写在表面： R萌新请自行恶补，本文的初衷是自己记录心路历程并且对有基础的同好能相互讨论，彼此激励。不排除写着写着，变成科普，尽力保持门槛。喜则阅，不喜勿喷。耐受催更，不定时答疑 ：）。
第一日：看着飞舞的尘埃 掉下来
1.轮子 R包
2.数据类型
2.1 向量
2.2 数字
2.3 字符串处理函数
3. 读入外部文件
1.轮子 R包
每个R的教材开始都是安装和IDE，没必要加，如果连R的安装都百度不到基本可以放弃R治疗了。
- R in Action: http://www.amazon.com/R-Action-Robert-Kabacoff/dp/1935182390
- ggplot2: Elegant Graphics for Data Analysis (Use R!): http://www.amazon.com/ggplot2-Elegant-Graphics-Data-Analysis/dp/0387981403
R是一门解释型编程语言，当然我们自己可以用它做任何事情。我的意思是可以使用最基础的工具，逻辑去实现方法、算法以及流程等。但是，,有很多大神其实早就为我们实现了算法和过程，我们可以找到这些轮子然后直接使用，而不必费时自己造轮子了。这就是 R包，我的路书的最终目的就是要造R包。
如果想用一个包必须先要安装和加载。一般来说，一个包会有很多依赖的包，这些依赖的包也会相互引用，最终就形成了一个庞大繁杂的社区，对于R来说可能是 r-cran，对于我们生物计算信息来说更加喜欢使用。在这样的社区里面 我们只需要关系最终使用的是什么包，其中的相互依赖，相互做用的包的内在关系，社区以及为我们统计整合，我们直接安装 就安装了这个包所需要的整个生态。很方便是吧。
尽管各种IDE以及有很多可视化的方法管理包，不过我们还是会有很多地方不能使用IDE，而且使用命令行也更符合我们的习惯：
# 安装R包通常使用下面的语句， 你要有写入的权限
install.packages('PackageName')
# 安装之后我们就可以对其进行加载 然后使用其中的函数 方法和过程
library('PackageName')
# 升级包可以选择从头安装或者，但是你要有较高的权限
update.packages()
# 还有能让我们十分开心的bioconductor社区
# 首先我们需要安装bioconductor对包管理的包
install.packages('BiocManager')
# 安装之后我们就可以安装任何在Bioconductor维护的包了
BiocManager::install('PackageName')
# 还有一种常用的包不规范或者时间紧 或者只是内部使用而没能进入任何社区，他们把包传到一个自己的服务器或者公共区域进行维护，譬如 github
install.packages('devtools')
devtools::install_github("bioteller/NovoEnrich")
library(NovoEnrich)
#借此机会 也推下我维护的这两个包
install.packages("devtools")
devtools::install_github("bioteller/scolocate.XL")
2.数据类型
如果你是使用R语言的常客，可能会发现在R里面其实只有一种数据类型。但是这不还是按照常规来分吧。简单类型就不详细说了 文本 数字 整数 浮点 布尔等等 千年不变，各语言通用。
我们聊聊其他的
2.1 向量
向量是个很奇怪的存在，叫她向量是因为她的翻译是如此，其实日常工作中还是习惯叫一维数组。例如：
vec1 <- c(1,4,7,9,13,17,19,23,29)
或者
vec2 <- c('reseq','tr','denovo')
数组可以被整个或部分截取(下标在R中是从1开始的)
如 :
vec1[c(5,6,7)]; vec1[5:7] # 得到的结果是一样的 都是 c(13,17,19)
此外我们也可以使用which函数进行筛选，如：
which(vec1==19)
我们甚至可以单独构建一个布尔数组，如：
vec1[c(FALSE,FALSE,FALSE,FALSE,TRUE,TRUE,TRUE,FALSE,FALSE)]
> vec1 <- c(1,4,7,9,13,17,19,23,29)
> vec1[c(5,6,7)]; vec1[5:7] # 得到的结果是一样的 都是 c(13,17,19)
[1] 13 17 19
[1] 13 17 19
> which(vec1==19)
[1] 7
> vec1[c(FALSE,FALSE,FALSE,FALSE,TRUE,TRUE,TRUE,FALSE,FALSE)]
[1] 13 17 19
2.2 戏说数字
在工作中总是要生存一些随机数字，荷塘算法就需要这样的操作。
取10个 随机数字要求是小于10的正整数,如：
runif(10, min=0, max=10)
对数据还有一些四舍五入和其他的数据操作，这些内置函数都能涵盖，如：
floor(num); ceiling(num);round(num,4); abs(num)
提了随机函数 顺便提一句 抽取，放回抽取和 不放回抽取
sample（x,n,replace=F,prob=NULL）
set.seed()这个函数能够固定下你的随机方案，这样就能实现随机的可重复。
2.3 字符串处理函数
字符串处理在R语言中并不是十分强项 但是其使用的频率也很高。尽管R语言提供了很多字符串操作函数，但是我们在实际使用的时候 还是会优先使用stringi等文字处理包，以下是基础包常用的字符串函数。
字符串分割函数：strsplit( )
字符串分割是我们常用的功能，在R里面字符串处理其实是弱项，但是也是有一些基础功能是比较常用的，譬如按照分隔符分割字符串成列表的strsplit
> str1 <- "GB_PAG denovo.1"
> strsplit(str1," ")
[[1]]
[1] "GB_PAG" "denovo.1"
如果想按照两个分隔符分割字符串的时候，那可能需要多次split，然而这个strsplit却出人意料的支持正则的写法，这就为这个函数扩展了更多用途。我先抛个砖引个更大的砖。
> strsplit(str1,"[ _]")
[[1]]
[1] "GB" "PAG" "denovo.1"
> strsplit(str1,"[.]")
