上期推文介紹了如何使用r語言程式設計進行樣本間相關性分析，主要涉及了r語言矩陣、迴圈、統計分析函式、ggplot2、corrplot等函式包的使用，涉及的知識面較多，如果不是經常做生物資訊或者是程式設計出家，很難在短時間內適應程式設計模式。其實，一旦適應了程式設計，很多問題都能輕鬆迎刃而解。畢竟計算機語言也是一門語言，和人與人之間打交道一樣，人與計算機打交道也是很容易的。本次推文以引導大家入門r語言程式設計為目的，用盡可能精煉的內容教學r語言。認識r語言首先認識r語言的資料型別及控制結構。掌握這些基礎以後，再認識r語言的函式包。經過一定時間的練習就可以熟悉r語言了。向量是r語言最基本的資料型別。r語言中向量和大學時候學的線性代數一樣，是由一行或者一列資料組成的變數。
#把向量賦值給x，c是連線函式。此時x就是由數字1到5組成的向量
x1,2,3,4,5)
#獲取向量長度
length(x)
#x的第三個元素
x[3]
#刪除x前兩個元素
x[-1:-2]
#刪除x前兩個元素並儲存
xx[-1:-2]
#seq是生成等差數列函式，from是數列起始值to是終止值，by是公差
bq(from=1,to=100,by=2)
#將兩個向量按列**可得得到矩陣,如果想按照行向量**為矩陣用rbind函式
f1,2,3),c(4,5,6))
z1,2,3),c(4,5,6))
f*z[,1] [,2]
[1,] 1 16
[2,] 4 25
[3,] 9 36
#另外一種矩陣賦值方式，ncol定義矩陣的列數，nrow定義矩陣行數，另外ncol(x)或者nrow(x)則可以求矩陣的列數或行數。
x1,2,3,4,5,6),ncol=2,nrow=3)
#檢視矩陣第1行第2列元素,當然如果想檢視矩陣第一行則為x[1,]檢視第二列為x[,2]。
x[1,2]
#下面的name，salary，union理解為列表的標籤，等號後面的量理解為列表標籤的值，可以乙個標籤對應多個值，但是列表的標籤具有唯一性！
j"joe",salary=55000,union=t)
#names函式獲取列表的所有標籤。當然如果想使用其他方法查詢列表第2個標籤可以使用就j$salary，j[2]，或者j[[2]]。兩者的區別讀者可以通過實踐發現。
names(j)
因子在實際的資料分析中用到的場合不多。在r語言中，因子(factor)表示的是乙個符號乙個編號或者乙個等級。以乙個實際例子讓讀者理解因子。
x100,1,4,9,1320)
#對向量x進行因子化處理
x[1] 100 1 4 9 1320
levels: 1 4 9 100 1320
常用的兩種控制結構為判斷和迴圈，簡單地說掌握了基本控制結構和r語言的資料型別是可以進行資料分析的，畢竟任何一種程式語言只要掌握了語法，剩下的就看個人的數學與邏輯素養了。
1.判斷結構：通常為if(條件)else型別，也有if…else if…else。也可以只有乙個if。舉例介紹判斷結構語法，輸入乙個數，如果它大於等於10，輸出y，如果大於等於5小於10輸出t，否則輸出n
xif(x>=10)else if(x<10 && x>=5)else
xyfor (i in 1:length(x))
print(y)
[1] 1 4 9 16 25 36 49 64 81
以上是r語言程式設計入門最基本的語法，只有逐漸熟悉這些語法，才可以更進一步使用r語言，下面以上次推文的資料為例子，為大家講一下如何綜合運用r語言知識。上次的推文中是利用rna-seq的reads count資料計算樣本間的重複性分析。另外小明師兄的上篇推文rna-seq中的那些統計學問題(一)為什麼是負二項分布，這篇推文從統計學角度出發推理論證了rna-seq的reads count資料為什麼符合負二項分布，下面我們從r語言程式設計開始利用實際rna-seq的readscount資料證明一下為什麼是負二項分布根據負二項分布的性質，均值和方差為將p用u表示並帶入方差表示式得到
根據數學知識可以看出方差是均值的二次函式。所以我們這次綜合利用r語言程式設計的知識進行證明。
#讀取readscout資料
readcount"readscount.txt",header=t,sep="\t")
#由於第2到4列是乙個處理的三個生物學重複，所以就以這三個生物重複的readscount值進行分析
readcount2:4]
#過濾掉全為0的行
readcount1,]
#先定義儲存每個基因表達均值的變數x
x#定義儲存每個基因表達方差的變數y
yfor (i in 1:nrow(readcount))
#將x和y**為資料框
datadata.frame(x=x,y=y)
#求基因表達均值的分位數，quantile函式是求分位數函式，na.rm=t是移除na值，這裡的目的是去除掉太大或者太小的資料
adata[,1],c(0.25,0.75),na.rm = t)
#求基因表達方差的分位數
bdata[,2],c(0.25,0.75),na.rm = t)
#將data資料框中的基因表達均值列滿足在25%~75%分位數之間的行保留
datadata[data[,1]<=as.numeric(a[2]) && data[,1]>=as.numeric(a[1]),]
#將data資料框中的基因表達方差列滿足在25%~75%分位數之間的行保留
datadata[data[,2]<=as.numeric(b[2]) && data[,2]>=as.numeric(b[1]),]
#使用ggplot2繪製均值-方差散點圖，並進行擬合，擬合方法為平滑曲線擬合
從中看出，儘管過濾掉部分資料後還是存在個別極端資料，總體的資料分布曲線滿足二次函式分布。
理解r語言程式設計的五個資料結構：向量、矩陣、列表、資料框、因子，以及兩種控制結構，迴圈和判斷。
入門 1 從零開始的HTML
html hypertext markup languge 超文字標記語言。乙個標籤被解析後會顯示標籤要表達的內容。單單乙個標籤就可以解釋成一張。總結 html標籤內存放各種元素的集合，是乙個資訊的載體 讀取，整理，計算顯示並渲染到頁面上 解析，渲染 瀏覽器與對應核心 瀏覽器核心firefox ge...
LOJ 數列分塊入門 1
link 優雅的暴力，對於乙個數列，他不是乙個元素乙個元素處理，而是分成若干塊，成塊成塊的處理，以此達到降低時間複雜度的目的。首先，我們需要處理劃分的塊的大小 block 一般是根號n 塊的數目 每乙個元素對應第幾塊，然後，每一塊的左端點和右端點。完整的塊 更新 我們用lz i lz i lz i ...
分塊系列 數列分塊入門1 解題報告
區間加法，單點求值。數列分塊是個好東西。我這裡詳細介紹一下分塊演算法，便於初學者的理解 我這個蒟蒻原來也是看不懂分塊 先把陣列分成幾個塊塊，然後就可以對它們整體操作啦。也就是說，把乙個長度為的陣列，拆分成乙個個長度為sqrt n 小塊 當然，最後一塊可能不完整，但是不用管 記錄每個數所屬的塊 也就是...