把外部數(shù)據(jù)讀入R語言里以及在R語言處理的數(shù)據(jù)導(dǎo)出，怎么操作以及注意哪些細(xì)節(jié)：

1.認(rèn)識(shí)csv格式

2.認(rèn)識(shí)分隔符

3.將表格文件讀入R語言，成為數(shù)據(jù)框

4.將數(shù)據(jù)框?qū)С?，成為表格文?/p>

5.R語言特有的數(shù)據(jù)的類型：.Rdata

6.文件讀寫部分（重點(diǎn)）

7.進(jìn)階：可讀入R語言的常見生信數(shù)據(jù)形式

8.進(jìn)階：讀取文件的其他常用R包

1.認(rèn)識(shí)csv格式

打開ex3.csv文件（生信技能樹數(shù)提供）

windows電腦如果沒有設(shè)置，通常不會(huì)顯示文件后綴名。

設(shè)置：打開文件所在的文件夾--查看前方框打鉤--文件擴(kuò)展名前方框打鉤，顯示文件后綴，電腦知識(shí)一定要加強(qiáng)，融會(huì)貫通。

來自生信技能樹小潔老師的課件圖

1.1 csv打開方式（一）：默認(rèn)使用excel

在里excel自動(dòng)加上橫線和豎線，在渲染效果。

excel打開csv文件

1.2 csv打開方式（二）：記事本打開

在excel里有豎線的地方在記事本里變成用逗號(hào)隔開。分隔符為逗號(hào)，這是csv的廬山真面目，其實(shí)csv就是純文本文件。

記事本打開csv文件

1.3 csv打開方式（三）：sublime軟件打開（更適用大文件）

方便打開比較大的純文本文件，記事本如果打開幾百M(fèi)B的文件會(huì)卡，但是sublime不會(huì)，而且sublime有代碼高亮的功能，以后慢慢探索。

sublime打開csv文件

1.4 csv打開方式（四）：R語言讀取

a=read.csv("ex3.csv")
##輸入a=read.csv("")時(shí)，光標(biāo)在引號(hào)中間使用tab鍵補(bǔ)全，一定要加引號(hào)，不然會(huì)出現(xiàn)找不到對(duì)象，找不到對(duì)象（object）通常有兩種情況：該加引號(hào)不加，或該賦值時(shí)不賦值。

R語言讀取與前面3種方式是不一樣的：

ex3.csv是真實(shí)存在的文件，R語言賦值的變量a不是電腦上一個(gè)真實(shí)文件，R語言內(nèi)部的變量和電腦上的文件不是一碼事，分清環(huán)境里的變量和工作目錄下文件的關(guān)系。

讀進(jìn)R語言，就是個(gè)數(shù)據(jù)框，可賦值，變量名與文件名無必然聯(lián)系。

表格文件讀入到R語言里，就是個(gè)數(shù)據(jù)框，對(duì)數(shù)據(jù)框進(jìn)行的修改（賦值，取子集等）不會(huì)同步到表格文件。

2.認(rèn)識(shí)分隔符

CSV文件本身沒有豎線，用excel打開，為什么會(huì)顯示橫線和豎線，是通過分隔符去識(shí)別的。

CSV文件官方標(biāo)配常見：逗號(hào)，空格，制表符\t（用tab鍵摁出來的是制表符，在代碼里顯示的是\t）

CSV的標(biāo)準(zhǔn)分隔符是逗號(hào)，也叫逗號(hào)分隔制文件：

CSV = Comma Separated Values

TSV以tab鍵分隔符：

TSV = Tab Separated Values

純文本文件的后綴沒有意義，只是約定俗成（有特例或是不守規(guī)則，不要對(duì)后綴太依賴）。后綴起提示作用，不起決定性作用。

既然后綴不起決定性作用，但是為什么還要加后綴，因?yàn)樵趙indows電腦上有些軟件會(huì)根據(jù)后綴去用什么軟件打開。在編程語言世界里，后綴沒那么強(qiáng)，只要文件內(nèi)容是符合規(guī)則的一個(gè)方方正正，有分隔符，叫什么名字不是關(guān)鍵。

