生信自学网-速科生物-生物信息学数据库挖掘视频教程

主页 > 生信编程 >

R语言R包在生信应用中的正确打开方式

生物信息学挖掘中的两把利剑——R和Perl,如果做数据挖掘,数据分析的正确打开方式:
先思考,后动手,能让你减少很多无谓的功夫,加快完成任务的效率。按照一定的逻辑思路来行事,更是如此,比如按照一定的通用流程在数据科学项目中使用R语言。
【在实际生信分析中,每个研究项目各不相同,但基本都遵循一定的通用流程。具体如下】
数据导入——数据整理——数据可视化——数据转换——数据建模——统计推断——报告展示——自动化分析
【下面列出每个步骤最有用的一些R包】
1.数据导入
以下R包主要用于数据导入和保存数据:
·      feather:一种快速,轻量级的文件格式;在R和python上都可使用
·      readr:实现表格数据的快速导入
·      readxl:读取Microsoft Excel电子表格数据
·      openxlsx:读取Microsoft Excel电子表格数据
·      googlesheets:读取google电子表格数据
·      haven:读取SAS,SPSS和Stata统计软件格式的数据
·      httr:从网站开放的API中读取数据
·      rvest:网页数据抓取包
·      xml2:读取HTML和XML格式数据
·      webreadr:读取常见的Web日志格式数据
·      DBI:数据库管理系统通用接口包
·      RMySQL:用于连接MySQL数据库的R包
·      RPostgres:用于连接PostgreSQL数据库的R包
·      bigrquery用于连接Google BigQuery的R包
·      PivotalR:用于读取Pivitol(Greenplum)和HAWQ数据库中的数据
·      dplyr:提供了一个访问常见数据库的接口
·      data.table:data.table包的fread()函数可以快速读取大数据集
·      git2r:用于访问git仓库

生信自学网为广大学员录制一门R语言绘图课程:
《R语言在生信中的应用高级绘图》

2.数据整理
以下R包主要用于数据整理,以便于你后续建模分析:
·      tidyr:用于整理表格数据的布局
·      dplyr:用于将多个数据表连接成一个整齐的数据集
·      purrr:函数式编程工具,在做数据整理时非常有用
·      broom:用于将统计模型的结果整理成数据框形式
·      zoo:定义了一个名zoo的S3类型对象,用于描述规则的和不规则的有序的时间序列数据

3.数据可视化
以下R包用于数据可视化:
·      ggplot2及其扩展:ggplot2包提供了一个强大的绘图系统,并实现了以下扩展
·      ggthemes:提供扩展的图形风格主题
·      ggmap:提供Google Maps、Open Street Maps等流行的在线地图服务模块
·      ggiraph:绘制交互式的ggplot图形
·      ggstance:实现常见图形的横向版本
·      GGally:绘制散点图矩阵
·      ggalt:添加额外的坐标轴、geoms等
·      ggforce:添加额外geoms等
·      ggrepel:用于避免图形标签重叠
·      ggraph:用于绘制网络状、树状等特定形状的图形
·      ggpmisc:光生物学相关扩展
·      geomnet:绘制网络状图形
·      ggExtra:绘制图形的边界直方图
·      gganimate:绘制动画图
·      plotROC:绘制交互式ROC曲线图
·      ggspectra:绘制光谱图
·      ggnetwork:网络状图形的geoms
·      ggradar:绘制雷达图
·      ggTimeSeries:时间序列数据可视化
·      ggtree:树图可视化
·      ggseas:季节调整工具
·      lattice:生成栅栏图
·      rgl:交互式3D绘图
·      ggvis:交互式图表多功能系统
·      htmlwidgets:一个专为R语言打造的可视化JS库
·      leaflet:绘制交互式地图
·      dygraphs:绘制交互式时间序列图
·      plotly:交互式绘图包
·      rbokeh:用于创建交互式图表和地图
·      Highcharter:绘制交互式Highcharts图
·      visNetwork:绘制交互式网状图
·      networkD3:绘制交互式网状图
·      d3heatmap:绘制交互式热力图
·      DT:用于创建交互式表格
·      threejs:绘制交互式3d图形和地球仪 –rglwidget:绘制交互式3d图形
·      DiagrammeR:绘制交互式图表
·      MetricsGraphics:绘制交互式MetricsGraphics图
·      rCharts:提供了对多个javascript数据可视化库(highcharts/nvd3/polychart)的R封装
·      coefplot:可视化统计模型结果
·      quantmod:可视化金融图表
·      colorspace:基于HSL的调色板
·      viridis:Matplotlib viridis调色板
·      munsell:Munsell调色板
·      RColorBrewer:图形调色板
·      igraph:用于网络分析和可视化
·      latticeExtra:lattice绘图系统扩展包
·      sp:空间数据工具