[[1]]
[1] "GB" "PAG" "denovo" "1"
字符串连接函数：paste( )，paste0()
这个就是我不太喜欢的地方，在python中字符串加法不香吗，在excel中字符串“&”连接不快吗，为啥这里面非要用个函数呢。但是其实这个函数远比连接字符串有更多用途。
> str1 <- "GB_PAG denovo.1"
> str2 <- "Pb-assembly"
> paste(str1,str2,sep="_")
[1] "GB_PAG denovo.1_Pb-assembly"
> paste0(str1,str2)
[1] "GB_PAG denovo.1Pb-assembly"
paste字符串和数组，甚至数组和数组会怎么样的，其实 试试便知。
> product <- c("QC","assembly","annotation")
> paste(str1,product)
[1] "GB_PAG denovo.1 QC" "GB_PAG denovo.1 assembly" "GB_PAG denovo.1 annotation"
> paste(product,collapse = ";")
[1] "QC;assembly;annotation"
> m <- c(1,2)
> paste(m,product) # 当其中一个数组的长度不足时，其元素会被复用
[1] "1 QC" "2 assembly" "1 annotation"
计算字符串长度：nchar( )
计算字符串的长度，同样的如果给定一个数组，会返回每个元素的字符长度。
> nchar(str1)
[1] 15
# 顺便说一下计算数组和数据框长度的方法
> nchar(product)
[1] 2 8 10
> length(product)
[1] 3
这个函数很简单，我也不知道我为什么单独分一个项，可能是不能合并其他分类吧。内容不够矩阵来凑，顺便看下如何确定矩阵的长宽。
> m <- runif(12,10,20)
> dim(m)
NULL
> mtx1 <- matrix(m,nrow = 3,ncol = 4)
> dim(mtx1)
[1] 3 4
> nrow(mtx1); ncol(mtx1)
[1] 3
[1] 4
> m <- runif(12,10,20)
> dim(m) <-c(3,4)
> m
[,1] [,2] [,3] [,4]
[1,] 19.65415 13.89828 12.26467 10.05988
[2,] 17.07482 16.98544 14.84558 11.87712
[3,] 16.44543 15.44058 17.93007 16.81834
字符串截取函数：substr( )及substring( )
截取啊截取，没啥可说的，直接上示例。
> substr("GB_PAG",4,6)
[1] "PAG"
> substring("GB_PAG", 4,6 )
[1] "PAG"
> substring("GB_PAG", 1:5, 1:5) # 和strsplit("GB_PAG","")得到一样结果
[1] "G" "B" "_" "P" "A"
> substring("GB_PAG", 1:3, 4:5)
[1] "GB_P" "B_PA" "_P"
> substring("ATATCTGCCGTATGA", c(1,3,5), c(4,6,9))
[1] "ATAT" "ATCT" "CTGCC"
字符串替换函数：chartr( )
这个函数有点怪，替换的时候 会依照内容依次替换而不是查找整个词
> chartr("ise", "why", x)
[1] "MwXyd cAhE 123 ww"
我其实并不知道为什么这种函数会存在，我的意思不是说他没有用，而是觉得他最初可能就是为了基因序列而构建的（画外音：肤浅）。
> chartr("ACTG","TGAC","ATATCTGCCGTATGA")
[1] "TATAGACGGCATACT"
> chartr("ACTG","atcg","ATATCTGCCGTATGA")
[1] "acactcgttgcacga"
大小写转换函数：toupper( )、tolower( )及casefold( )
大小写转换的函数，也没啥可说。
> news <- "The number of coronavirus cases in the United States has topped 300,000, with more than 8,000 fatalities."
> toupper(news)
[1] "THE NUMBER OF CORONAVIRUS CASES IN THE UNITED STATES HAS TOPPED 300,000, WITH MORE THAN 8,000 FATALITIES."
> tolower(news)
[1] "the number of coronavirus cases in the united states has topped 300,000, with more than 8,000 fatalities."
> casefold(news,upper = T)
[1] "THE NUMBER OF CORONAVIRUS CASES IN THE UNITED STATES HAS TOPPED 300,000, WITH MORE THAN 8,000 FATALITIES."
> casefold(news,upper = F)
[1] "the number of coronavirus cases in the united states has topped 300,000, with more than 8,000 fatalities."
3. 读入外部文件
我们要做自己的统计分析计算过程，就要进行输入 输入的方式有好多种，其中最有效的就是 直接写进去，这样肯定是最方便也是最不靠谱的一种方式，读入文件可以方便的衔接其他软件们也方便分享等。
# read.csv和read.table
> df_lst <- read.table("PJNAME.txt",header = F, col.names = "PJ_name",stringsAsFactors = F)
虽然函数看起来不一样，但是其实用法和效果都差不多。需要注意的几点是，R 里面有一种对象叫做Factor 因子，因子是个很奇妙的存在，他的值是正整数，他的名称是字符串，这样重复的内容就只有一个数值。因子可以方便的对应level和其名称，其实就是个方便的存在，但是初学R的时候 很容易搞混，因为因子看起来太像字符串了，但是你在取值的时候 却是数字，在很多过程可能会发生意外的对应，但是这都不至于报错，所以在读入的时候 如果不是很确定要用factor的话，要用stringsAsFactors = F 强制不做因子类型。
此外现在有比较不错的就是 基于c开发的快速读入文件的包data.table::fread, 能极速读入超大文件。
