 向量的运算

     • 算术运算：对于数值型向量，可以进行加、减、乘、除等算术运算。如果两个向量长度相同，则对应元素进行运算，例如c(1, 2, 3) + c(4, 5, 6)得到c(5, 7, 9)；如果一个向量和一个标量（单个数值）进行运算，则向量的每个元素都与该标量进行运算，如c(1, 2, 3) * 2得到c(2, 4, 6)。
     • 逻辑运算：对逻辑型向量进行与（&）、或（|）、非（!）等逻辑运算。

  3. 向量的合并

     • 使用c()函数：可以将多个向量合并成一个新的向量，例如new_vector <- c(vector1, vector2)。

• 向量的属性和函数

  1. 长度

     • 使用length()函数可以获取向量中元素的个数，例如length(c(1, 2, 3))的结果为 3。

  2. 类型判断

     • is.numeric()、is.character()、is.logical()等函数分别用于判断向量是否为数值型、字符型、逻辑型。

  3. 其他常用函数

     • sum()、mean()、min()、max()等函数可以分别计算数值型向量的总和、平均值、最小值和最大值。
     • sort()函数可以对向量进行排序，例如sort(c(3, 1, 2))将返回c(1, 2, 3)。

2 数据框（Data Frame）

1. 数据框的定义

​ 数据框（Data Frame）是 R 语言中一种非常重要的二维数据结构，它类似于电子表格或数据库中的表。数据框的每一列可以是不同的数据类型（如数值型、字符型、逻辑型等），但每一行的元素个数必须相同。

2. 数据框的创建

• 使用 data.frame() 函数

基本创建方式：可以直接在data.frame()函数中指定列名和对应的值来创建数据框。例如：

    df <- data.frame(
        Name = c("Alice", "Bob", "Charlie"),
        Age = c(25, 30, 35),
        Gender = c("Female", "Male", "Male")
    )

• 从向量创建：先定义好每一列的向量，再将这些向量组合成数据框。

    name_vec <- c("Alice", "Bob", "Charlie")
    age_vec <- c(25, 30, 35)
    gender_vec <- c("Female", "Male", "Male")
    df <- data.frame(Name = name_vec, Age = age_vec, Gender = gender_vec)

• 读取外部文件创建

  • 从 CSV 文件创建：使用read.csv()函数可以从 CSV（逗号分隔值）文件中读取数据并创建数据框，例如df <- read.csv("data.csv")。

  • 从其他文件格式（如 Excel 文件、文本文件等）：需要使用相应的 R 包，如readxl包中的read_excel()函数用于读取 Excel 文件。

3. 数据框的基本操作

   1. 访问数据框中的元素

      • 通过索引访问
        • 按行和列索引：使用[ ]运算符，逗号前表示行索引，逗号后表示列索引。例如，df[1, 2]表示访问数据框df的第一行第二列的元素；df[1:2, ]表示访问第一行和第二行的所有列；df[, 2:3]表示访问第二列和第三列的所有行。
        • 按名称索引：使用$符号通过列名来访问某一列，例如df$Age将返回数据框df中名为Age的列。
      • 使用逻辑索引：根据逻辑条件选择数据框中的行或列。例如，df[df$Age > 30, ]将返回数据框df中Age列大于 30 的所有行。

   2. 添加和删除列

      • 添加列：可以直接给数据框新增一列，例如df$NewColumn <- c(1, 2, 3)，给df添加了一个名为NewColumn的新列。
      • 删除列：可以使用subset()函数或者通过赋值NULL来删除列，例如df <- subset(df, select = -NewColumn)或者df$NewColumn <- NULL。

   3. 合并数据框

      • rbind()函数：用于按行合并数据框，要求合并的数据框具有相同的列数和相同的列名。例如，df_combined <- rbind(df1, df2)。
      • cbind()函数：用于按列合并数据框，要求合并的数据框具有相同的行数。例如，df_combined <- cbind(df1, df2)。

4. 数据框的属性和函数

   1. 查看数据框的结构

      • str()函数：可以查看数据框的结构，包括列名、每列的数据类型以及前几个数据元素等信息。
      • dim()函数：返回数据框的行数和列数，例如dim(df)将返回一个包含行数和列数的向量。
      2. 数据框的统计汇总
      • summary()函数：对数据框的每一列进行基本的统计汇总，对于数值列会给出最小值、最大值、中位数、均值和四分位数等信息，对于字符列会给出不同取值的数量。

5. 行名与列名

   • 查看

     • 列名查看

       • 使用colnames()函数，例如对于数据框df，colnames(df)将返回列名组成的字符向量。
       • 也可以使用names(df)，效果与colnames(df)相同。

     • 行名查看

       • 使用rownames()函数，例如rownames(df)可以查看数据框df的行名。

   • 修改

     • 列名修改

       • 使用colnames()函数，例如colnames(df) <- c("new_col1", "new_col2",...)可以将df的数据框的列名修改为指定的新列名。
       • 也可以在创建数据框时直接指定列名，如df <- data.frame(new_col1 = values1, new_col2 = values2,...)。

     • 行名修改

       • 同样使用rownames()函数，例如rownames(df) <- c("row1", "row2",...)可以修改数据框df的行名。

   • 注意事项

     • 唯一性

       • 列名在一个数据框中必须是唯一的，不能有重复的列名。如果尝试设置重复的列名，可能会导致数据访问和操作出现混淆。
       • 行名也通常要求具有唯一性，尤其是在一些需要根据行名进行索引和匹配的操作中。不过，R 语言在某些情况下允许行名重复，但这可能会引起意想不到的结果。

     • 字符类型

       • 列名和行名通常是字符型向量。在修改或指定列名和行名时，要确保提供的是字符型数据。

     • 影响其他操作

       • 修改行名和列名可能会影响基于这些名称进行的其他操作，如数据提取、合并操作等。例如，如果在一个数据框和另一个数据框进行合并时，它们的列名不一致，可能需要先调整列名以确保合并操作的正确性。

3. 其他变量类型

R语言里的其他变量类型还包括：列表、矩阵、数组等；由于篇幅限制，以及其他变量类型其在单倍型分析中的必要性有限，故本文不过多介绍。
如有需要请自行去问度娘，然各路大神做的教程参差不齐；故另推荐菜鸟教程，一个适合新手入门的网站。