3.將表格文件讀入R語言，成為數(shù)據(jù)框

3.1 read.csv()--通常讀取csv格式

3.2 read.table()--通常用于讀取txt格式

以下是非常重要的三個(gè)參數(shù)，有時(shí)候不是三個(gè)參數(shù)都一起用，用R語言讀進(jìn)來的文件，與excel打開原表格對(duì)比，選擇合適的參數(shù)。
header = T,
check.names = F,
row.names=1

read.csv()
read.table()
# header = T,
#check.names = F,
#row.names=1
##實(shí)戰(zhàn)中，參數(shù)選不對(duì)，導(dǎo)致數(shù)據(jù)框或是表達(dá)矩陣的列名不對(duì)，很難進(jìn)行一些操作。

兩者是同宗同源的函數(shù)，有些參數(shù)是相同的，但是默認(rèn)參數(shù)設(shè)置可能有所不同。read.csv()是由read.table()演變而來，比較適合讀取常規(guī)的csv文件，它的參數(shù)根據(jù)常規(guī)的csv文件習(xí)慣調(diào)一下默認(rèn)參數(shù)，比如說把默認(rèn)的分隔符就設(shè)置為逗號(hào)，做了適合讀取csv的設(shè)置。

test = read.csv("ex3.csv")
class(test)

• 再次強(qiáng)調(diào)變量名稱和文件名稱的區(qū)別：

文件名稱寫的話永遠(yuǎn)在實(shí)際參數(shù)的位置上，并且?guī)е?hào)。變量名稱一般都是在等號(hào)前面或是正常寫在代碼里，不會(huì)和引號(hào)一起出現(xiàn)。變量名稱是一個(gè)數(shù)據(jù)，而文件名稱是真實(shí)在電腦存在。

• 直接讀取csv如果失敗，需要指定一些參數(shù)。

read.csv()是一個(gè)函數(shù)，函數(shù)就有默認(rèn)參數(shù)，默認(rèn)參數(shù)與讀入表格對(duì)不上號(hào)的地方，讀取出來比較變扭，比如行名和列名沒有正確識(shí)別出來。

4.將數(shù)據(jù)框?qū)С?，成為表格文?/h3>

導(dǎo)出是指把R語言里的一個(gè)數(shù)據(jù)框?qū)С鋈?，變成電腦上的一個(gè)文件。

4.1 csv格式：write.csv()

write.csv(test,file="example.csv")
##test為要導(dǎo)出的數(shù)據(jù)框的變量名；example為給導(dǎo)出的文件命名，記得寫上后綴csv
##運(yùn)行完工作目錄下就多了一個(gè)文件，可以進(jìn)行發(fā)送。

4.2 txt格式：write.table()

write.table(test,file="example.txt")
##test為要導(dǎo)出的數(shù)據(jù)框的變量名；example為給導(dǎo)出的文件命名，記得寫上后綴txt

讀取--編輯修改--導(dǎo)出，不要覆蓋原文件：

讀取的文件是外部文件，不是自己做的，原始文件一定要保留，如果原文件丟了，代碼出問題，沒法追根溯源，所以導(dǎo)出的文件另取一個(gè)名。

一定要把原始數(shù)據(jù)保存好，運(yùn)行的代碼也保留。

5.R語言特有的數(shù)據(jù)的類型：.Rdata

.Rdata文件里可以存放變量，而且不止一個(gè)變量，也是電腦里真實(shí)存在的文件，放在工作目錄下，用load就可以加載。

• .Rdata是R特有的數(shù)據(jù)儲(chǔ)存格式，無法用其他軟件打開，只能用R語言打開。

• 保存的是變量，不是表格文件。凡是在R語言環(huán)境能起名的，占有一席之地的叫變量，可以存到.Rdata里，整存整取。

5.1 用save()--保存

save(test,file="example.Rdata")
##test只是一個(gè)變量名，可以以逗號(hào)為分隔符，添加多個(gè)變量，即可保存多個(gè)。保存多個(gè)變量，file=是不能省略的

5.2 用load()--加載

load("example.Rdata")
##使用時(shí)可以加載，但是保證save的文件在在工作目錄下。
##干干凈凈地加載，直接load就好，不用賦值

5.3 Rproject的組織形式

腳本：.R

數(shù)據(jù)：.Rdata

表格：.txt或.csv

常見報(bào)錯(cuò)：找不到文件

原因1：文件沒有保存放于工作目錄（Rproject）下。

原因2：拼寫錯(cuò)誤（用tab自動(dòng)補(bǔ)齊）。

默認(rèn)參數(shù)不適用于你的當(dāng)前讀取的文件，也會(huì)報(bào)錯(cuò)

