1.Tidy data原则
当我们进行数据整理时,同样的数据,可以整理成不同的形式,在下面的例子中,我们可以把GeneId作为行,样品名称作为列,也可以颠倒过来,以样品名称为行,基因编号作为列:
当我们用R处理数据时,应该遵循Tidy data的原则:每一列:代表一个变量(vairable)
每一行:代表一次观测(observation)
在我们上面的例子中,基因的ID,样品名称以及基因的表达量都是变量,而每一个基因在每一个样品中的表达量可以成为一次观测。因此,按照Tidy data的原则,应该将上述图表中的数据整理成如下格式:
我们在正式对生物信息学数据进行统计分析之前,应该先把我们的数据格式转换为Tidy data格式,因为R语言中的大多数包都只支持Tidy data格式的数据。
2.使用Tidyr转换数据格式
(1)Tidyr的安装
在使用Tidy之前,首先要下载安装软件包:
1)修改下载源
依次点击Tools—Global Options—Packages—Change,选择一个国内的CRAN镜像:
2)下载安装Tidyr
点击Tools—Install Packages,输入要安装的软件包tidyr,点击install即可自动安装:
或者,我们也可以使用命令行进行软件的安装:# 使用install.package()命令安装软件
> install.packages("tidyr")
(2) 数据的转换-1
1)转换策略
我们的目的是要把左边的数据转换成右边的格式,要实现转换结果,在Geneid一定的情况下,我们可以把每一个样品和其对应的基因表达量看做一个键-值对(key-value pair)。比如:在GeneID为gene1时,sample1对应的表达量是3,sample2对应的表达量是4。因此,我们在转换数据时,只需按照上述规则,并指定要转换的列即可。使用tidyr包中的gather函数即可实现转换。
2)加载包
在使用Tidyr包之前,我们需要先加载包:# 加载tidyr包
> library(tidyr)
3)使用gather命令将数据转换为Tidy格式1.读取数据:> gene_exp
> gene_exp
GeneId Sample1 Sample2 Sample3
1 gene1 1 2.0 0.32 gene2 4 5.0 6.03 gene3 7 0.8 9.04 gene4 10 11.0 12.0
原始数据是这样的:
2.格式转换# gather()命令转换说明:# gather(data=数据框名,key="key名",value="value名",要转换的列1,列2,列3)
> gene_exp_tidy
# 在指定要转换的列时,也可不用列名,直接指定列的编号即可
> gene_exp_tidy
# 在指定要转换的列时,也可指定不需转换的列,其他列参与转换
> gene_exp_tidy
转换后的效果:
4)使用spread()函数将Tidy格式数据还原
Tidyr中的spread()函数,可以将Tidy格式的数据,转换成原来的格式:> spread(data = gene_exp_tidy, key = "sample_name", value = "expression")
GeneId Sample1 Sample2 Sample3
1 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) 数据的转换-2
有时,在数据处理时,我们会遇到下面这种更加复杂的情况,在GeneId一定的情况下,每一样品还对应不同的温度:
对这样的数据,我们应该如何处理呢?
1)处理策略1.先使用gather()函数,按列进行转换
2.再使用spread()函数,将Sample和温度分开
2)数据处理1.读取数据# 读取数据
> gene_exp3 gene_exp3_tidy
gather()处理后的结果:
3.使用seprate()函数,对key这一列进行分割> gene_exp3_tidy2
最终的效果如下: