R语言简介

R语言是S语言的一个变种。S语言由Rick Becker等人在贝尔实验室开发（著名的C语言、Unix系统开发实验室）。

R是一个自由源代码软件，GPL授权，于1997年发布，实现了与S语言基本相同的功能和统计功能。 现在由R核心团队开发，但全世界的用户都可以贡献软件包。

R的网站: http://www.r-project.org/

特点：

• 自由软件，免费、开放源代码，支持各个主要计算机系统；

• 具有完善的数据类型，代码简洁、可读；

• 强调交互式数据分析，支持复杂算法描述，图形功能强；

• 统计科研工作者广泛使用R进行计算和发表算法。R有上万扩展包(截止2023年7月5日在R包网站CRAN上有19784个)。

技术特点

S语言作者，R语言专家J. M. Chambers指出R的本质特征：

• R中所有的存在都是对象（object）；
• R中发生的动作都是函数调用（function call）。

详细地说R有如下技术特点：

• 函数编程（functional programming）。

• 支持对象类和类方法，面向对象的程序设计。

• 动态类型语言，解释执行，速度较慢。

• 数据框（data.frame）是基本数据类型，类似于数据库的表。

• 可以用作C和C++、FORTRAN语言编写的算法库的接口。

• 内部数值算法采用已广泛测试和采纳的算法实现，如排序、线性代数等。

R & Rstudio

• R是一种统计学编程语言
• Rstudio是R语言最好的IDE（Integrated development environment）

More about Rstudio

2022年RStudio公司正式改名Posit，拥抱大数据科学生态：R、Python、Julia...

RStudio使用方法概要PDF下载：rstudio-ide.pdf

Rstuido的魔法：按住Ctrl（Command）单击某个变量名或函数名，如果是data.frame就可以进入预览窗格， 如果是函数就可以进入函数内部看具体的代码。

其实是调用了View()函数，对于不是以上类型的对象我们可以手动调用。

学习资料

全面教程

小白上手首推北大李老师的课程讲义《R语言教程》，中文讲义，简单易读，甚至整本书就是用Rbookdown编写的，电子书也比较好复制代码进行学习。

《R语言实战》，也有中文版，介绍地更加全面且有不少进阶知识，值得一看！

然后是著名的英文书和参考手册：

• 《An Introduction to R》
• 《R Cookbook》

学习资料

数据处理

tidyverse全家桶，其中包含ggplot2，tibble，dplyr，readr，stringr等常用的全面的数据处理包，能够很好的满足我们下游数据处理需求：

• 读取数据
• 清洗数据
• 转换数据
• 合并数据
• 筛选数据
• 可视化

官方教程：《R for Data Science》，非常建议熟读并使用

学习资料

可视化

ggplot官方教程：《ggplot2: Elegant Graphics for Data Analysis》

为可视化而建的网站：From data to Viz | Find the graphic you need

学习资料

R编程

《Advanced R》，对R高级编程技术进行讲解

更多关于R的书可以在Home | Bookdown这里找到。

基本使用

很多人使用 R，只为用其中的某个包的某个功能，只需学会以下几步即可：

1. 装好R & Rstudio ✅

2. 认识基本数据类型，结构

3. 装好需要的包

4. 正确数据/图像读入和写出

5. 关闭R走人

基本使用

2. 认识基本数据类型

typeof(c(123,10e2,12L,Inf,-Inf))

## [1] "double"

typeof(c("str",'str'))

## [1] "character"

typeof(c(TRUE,FALSE,T,F))

## [1] "logical"

typeof(2.2 + 3.5i)

## [1] "complex"

typeof(NULL)

## [1] "NULL"

基本使用

2. 认识基本数据结构：向量(vector)

用c()函数把多个元素或向量组合成一个向量。如果元素基本类型不同，将统一转换成最复杂的一个，复杂程度从简单到复杂依次为： logical<integer<double<character。此外还可以有Date和factor类型的元素

x <- c(1:3, 10:13);x

## [1]  1  2  3 10 11 12 13

x[2]=T #类型转换，T为1，F为0
x

## [1]  1  1  3 10 11 12 13

x[1]="T" #类型升档，全部变为character
x

## [1] "T"  "1"  "3"  "10" "11" "12" "13"

is.vector(x)

