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：