6.文件讀寫部分（重點(diǎn)）

6.1 讀取ex1.txt

ex1.txt文件為生信技能樹提供。

ex1=read.table("ex1.txt")
##讀進(jìn)來是第一步，從環(huán)境變量里點(diǎn)開看文件是否正常
ex1[2,4]
#[1] "45351"
##本來應(yīng)該是數(shù)值型，現(xiàn)在是字符型，用Excel打開原文件對(duì)比。
##列名沒有正確識(shí)別的話，一列是一個(gè)向量，一個(gè)向量只有一種數(shù)據(jù)類型，如V1列有id，之后都是數(shù)值型，數(shù)值型變成字符型

?read.table
##在幫助文檔里一個(gè)個(gè)去查看，默認(rèn)設(shè)置header = FALSE,不給識(shí)別列名，修改默認(rèn)參數(shù)。
read.table("ex1.txt",header = T)
#修改header = T，被正確識(shí)別，歸位很重要。
ex1[2,4]
#[1] 31872,數(shù)值型。

讀完后檢查，用excel打開原文件，第一行是應(yīng)該是列名，第二行才是正式內(nèi)容，Excel里不做這個(gè)區(qū)分，R語言里，列名和每一列里正式內(nèi)容是要區(qū)分開的，問題是該有的列名沒有放在正確的位置上。

用R語言正確讀入格式應(yīng)該和用excel打開的格式一樣，仔細(xì)觀察行列的位置。如果不正確，修改函數(shù)的實(shí)際參數(shù)，或是默認(rèn)值。

6.2 讀取ex2.csv

ex2.csv文件為生信技能樹提供。

read.csv("ex2.csv")
##初步讀進(jìn)來，在環(huán)境里把變量點(diǎn)開，再用Excel打開對(duì)比，觀察是否有異常
##異常的地方：1.第一列x，2.列名的連接符號(hào)。R語言讀取時(shí)，沒有識(shí)別第一行是列名，填充一個(gè)x

?read.csv
##查看幫助文檔的介紹說明，查看是哪一項(xiàng)引起的，可以多試試。
ex2 = read.csv("ex2.csv",row.names = 1)
##row.names = 1，把第一列識(shí)別成行名的意思，# row.names = 1,永遠(yuǎn)設(shè)置為1，。
##串改列名，.和-是不一樣的。R語言改掉是因?yàn)椴辉试S有特殊字符的存在，在幫助文檔里一個(gè)個(gè)去找參數(shù)。
##check.names = TRUE為默認(rèn)，檢查行名和列名里有沒有特殊字符，有的話就被改掉，強(qiáng)制把-改為.
ex2 = read.csv("ex2.csv",row.names = 1,check.names = F)
##在環(huán)境里點(diǎn)開ex2，顯示正常
a=as.matrix(ex2)
##表達(dá)矩陣，表達(dá)矩陣的內(nèi)容為數(shù)值，把數(shù)據(jù)框ex2為矩陣
a[1,2]
#[1] 13.67818,如果不設(shè)置row.names = 1，雖然轉(zhuǎn)變?yōu)榫仃?，但是里面的?nèi)容是字符型，沒法作圖和計(jì)算

用R語言讀完后，用excel打開原始文件對(duì)比，找出不一樣的點(diǎn)，查看幫助文檔，試著設(shè)置參數(shù)

6.3 讀取soft.txt，賦值給soft

soft = read.table("soft.txt")
##讀進(jìn)來報(bào)錯(cuò)，去查看原文件
##報(bào)錯(cuò)解釋：文件本來是有5列，讀著第2行就變成4列，不能識(shí)別。

有一個(gè)深坑：
用sublime打開，看著是空格，沒問題。其實(shí)分隔符號(hào)是有兩個(gè)，中間是一個(gè)空著的列，所以才會(huì)有兩個(gè)分隔符。
R語言里識(shí)別的空格符 sep = ""，只要是空著就行，識(shí)別空格和\t.給它兩個(gè)制表符，它還是會(huì)識(shí)別成一個(gè)分隔符。兩個(gè)制表符放在一起還是空的，凡是空的東西放在一起，它會(huì)識(shí)別為空的分隔符。

?read.table
##查看幫助文檔，找到參數(shù)
soft = read.table("soft.txt", fill =T )
##加上參數(shù)fill =T，哪個(gè)地方有缺位，就用空格子補(bǔ)全。
##能讀進(jìn)來，在環(huán)境里點(diǎn)擊變量soft看，列名沒有正確識(shí)別，加參數(shù)header =T。
soft = read.table("soft.txt", fill =T, header = T )
##用sublime打開，在空格處，用tab鍵，出現(xiàn)兩個(gè)空格，有一個(gè)為分隔符

soft = read.table("soft.txt", fill =T, header = T, sep = '\t' )
##sep = 為指定分隔符，這里指定的分割符為制表符'\t'，指定一個(gè)\t'為分隔符，兩個(gè)制表符放在一起，就知道中間那個(gè)隔該空著，才正常。