## [1] TRUE

基本使用

2. 认识基本数据结构：列表(list)

列表(list)类型包装保存不同类型的数据。单个列表元素必须用两重方括号格式访问,单重方括号结果还是列表而不是列表元素。

rec <- list(name="李明", age=30,scores=c(85, 76, 90))
rec
## $name
## [1] "李明"
## 
## $age
## [1] 30
## 
## $scores
## [1] 85 76 90
typeof(rec)
## [1] "list"
rec[[1]]
## [1] "李明"
typeof(rec[[1]])
## [1] "character"
rec[1]
## $name
## [1] "李明"
typeof(rec[1])
## [1] "list"

普通有names属性的列表可以用$访问元素，S4对象可以用@访问元素。

基本使用

2. 认识基本数据结构：矩阵，数组(matrix, array)

矩阵用matrix函数定义，实际存储成一个向量，根据保存的行数和列数对应到矩阵的元素， 存储次序为按列存储。

A <- matrix(11:16, nrow=3, ncol=2) ;A

##      [,1] [,2]
## [1,]   11   14
## [2,]   12   15
## [3,]   13   16

矩阵是一个二维数组，我们可以定义多维数组

ara <- array(1:24, dim=c(1,2,2)) ;ara

## , , 1
## 
##      [,1] [,2]
## [1,]    1    2
## 
## , , 2
## 
##      [,1] [,2]
## [1,]    3    4

基本使用

2. 认识基本数据结构：数据框(data.frame)

数据框类似于一个矩阵，有多个横行、多个纵列，各列允许有不同类型：数值型、因子、字符、日期时间，但同一列的数据类型相同。取子集应注意drop 。

d <- data.frame(name=c("李明", "张聪", "王建"),age=c(30, 35, 28), height=c(180, 162, 175))
str(d)

## 'data.frame':    3 obs. of  3 variables:
##  $ name  : chr  "李明" "张聪" "王建"
##  $ age   : num  30 35 28
##  $ height: num  180 162 175

d[1:2, "age"]

## [1] 30 35

d[1:2, "age",drop=FALSE]

##   age
## 1  30
## 2  35

is.list(d)

## [1] TRUE

大多数更高级的对象本质上都是list，包括data.frame

基本使用

2. 认识基本数据结构：改进数据框(tibble)

tibble类型是一种改进的数据框，tidyverse全家桶推荐使用，确实有不少好处： 不会随意改变我们的数据名称，类型。打印优美。

class(d)

## [1] "data.frame"

library(tibble)
td=as_tibble(d)
td

## # A tibble: 3 × 3
##   name    age height
##   <chr> <dbl>  <dbl>
## 1 李明     30    180
## 2 张聪     35    162
## 3 王建     28    175

class(td)

## [1] "tbl_df"     "tbl"        "data.frame"

基本使用

3. 装好需要的包

包是R函数、数据、预编译代码以一种定义完善的格式组成的集合。

• 找到包，主要平台：
  • CRAN 官方存储库，多个镜像
  • BioConductor 用于生物信息学的开源软件专题库
  • Github 开发版本，无限惊喜，但也可能缺少维护
  • Bitbucket、SVN...
• 装在哪，本机位置：

计算机上存储包的目录称为库（library）。 函数.libPaths()能够显示库所在的位置，函数library()可以显示库中有哪些包。

.libPaths()

## [1] "/Library/Frameworks/R.framework/Versions/4.2-arm64/Resources/library"

这个地址很重要，有时候会有多个（如Windows分区），我们要搞清楚装在哪里。

基本使用

3. 装好需要的包

• 怎么装，例子：大部分情况下CRAN用 install.packages("pkg")，BioConductor用BiocManager::install("pkg")，Github用devtools::install_github("repos")即可。 但有时候会有依赖包相关的报错，我们可以手动下载特定版本包文件后安装。
  • source， 源码，一堆R脚本和文本文件，我们直接在github上看的就是这个。
  • bundle， 捆绑态，其实就是打包过的source，一般.tar.gz结尾。
  • binary， 二进制版本，架构不一样，.zip(Windows)或.tgz(macOS)结尾。

