生物信息學習的正確姿勢

NGS系列文章包括NGS基礎、在線繪圖、轉錄組分析?（Nature重磅綜述|關于RNA-seq你想知道的全在這）、ChIP-seq分析?（ChIP-seq基本分析流程）、單細胞測序分析?(重磅綜述：三萬字長文讀懂單細胞RNA測序分析的最佳實踐教程)、DNA甲基化分析、重測序分析、GEO數據挖掘（典型醫學設計實驗GEO數據分析 (step-by-step)）、批次效應處理等內容。

本文來源：R友舍公眾號

先思考，后動手，能讓你減少很多無謂的功夫，加快完成任務的效率。按照一定的邏輯思路來行事，更是如此，比如按照一定的通用流程在數據科學項目中使用R語言。

在實際工作中，每個數據科學項目各不相同，但基本都遵循一定的通用流程。具體如下：

• 數據導入

• 數據整理

• 數據可視化

• 數據轉換

• 數據建模

• 統計推斷

• 報告展示

• 自動化分析

下面列出每個步驟最有用的一些R包。

1. 數據導入

以下R包主要用于數據導入和保存數據：

• feather：一種快速，輕量級的文件格式；在R和python上都可使用

• readr：實現表格數據的快速導入

• readxl：讀取Microsoft Excel電子表格數據

• openxlsx：讀取Microsoft Excel電子表格數據

• googlesheets：讀取google電子表格數據

• haven：讀取SAS，SPSS和Stata統計軟件格式的數據

• httr：從網站開放的API中讀取數據

• rvest：網頁數據抓取包

• xml2：讀取HTML和XML格式數據

• webreadr：讀取常見的Web日志格式數據

• DBI：數據庫管理系統通用接口包

• RMySQL：用于連接MySQL數據庫的R包

• RPostgres：用于連接PostgreSQL數據庫的R包

• bigrquery：用于連接Google BigQuery的R包

• PivotalR：用于讀取Pivitol(Greenplum)和HAWQ數據庫中的數據

• dplyr：提供了一個訪問常見數據庫的接口

• data.table：data.table包的fread()函數可以快速讀取大數據集

• git2r：用于訪問git倉庫

2. 數據整理

以下R包主要用于數據整理，以便于你后續建模分析：

• tidyr：用于整理表格數據的布局

• dplyr：用于將多個數據表連接成一個整齊的數據集

• purrr：函數式編程工具，在做數據整理時非常有用

• broom：用于將統計模型的結果整理成數據框形式

• zoo：定義了一個名zoo的S3類型對象，用于描述規則的和不規則的有序的時間序列數據

3. 數據可視化

以下R包用于數據可視化：

• ggplot2及其擴展包：ggplot2包提供了一個強大的繪圖系統，并實現了以下擴展 (ggplot2高效實用指南 (可視化腳本、工具、套路、配色))

• ggthemes：提供擴展的圖形風格主題

• ggmap：提供Google Maps、Open Street Maps等流行的在線地圖服務模塊

• ggiraph：繪制交互式的ggplot圖形

• ggstance：實現常見圖形的橫向版本

• GGally：繪制散點圖矩陣

• ggalt：添加額外的坐標軸、geoms等

• ggforce：添加額外geoms等

• ggrepel：用于避免圖形標簽重疊

• ggraph：用于繪制網絡狀、樹狀等特定形狀的圖形

• ggpmisc：光生物學相關擴展

• geomnet：繪制網絡狀圖形

• ggExtra：繪制圖形的邊界直方圖

• gganimate：繪制動畫圖

• plotROC：繪制交互式ROC曲線圖

• ggspectra：繪制光譜圖

• ggnetwork：網絡狀圖形的geoms

• ggradar：繪制雷達圖

• ggTimeSeries：時間序列數據可視化

• ggtree：樹圖可視化

• ggseas：季節調整工具

• lattice：生成柵欄圖

• rgl：交互式3D繪圖

• ggvis：交互式圖表多功能系統

• htmlwidgets：一個專為R語言打造的可視化JS庫

• leaflet：繪制交互式地圖

• dygraphs：繪制交互式時間序列圖

• plotly：交互式繪圖包

• rbokeh：用于創建交互式圖表和地圖

• Highcharter：繪制交互式Highcharts圖

• visNetwork：繪制交互式網狀圖

• networkD3：繪制交互式網狀圖 (network3D 交互式網絡生成)