• soft 的行數(shù)列數(shù)是多少？列名是什么

dim(soft)
#[1] 1000    5

colnames(soft)
#[1] "ID"       "SEQUENCE" "GeneName" "GB_ACC"   "SPOT_ID" 

• 將soft導(dǎo)出為csv

write.csv(soft,"soft.csv")
##省略形式參數(shù)file=

• 將soft保存為Rdata并加載

將soft保存為Rdata并加載。
save(soft,file = "soft.Rdata")
##只有soft一個(gè)變量時(shí)，形式參數(shù)file = 可以省略
rm(list=ls())
##用快捷鍵清空環(huán)境變量或是重啟session（打開窗口）。才能看到加載是否成功。
load("soft.Rdata")
##輸入load("so")用tab鍵補(bǔ)全，加載成功會(huì)在環(huán)境里顯示soft變量

注意：用save() 函數(shù)保存幾個(gè)變量時(shí)，形式參數(shù)file=不能省略，因?yàn)閹讉€(gè)變量用逗號(hào)隔開，寫上file=提示變量結(jié)束，可保存。

x= read.table("complete_set.txt")
save(x,file = "x.csv")
##沒報(bào)錯(cuò)，看起來還是很正常
a = read.csv("x.csv")
##讀入報(bào)錯(cuò)，并且用Excel打開，里面的內(nèi)容亂碼

##假如原始文件丟了，怎么辦？
##用save生成，是Rdata文件，得用load加載
load("x.csv")
##成功加載

###結(jié)論：
##一個(gè)文件是什么類型文件，是由函數(shù)決定的，不是由叫什么（后綴）決定的，后綴只是起提示作用。用什么命令生成才是最重要的，用后綴是為了提示。記住什么樣的命令對(duì)應(yīng)什么樣的文件。

6.4 文件讀入R語言總結(jié)：

從外部讀入一個(gè)文件，經(jīng)常從官網(wǎng)上下載讀入，如原始表達(dá)矩陣或是注釋探針ids，在用R語言讀入，同時(shí)用sublime軟件打開，對(duì)比，看看是否需要調(diào)參數(shù)，一步步去設(shè)置，畢竟不是自己整的原始表格，有些數(shù)據(jù)的坑需要慢慢去試。

7.進(jìn)階：可讀入R語言的常見生信數(shù)據(jù)形式

7.1 R語言能讀取很多文件格式

來自生信技能樹小潔老師的課件圖

生信格式在上游分析的時(shí)候會(huì)提到，一般上游分析用Linux來完成，因?yàn)樯嫌蔚臄?shù)據(jù)比較大，Linux運(yùn)行時(shí)比較快。Rstudio是圖形界面，比較費(fèi)空間，運(yùn)行慢，但是看格式。目前只用在csv和txt，如果以后用生信格式，在網(wǎng)頁上搜索，如：R read.fasta[https://www.rdocumentation.org/packages/seqinr/versions/4.2-8/topics/read.fasta]用得比較少

8.進(jìn)階：讀取文件的其他常用R包

用于讀取/導(dǎo)出文件的R包

來自生信技能樹小潔老師的課件圖

read.delim()比較好用，是read.table()的小變體，可以讀取一些txt文件，它的默認(rèn)參數(shù)有的和read.table()的有所區(qū)別。用read.table()讀取txt文件，挑了參數(shù)也不成功，可以換成read.delim()，有可能該文件適合read.delim()的默認(rèn)參數(shù)。

8.1 readr包

https://readr.tidyverse.org/

https://readr.tidyverse.org/reference/read_delim.html

哈德雷大神寫的包，有幾個(gè)函數(shù)，read_table()和read.table()功能有些同，但不是完全一樣的，read_table()等函數(shù)是升級(jí)改造版的，有一些問題，除定義讀取方式外，還定義一種新的數(shù)據(jù)結(jié)構(gòu)，叫tibble，用tibble的函數(shù)讀進(jìn)去，就不是正常數(shù)據(jù)框，有兩種數(shù)據(jù)，一個(gè)是data.frame一個(gè)是tibble，直接as.data.frame就可以，取子集比較兼容。它升級(jí)的地方在于：1.讀取更加智能些，2.數(shù)據(jù)格式，tibble是一種優(yōu)化的數(shù)據(jù)框。剛?cè)腴T的文件比較小，讀取大文件速度快。