所谓安装包就是把source变成binary在放在我们的.libPaths()文件夹下。

还有问题，谷歌大法，或github问包作者。 带C++的R包出问题会麻烦一些，需要考察自己本机的C语言编译器。

基本使用

3. 装好需要的包

• 怎么用包

首先可以用library(pkg)或require(pkg)将包导入内存，这样便可以调用其中的函数。 search()函数可以查看我们已经library的包。

library(pcutils)
search()

##  [1] ".GlobalEnv"        "package:pcutils"   "package:tibble"   
##  [4] "package:stats"     "package:graphics"  "package:grDevices"
##  [7] "package:utils"     "package:datasets"  "package:methods"  
## [10] "Autoloads"         "package:base"

if(!require("pcutils")) install.packages("pcutils")

使用pkg::加上tab键可以列出某个包里所有导出的函数，多用help(pkg::func)或?pkg::func查看某个函数的用法。

如果不想用某个包了，可以用detach从当前环境移除（不是删除包）

detach("package:pcutils")

基本使用

4. 正确的数据/图像读入和写出

各种表格读取：read.table(), read.csv(), read.delim()

test.txt

read.table("test.txt") #无法读取

当我们的表格含有 ", ', # 或者列名中含有任何非变量名字符时都要小心

read.table("test.txt",header = T,sep = "\t",comment.char = "",quote = "",check.names = F)

建议在readr包的支持下用read_csv(), read_table2(), read_delim()等函数读入。

保存为tibble类型，快得多，也不自动将字符型列转换成因子，不自动修改变量名为合法变量名。

readr::read_delim("test.txt",delim = "\t")

excel用readxl包，剪切板可用datapasta包或clipr::read_clip()。表格写出用write_*()，与读入一致。

基本使用

4. 正确的数据/图像读入和写出

任意文件访问，跟python很像，使用file()打开文件，close()关闭。

• r—文本型只读; w—文本型只写; a—文本型末尾添加;
• rb—二进制只读; wb—二进制只写; ab—二进制末尾添加;
• r+或r+b—读写; w+或w+b—读写，清空文件; a+或a+b—读和末尾添加。

或者可以用cat()直接输出任意文本到文件。

clipr::write_clip()可以把R数据框或向量写入剪切板，可以直接粘贴他处。

图片保存：

pdf("new.pdf") #png(),jpg(),tiff(),bmp()
#画一些图
dev.off() #要记得关闭设备

ggplot2::ggsave("new.pdf",plot = p,device = "pdf") 
#p是一个ggplot对象，device可选各种文件格式

基本使用

4. 正确数据/图像读入和写出

R变量储存：

R的save()命令可以将一个或者多个R变量保存到文件(.rda或.RData)中，保存结果是经过压缩的，在不同的R运行环境中兼容。 使用load()可以恢复保存的变量。

强烈建议传递数据时用这种文件，避免了数据写入和读取时引起的差异。

使用save.image()可以把整个环境的所有变量保存，方便结果复现。

保存单变量时推荐使用saveRDS()，用readRDS()载入并返回变量，这样可以将某个变量赋值给某个拟定的变量名，避免某个变量值变了我们还不知道， 如

saveRDS(old,file = "tmp.RDS")
new=readRDS("tmp.RDS")

程序控制结构

1. 分支结构

x=1
if(x>0) {
  print("x > 0")
} else {
  print("x <= 0")
}

## [1] "x > 0"

#或者用switch函数
switch (x>0,
    T = {print("x > 0")},
    F = {print("x <= 0")}
)

## [1] "x > 0"

#或者用ifelse函数，向量式
x <- c(-2, 0, 1)
ifelse(x >=0, 1, 0)

## [1] 0 1 1

程序控制结构

2. 循环结构

for (i in 1:3) {
    print(i)
}
#或者用while函数
i=1
while (i<4) {
    print(i)
    i=i+1
}
#或者用repeat函数
i=1
repeat{
    print(i)
    i=i+1
    if(i>3)break
}

注意用到的判断条件必须是逻辑标量值，不能为NA或零长度。 这是R编程时比较容易出错的地方。

程序控制结构

循环结构进阶，apply()家族

上述显式循环是R运行速度较慢的部分，有循环的程序也比较冗长，建议使用apply, sapply, lapply, vapply, tapply等函数替代。

func=function(i)print(i)
a=lapply(1:3, func)