• d3heatmap：繪制交互式熱力圖

• DT：用于創建交互式表格

• threejs：繪制交互式3d圖形和地球儀

• rglwidget：繪制交互式3d圖形

• DiagrammeR：繪制交互式圖表

• MetricsGraphics：繪制交互式MetricsGraphics圖

• rCharts：提供了對多個javascript數據可視化庫(highcharts/nvd3/polychart)的R封裝

• coefplot：可視化統計模型結果

• quantmod：可視化金融圖表

• colorspace：基于HSL的調色板

• viridis：Matplotlib viridis調色板

• munsell：Munsell調色板

• RColorBrewer：圖形調色板

• igraph：用于網絡分析和可視化

• latticeExtra：lattice繪圖系統擴展包

• sp：空間數據工具

• amplicon： 擴增子分析

• YSX：一步可視化
  

4. 數據轉換

以下R包用于將數據轉換為新的數據類型：

• dplyr：一個用于高效數據清理的R包

• magrittr：一個高效的管道操作工具包

• tibble：高效的顯示表格數據的結構

• stringr：一個字符串處理工具集

• lubridate：用于處理日期時間數據

• xts：xts是對時間序列數據(zoo)的一種擴展實現，提供了時間序列的操作接口。

• data.table：用于快速處理大數據集

• vtreat：一個對預測模型進行變量預處理的工具

• stringi：一個快速字符串處理工具

• Matrix：著名的稀疏矩陣包

5. 統計建模與推斷

下述R包是統計建模最常用的幾個R包，其中的一些R包適用于多個主題：

• car：提供了大量的增強版的擬合和評價回歸模型的函數

• Hmisc：提供各種用于數據分析的函數

• multcomp：參數模型中的常見線性假設的同時檢驗和置信區間計算，包括線性、廣義線性、線性混合效應和生存模型

• pbkrtest：用于線性混合效應模型的參數Bootstrap檢驗

• MatrixModels：用于稠密矩陣和稀疏矩陣建模

• mvtnorm：用于計算多元正態分布和t分布的概率，分位數，隨機偏差等

• SparseM：用于稀疏矩陣的基本線性代數運算

• lme4：利用C 矩陣庫 Eigen進行線性混合效應模型的計算。

• broom：將統計模型結果整理成數據框形式

• caret：一個用于解決分類和回歸問題的數據訓練綜合工具包

• glmnet：通過極大懲罰似然來擬合廣義線性模型

• gbm：用于實現隨機梯度提升算法

• xgboost：全稱是eXtremeGradient Boosting。是Gradient Boosting Machine的一個c 實現。目前已制作了xgboost工具的R語言接口

• randomForest：提供了用隨機森林做回歸和分類的函數

• ranger：用于隨機森林算法的快速實現

• h2o：H2O是0xdata的旗艦產品，是一款核心數據分析平臺。它的一部分是由R語言編寫的，另一部分是由Java和Python語言編寫的；用戶可以部署H2O的R程序安裝包，之后就可以在R語言環境下運行了

• ROCR：通過繪圖來可視化分類器的綜合性能

• pROC：用于可視化，平滑和對比ROC曲線

6. 溝通交流

以下R包用于實現數據科學結果的自動化報告，以便于你跟人們進行溝通交流：

• rmarkdown：用于創建可重復性報告和動態文檔

• knitr：用于在PDF和HTML文檔中嵌入R代碼塊

• flexdashboard：基于rmarkdown，可以輕松的創建儀表盤

• bookdown：以R Markdown為基礎，用于創作書籍和長篇文檔 (別人的電子書，你的電子書，都在bookdown)