4.数据转换
以下R包用于将数据转换为新的数据类型:
·      dplyr:一个用于高效数据清理的R包
·      magrittr:一个高效的管道操作工具包
·      tibble:高效的显示表格数据的结构
·      stringr:一个字符串处理工具集
·      lubridate:用于处理日期时间数据
·      xts:xts是对时间序列数据(zoo)的一种扩展实现,提供了时间序列的操作接口。
·      data.table:用于快速处理大数据集
·      vtreat:一个对预测模型进行变量预处理的工具
·      stringi:一个快速字符串处理工具
·      Matrix:著名的稀疏矩阵包

5.统计建模与推断
下述R包是统计建模最常用的几个R包,其中的一些R包适用于多个主题:
·      car:提供了大量的增强版的拟合和评价回归模型的函数
·      Hmisc:提供各种用于数据分析的函数
·      multcomp:参数模型中的常见线性假设的同时检验和置信区间计算,包括线性、广义线性、线性混合效应和生存模型
·      pbkrtest用于线性混合效应模型的参数Bootstrap检验
·      MatrixModels:用于稠密矩阵和稀疏矩阵建模
·      mvtnorm:用于计算多元正态分布和t分布的概率,分位数,随机偏差等
·      SparseM:用于稀疏矩阵的基本线性代数运算
·      lme4:利用C 矩阵库 Eigen进行线性混合效应模型的计算。
·      broom:将统计模型结果整理成数据框形式
·      caret:一个用于解决分类和回归问题的数据训练综合工具包
·      glmnet:通过极大惩罚似然来拟合广义线性模型
·      gbm:用于实现随机梯度提升算法
·      xgboost:全称是eXtremeGradient Boosting。是Gradient Boosting Machine的一个c 实现。目前已制作了xgboost工具的R语言接口
·      randomForest:提供了用随机森林做回归和分类的函数
·      ranger:用于随机森林算法的快速实现
·      h2o:H2O是0xdata的旗舰产品,是一款核心数据分析平台。它的一部分是由R语言编写的,另一部分是由Java和Python语言编写的;用户可以部署H2O的R程序安装包,之后就可以在R语言环境下运行了
·      ROCR:通过绘图来可视化分类器的综合性能
·      pROC:用于可视化,平滑和对比ROC曲线

6.沟通交流
以下R包用于实现数据科学结果的自动化报告,以便于你跟人们进行沟通交流:
·      rmarkdown :用于创建可重复性报告和动态文档
·      knitr:用于在PDF和HTML文档中嵌入R代码块
·      flexdashboard:基于rmarkdown,可以轻松的创建仪表盘
·      bookdown:以R Markdown为基础,用于创作书籍和长篇文档
·      rticles:提供了一套R Markdown模板
·      tufte:用于实现Tufte讲义风格的R Markdown模板
·      DT:用于创建交互式的数据表
·      pixiedust:用于自定义数据表的输出
·      xtable:用于自定义数据表的输出
·      highr:用于实现R代码的LaTeX或HTML格式输出
·      formatR:通过tidy_source函数格式化R代码的输出
·      yaml:用于实现R数据与YAML格式数据之间的通信