## [1] 1
## [1] 2
## [1] 3

另外，建议循环过程不要制作副本：

类似于x <- c(x, y)这样的累积结果每次运行都会制作一个x的副本， 在x存储量较大或者重复修改次数很多时会减慢程序。

而是应该在循环前设置好用来保存结果的数据结构：

x=numeric(100)
x[[i]]={i循环100次产生的结果}

程序控制结构

3. 管道

原生管道，R从4.1.0版本开始提供了一个|>运算符实现管道，如计算 $e^{\sqrt{2}}$：

2 |> sqrt() |> exp()

## [1] 4.11325

但是我还是更喜欢用magrittr提供的%>%，支持更复杂的应用，比如用.代表产生的中间变量放到合适的参数位置：

library(magrittr)
"hhh"%>%paste0("prefix_",.)

## [1] "prefix_hhh"

还有%<>%等方便的变体:

a="hhh"; a%<>%paste0("prefix_",.)
a

## [1] "prefix_hhh"

函数

使用自定义函数， 优点是代码复用、模块化设计。

函数名 <- function(形式参数表) 函数体

特殊形参：...

my_mean=function(...)sum(...)/length(c(...))
my_mean(1,2,3,4)

## [1] 2.5

无名函数: 不定义函数名也可以调用

a=lapply(1:3, \(i)print(i))

## [1] 1
## [1] 2
## [1] 3

变量作用域：全局变量 vs 局部变量

函数

• R中所有的存在都是对象（object） 对象其实就是一种封装的概念，它把事物封装成一个类(class)，然后提供类的方法(method)，而具体的过程人们看不到。

class(mean)

## [1] "function"

• R中发生的动作都是函数调用（function call）???

函数调用有四种方式：

1 前缀形式。 这也是一般的格式

mean(1:2)

## [1] 1.5

函数

2 中缀形式。二元运算符实际上都是函数

1+1

## [1] 2

`+`(1,1)

## [1] 2

`%love%`=function(a,b)paste0(a," loves ",b)
"Romeo"%love%"Juliet"

## [1] "Romeo loves Juliet"

函数

3 替换形式。

x <- 1:2
names(x) <- c("a", "b")
x

## a b 
## 1 2

print(`names<-`)

## function (x, value)  .Primitive("names<-")

函数

4 特殊形式。x[1], x[[1]]这些取子集或元素等

x <- 1:5
x[1]

## [1] 1

`[`(x, 1)

## [1] 1

确实，R中发生的动作都是函数调用（function call），知晓函数调用的形式，可以让我们在用某些包的函数时明确问题来源，查找源码等。

Debug

某个函数突然失灵了

1. 工作环境变化

环境是R语言比较困难的概念，一般不需要深入了解也能用。

但我们要知道，大多数时候我们处于Global Environment，我们敲出来的每一个变量名(函数名)都是优先在全局环境找，找不到的话就search()里面按顺序去每个环境找。 所以要注意环境优先级以及变量名冲突，极端情况如下：

1+1

## [1] 2

#定义了`+`,或者新导入的包包含一个`+`的函数名，覆盖了base的加法
`+`=`-`
1+1

## [1] 0

常使用pkg::func的形式调用函数是个好习惯，可以防止不同包的同名函数冲突。

Debug

2. 断点，traceback()，debug()， browser()

反向追踪(traceback)将错误定位到某一函数调用。

可以用debug(func)命令对函数func开启跟踪运行。

用undebug(func)取消对func的这种操作。

例子

Debug

3. 我要debug的函数在哪？

一般来说我们可以找到报错的代码行以及具体的函数，便可以使用debug()。

但有时候会发现一些函数无法被正确定位，具体代码也只能看到UseMethod()：其实是我们碰到了泛型函数。下面同样一个summary函数，为啥对women和fit做出了完全不同的处理？

summary(women)
fit <- lm(weight ~ height, data=women)
summary(fit)

class(women); class(fit)

## [1] "data.frame"

## [1] "lm"

原来他们是不同的类（class），泛型函数会更具对象的类选择运行什么样的代码（即见人说人话，见鬼说鬼话）： 调用func.class()函数，上述就是分别调用了summary.data.frame()，summary.lm()。print和plot也是非常常见的泛型函数。