8.2 data.table包：fread()常用的函數(shù)

fread()常用的函數(shù)：可以讀入csv格式文件和txt格式文件

智能和快速，行名無用論（大神不處理矩陣，以數(shù)據(jù)框?yàn)槟繕?biāo)，但是生信分析需要用表達(dá)矩陣），是哈德雷大神早期寫的包

library(data.table)
a = fread('exp.csv')
##在環(huán)境里點(diǎn)開變量看，沒有行名。
 class(a)
#[1] "data.table" "data.frame"
##exp.csv文件用read.csv讀進(jìn)來是數(shù)據(jù)框，但是用fread()讀進(jìn)來變成兩種數(shù)據(jù)格式，不認(rèn)識(shí)"data.table" 格式

##把討厭的"data.table" 去掉，設(shè)置參數(shù)。
a = fread('exp.csv',data.table = F)
class(a)
#[1] "data.frame"
##只有數(shù)據(jù)框，這樣取子集比較兼容

##設(shè)置行名
rownames(a) = a[,1]
a= a[,-1]

b = fread('ex1.txt')
##讀進(jìn)來感覺正常

8.3 rio包

有時(shí)候用R語言自帶的base包里函數(shù)read.table()，找不到一些默認(rèn)參數(shù)，就用rio包里的函數(shù)：

8.3.1 import()：讀入文件

library(rio)
import()
##讀去標(biāo)準(zhǔn)文件時(shí)非常智能，但是讀取不標(biāo)準(zhǔn)文件時(shí)如傻子一樣。
?import
##根據(jù)后綴來怎么讀取代碼，以及一些小參數(shù)設(shè)置，還需要知道后綴只是起提示作用，不是決定作用。
import("gene.csv")
#    gene change score
# 1 gene1     up     5
# 2 gene2     up     3
# 3 gene3   down    -2
# 4 gene4   down    -4
import("gene.csv",format = '\t')
##能正常讀取，包括.counts，soft為后綴的文件，可以用format = '\t'讀取。

import()函數(shù)非常好用，不需要設(shè)置任何參數(shù)，可以讀csv，txt，excel。也可以讀取包括.counts，soft為后綴的文件，可用format = '\t'讀取。

8.3.2 export()：文件導(dǎo)出

根據(jù)文件的后綴導(dǎo)出什么文件

library(rio)
h = import("gene.csv",format = '\t')
export(h,file = "hh.csv")
##根據(jù)文件的后綴導(dǎo)出什么文件
export(h,file = "hh.xlsx")
##導(dǎo)出為xlsx后綴的文件
h = import("hh.xlsx",format = '\t')

原來用readxl::read_xls()來讀取xlsx文件，但是對(duì)新手不友好的地方在于：依賴rjava，新手很難搞定。所以用rio包里的函數(shù)。

8.3.3 import_list()：讀取Excel多個(gè)工作簿

是讀取Excel最好的方式，可以讀取多個(gè)工作簿，就是一個(gè)Excel里有Sheet1，Sheet2..表格。

b = import_list("hh.xlsx")
##Excel里有多個(gè)工作簿就用import_list()函數(shù)讀進(jìn)來，結(jié)果以列表顯示

export(b,file = "hh2.csv")
##可以導(dǎo)出，含多個(gè)工作簿的列表

說明

以上內(nèi)容是聽生信技能樹小潔老師的R語言線上課，根據(jù)自己的理解記錄下來，小潔老師授課非常細(xì)心，對(duì)不同水平的同學(xué)都照顧到，并且補(bǔ)充很多技巧以及注意事項(xiàng)。

沒認(rèn)真學(xué)習(xí)R語言讀進(jìn)csv格式文件前，不知道怎么設(shè)置函數(shù)的參數(shù)，經(jīng)常報(bào)錯(cuò)，一旦報(bào)錯(cuò)后面的數(shù)據(jù)分析出問題。在實(shí)戰(zhàn)時(shí)，從官網(wǎng)下載的文件，讀入文件參數(shù)設(shè)置錯(cuò)，沒法分析，比較折磨人。謝謝小潔老師精心設(shè)置的典型表格文件，并引導(dǎo)嘗試解決一些報(bào)錯(cuò)的思路。