生信自学网为广大学员录制一门R语言绘图课程:
《R语言在生信中的应用高级绘图》

7.自动化分析
以下R包用于创建自动化分析结果的数据科学产品:
·      shiny:一个使用R语言开发交互式web应用程序的工具
·      shinydashboard:用于创建交互式仪表盘
·      shinythemes:给出了Shiny应用程序的常用风格主题
·      shinyAce:为Shiny应用程序开发者提供Ace代码编辑器
·      shinyjs:用于在Shiny应用程序中执行常见的JavaScript操作
·      miniUI:提供了一个UI小部件,用于在R命令行中集成交互式应用程序
·      shinyapps.io:为创建的Shiny应用程序提供托管服务
·      Shiny ServerOpen Source:为Shiny应用程序提供开源免费的服务器
·      Shiny Server Pro:为企业级用户提供一个Shiny应用程序服务器
·      rsconnect:用于将Shiny应用程序部署到shinyapps.io
·      plumber:用于将R代码转化为一个web API
·      rmarkdown:用于创建可重复性报告和动态文档
·      rstudioapi:用于安全地访问RStudio IDE的API

8.程序开发
以下这些包主要用于开发自定义的R包:
·      RStudio DesktopIDE:R的IDE。大家都懂,不用解释。
·      RStudio Server Open Source:开源免费的RStudio服务器
·      RStudio Server Professional:商业版RStudio服务器
·      devtools:一个让开发R包变得简单的工具集
·      packrat:创建项目的特定库,用于处理包的版本问题,增强代码重现能力。
·      drat:一个用于创建和使用备选R包库的工具
·      testthat:单元测试,让R包稳定、健壮,减少升级的痛苦
·      roxygen2:通过注释的方式,生成文档,远离Latex的烦恼
·      purrr:一个用于 提供函数式编程方法的工具
·      profvis:用于可视化R代码的性能分析数据
·      Rcpp:用于实现R与C 的无缝整合
·      R6:R6是R语言的一个面向对象的R包,可以更加高效的构建面向对象系统。
·      htmltools:用于生成HTML格式输出
·      nloptr:提供了一个NLopt非线性优化库的接口
·      minqa:一个二次近似的优化算法包
·      rngtools:一个用于处理随机数生成器的实用工具
·      NMF:提供了一个执行非负矩阵分解的算法和框架
·      crayon:用于在输出终端添加颜色
·      RJSONIO:rjson是一个R语言与json进行转的包,是一个非常简单的包,支持用 C类库转型和R语言本身转型两种方式
·      jsonlite:用于实现R语言与json数据格式之间的转化
·      RcppArmadillo:提供了一个Armadillo C Library(一种C 的线性代数库)的接口
9.实验数据
以下R包给出了案例实战过程中可用的训练数据集:
·      babynames:包含由美国社会保障局提供的三个数据集
·      neiss:2009-2014年期间提供给美国急诊室的所有事故报告样本数据
·      yrbss:美国疾病控制中心2009-2013年期间青年危险行为监测系统数据
·      USAboundaries:2011年全年休斯顿机场的所有航班数据
·      rworldmap:国家边界数据
·      usdanutrients:美国农业部营养数据库
·      fueleconomy:美国环保署1984-2015年期间的燃油经济数据
·      nasaweather:包含了一个覆盖中美洲的非常粗糙的24*24格地理位置和大气测量数据。
·      mexico-mortality:墨西哥死亡人数数据
·      data-movies和ggplotmovies:来自互联网电影数据库imdb.com的数据
·      pop-flows:2008年全美人口流动数据
·      data-housing-crisis:经过清洗后的2008美国房地产危机数据
·      gun-sales:纽约时报提供的有关枪支购买的每月背景调查统计分析数据
·      stationaRy:从成千上万个全球站点收集到的每小时气象数据
·      gapminder:摘自Gapminder的数据
·      janeaustenr:简·奥斯丁小说全集数据

生信自学网为广大学员录制一门R语言绘图课程:
《R语言在生信中的应用高级绘图》



(责任编辑:伏泽   微信:18520221056)

森莘老师微信二维码