• rticles：提供了一套R Markdown模板

• tufte：用于實現Tufte講義風格的R Markdown模板

• DT：用于創建交互式的數據表

• pixiedust：用于自定義數據表的輸出

• xtable：用于自定義數據表的輸出

• highr：用于實現R代碼的LaTeX或HTML格式輸出

• formatR：通過tidy_source函數格式化R代碼的輸出

• yaml：用于實現R數據與YAML格式數據之間的通信

7. 自動化分析

以下R包用于創建自動化分析結果的數據科學產品：

• shiny：一個使用R語言開發交互式web應用程序的工具

• shinydashboard：用于創建交互式儀表盤

• shinythemes：給出了Shiny應用程序的常用風格主題

• shinyAce：為Shiny應用程序開發者提供Ace代碼編輯器

• shinyjs：用于在Shiny應用程序中執行常見的JavaScript操作

• miniUI：提供了一個UI小部件，用于在R命令行中集成交互式應用程序

• shinyapps.io：為創建的Shiny應用程序提供托管服務

• Shiny ServerOpen Source：為Shiny應用程序提供開源免費的服務器

• Shiny Server Pro：為企業級用戶提供一個Shiny應用程序服務器

• rsconnect：用于將Shiny應用程序部署到shinyapps.io

• plumber：用于將R代碼轉化為一個web API

• rmarkdown：用于創建可重復性報告和動態文檔

• rstudioapi：用于安全地訪問RStudio IDE的API

8. 程序開發

以下這些包主要用于開發自定義的R包：

• RStudio Desktop IDE：R的IDE。大家都懂，不用解釋。

• RStudio Server Open Source：開源免費的RStudio服務器

• RStudio Server Professional：商業版RStudio服務器

• devtools：一個讓開發R包變得簡單的工具集

• packrat：創建項目的特定庫，用于處理包的版本問題，增強代碼重現能力。

• drat：一個用于創建和使用備選R包庫的工具

• testthat：單元測試，讓R包穩定、健壯，減少升級的痛苦

• roxygen2：通過注釋的方式，生成文檔，遠離Latex的煩惱

• purrr：一個用于 提供函數式編程方法的工具

• profvis：用于可視化R代碼的性能分析數據

• Rcpp：用于實現R與C 的無縫整合

• R6：R6是R語言的一個面向對象的R包，可以更加高效的構建面向對象系統。

• htmltools：用于生成HTML格式輸出

• nloptr：提供了一個NLopt非線性優化庫的接口

• minqa：一個二次近似的優化算法包

• rngtools：一個用于處理隨機數生成器的實用工具

• NMF：提供了一個執行非負矩陣分解的算法和框架

• crayon：用于在輸出終端添加顏色

• RJSONIO：rjson是一個R語言與json進行轉的包，是一個非常簡單的包，支持用 C類庫轉型和R語言本身轉型兩種方式

• jsonlite：用于實現R語言與json數據格式之間的轉化

• RcppArmadillo：提供了一個Armadillo C Library（一種C 的線性代數庫）的接口

9. 實驗數據

以下R包給出了案例實戰過程中可用的訓練數據集：

• babynames：包含由美國社會保障局提供的三個數據集

• neiss：2009-2014年期間提供給美國急診室的所有事故報告樣本數據

• yrbss：美國疾病控制中心2009-2013年期間青年危險行為監測系統數據

• USAboundaries：2011年全年休斯頓機場的所有航班數據

• rworldmap：國家邊界數據

• usdanutrients：美國農業部營養數據庫

• fueleconomy：美國環保署1984-2015年期間的燃油經濟數據

• nasaweather：包含了一個覆蓋中美洲的非常粗糙的24*24格地理位置和大氣測量數據。

• mexico-mortality：墨西哥死亡人數數據

• data-movies和ggplotmovies：來自互聯網電影數據庫imdb.com的數據

• pop-flows：2008年全美人口流動數據

• data-housing-crisis：經過清洗后的2008美國房地產危機數據

• gun-sales：紐約時報提供的有關槍支購買的每月背景調查統計分析數據

• stationaRy：從成千上萬個全球站點收集到的每小時氣象數據

• gapminder：摘自Gapminder的數據

• janeaustenr：簡·奧斯丁小說全集數據

本文直接來源：R語言統計與繪圖?公眾號。

往期精品(點擊圖片直達文字對應教程)

后臺回復“生信寶典福利第一波”或點擊閱讀原文獲取教程合集

總結

以上是生活随笔為你收集整理的使用R语言的正确姿势，R包干货奉献的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。