Debug

3. 我要debug的函数在哪？

或者我们可能发现某些报错函数not found（但我们又确定有这样一个函数）： 其实是我们碰到了非导出函数（R包开发者不想用户看到所有的函数，只把有用的导出）。

library(reshape2)
class(mtcars)
#melt是泛型函数，那应该调用melt.data.frame
melt.data.frame(mtcars,id.vars = "cyl")
## Error in melt.data.frame(mtcars, id.vars = "cyl") : 
##  could not find function "melt.data.frame"

找到这些函数的方法也很简单（毕竟R包需要都开源）：pkg:::func即可

reshape2:::melt.data.frame(mtcars,id.vars = "cyl")

有时候我们通过debug可以发现一些有用的内部函数（比如从那种一步/很久完成XX分析的函数中找到我们需要的功能）， 这样我们便可以使用pkg:::func做想做的部分。

代码整理

我们在做数据分析时会产生大量代码，做好整理非常重要。

• 最开始，每一个独立的R脚本进行分析 （代码冗余度太高，后期很难快速看懂）

• 学会编写函数，复制函数到不同的R脚本使用（n个地方的函数需要修改n次）

• 将常用的函数放在一个R脚本下，要用的时候source()整个脚本（全局环境中出现大量函数名，可能还会引起冲突）

• 将常用函数整理成R包，写好注释和帮助文档，方便调用和分享 （嘎嘎香)

R Markdown

R Markdown是一种文本格式，用于创建具有代码、文本、图形和输出结果的可重复性报告。 是“文学式编程”(literate programming, (Knuth 1984))思想的实践。

它是在R语言环境中开发的，也可以与其他编程语言（如Python，shell）结合使用。

优点：

• 可重复性：代码和结果都是可重复的，有助于确保研究结果的可靠性和透明度。

• 效率：使用R Markdown在单个文件中组织和记录所有内容，节省时间和精力。

• 灵活性：R Markdown支持多种格式和输出选项，根据需要自定义样式布局。

总之，比word好用，比Latex好学😂

Yihui Xie大佬的官方文档：R Markdown: The Definitive Guide (bookdown.org)

以及参考书：R Markdown Cookbook (bookdown.org)

To Documents

Rmd文档头部是YAML元数据，可指定各种输出参数

1. HTML

2. PDF

3. Word

优点：

1. 公式，化学分子式非常好写

2. 文献插入也不错（配合Zotero）

3. 图表自动编号和引用、链接（我觉得比word好用点）

4. 支持交互式图形（HTML）

To Presentation

R Markdown支持生成各种幻灯片文件（此幻灯片也是由Rmd生成的😂）

1. PowerPoint

   常用，易分享

2. ioslide/Slidy

   网页格式的幻灯片，支持交互

3. Beamer

   PDF幻灯片，模版众多，大学课堂热衷使用

To Interactive Presentation

地图 (拜托，PPT可交互真的很酷)：

+−

Leaflet | © OpenStreetMap contributors, CC-BY-SA

To Research Papers

rticle包，包含一套自定义 R Markdown 格式和模板，用于创作期刊文章和会议提交。

例子：

• Frontiers

• Bioinformatics

To Website

Rmarkdown可以帮助我们搭建简易网站：

• index.Rmd是主页内容， 可以在此处人工加入其它页面链接。

• _site.yml是一个YAML文件， 其中包含站点的设定和输出设定。

例子：

File -> New Project -> New directory -> Simple R Markdown Website ->

Create Project (click Open in new session) -> Build -> Build Website

To Blog

R扩展包blogdown可以与Hugo软件配合制作简单的静态博客网站。

网站的所有文件都在一个目录中，只要上传到任意的网站服务器就可以发布，没有任何限制。

我的博客：Asa's blog

参考书：blogdown: Creating Websites with R Markdown (bookdown.org)

To Book

R的bookdown扩展包

在bookdown的管理下：一本书的内容可以分解成多个Rmd文件， 其中可以有可执行的R代码， R代码生成的文字结果、表格、图形可以自动插入到生成的内容中， 表格和图形可以是浮动排版的。 输出格式主要支持gitbook格式的网页图书。

我也稍微尝试写了一下：MetaNet Tutorial

参考书：bookdown: Authoring Books and Technical Documents with R Markdown

写R包

包是可重现 R 代码的基本单元，包括可重用的 R 函数、描述如何使用它们的文档和示例数据。 一个包将代码、数据、文档和测试捆绑在一起，并且很容易与他人共享。

简单例子（需要下载roxygen2包）：

File -> New Project -> New directory -> R package ->

Create Project (click Open in new session)-> Package name -> Build -> Install

最简单的包只需要这些目录和文件即可，

• R目录下放在我们编写的R函数脚本
• man目录放着所有函数的帮助文档（roxygenise()函数生成，不要自己写）
• DECRIPTION定义了包的各种元数据，包名/版本/依赖包等等，非常重要
• NAMESPACE控制函数的可视性（roxygenise()函数生成，不要修改！）

参考书：R Packages (2e) (r-pkgs.org)

写R包

如果真的有意开发R包，建议走devtools的流程，要比前面的简单例子好用。

library(devtools)
#创建R包
create_package("testpkg")
#配置git用于版本控制
use_git()
#创建一个R脚本，开始写函数
use_r("first")
#生成man文件和NAMESPACE
document("./")
#使所有函数可用（没有install但R包已在内存）
load_all("./")
#检查R包语法，建议每次重要修改后运行一次，解决完所有的Error，Warning，Note再进一步修改，不要积累较多错误
check("./")
#打包为bundle包，.tar.gz
build("./")
#install我们写好的R包
install("./")
#定义一些测试例子
use_testthat()

循环后面几步：function -> document -> load_all -> check ->install，直到功能完善，check无误。

写R包

写一个函数试试

• 函数应该功能明确，不能使用library，而应该用pkg::func调用，并且这里的pkg一定要在DESCRIPTION中声明。
• 函数不应该产生不良副作用，比如修改用户环境变量，谨慎使用option, par, setwd等函数。
• 函数的头文件很重要，包含了帮助文档以及决定函数性质的参数：
• 使用Shift+option+command+R可以帮助生成头文件

  标签	描述
  @title	函数名
  @description	一行的函数描述
  @details	多行的函数描述(第一行之后要有缩进)
  @param	函数参数
  @export	添加函数到NAMESPACE
  @method generic class	泛型S3方法的文档
  @import importFrom	声明调用的函数或包

  标签	描述
  @return	函数返回的值
  @author	作者和联系地址
  @rdname	绑定到其他函数
  @examples	使用函数的例子
  @note	使用函数的注意事项
  @aliases	用户能够找到文档的额外的别名
  @references	函数所涉及的方法的参考文档

写R包

发布包:

• CRAN submission 请仔细阅读CRAN Repository Policy，然后必须让代码通过R CMD check再提交，不然会直接拒收。我们提交的包是bundle包，.tar.gz格式。过了机检后就会有“审包人”联系（一般是志愿者，我们应当态度好些）， 再积极沟通修改代码就好，最后通过审核一天就能在CRAN上看到了。

• BioConductor submission 用于生物信息学的开源软件专题库，上传前仔细阅读Guidelines， 明确包的主题要跟生物有相关性（ Software, Experiment Data, Annotation and Workflow.），发布包的流程是Github issues， 审核过程全公开透明，你现在就能点进去看有哪些包正在提交。

• Github 这里就最自由了，你可以随意上传在自己的仓库，也可以邀请别人直接从github安装。

写R包

我写的几个包，欢迎使用与批评指正：

1. MetaNet, Network analysis for omics data, you can find the MetaNet Tutorial here.

2. pcutils, which contains many useful tools or functions for statistics or visualization. I always use this package for productivity.

3. pctax, which contains some helpful functions for microbiome analysis.

4. ReporterScore, it is ReporterScore Functional Enrichment Method for Microbiome.

制作Shiny APP

Shiny 是一个 R 包，可轻松地直接从 R 构建交互式 Web 应用程序。

可以在网页上托管独立应用程序或将它们嵌入 R Markdown 文档。还可以使用 CSS 主题、html 小部件和 JavaScript 操作扩展Shiny 应用程序。

例子：

File -> New Project -> New directory -> Shiny Application ->

Create Project (click Open in new session) -> Run App

shiny::runApp("test_shiny/app.R")

官方教程：Shiny Learning Resources

参考书：Mastering Shiny

制作Shiny APP

我的实践：

iphylo visual, which is developed in cooperation with Li Yueer.