浙江省生物信息学学会“生信数据分析与可视化培训班”实录-Part2
3.R语言基础
本节由南京大学陈迪俊副教授主讲，着重介绍R语言在生信中进行数据分析和绘制科研图表的强大能力，主要包括：R包的安装与使用，向量、矩阵、数组、列表、数据框的结构与运算规则、线性回归与方差分析实战，以及使用R原生绘图和后续使用Adobe Illustrator(AI)对矢量图的布局与排版等，帮助我们绘制出精美的论文图表。
首先，我们需要对R语言的特性建立认识。课上了解到，R语言是一门统计语言，主要用于数学建模、统计计算、数据处理、可视化等几个方向，R语言天生就不同于其他的编程语言，其封装了各种基础学科的计算函数，我们在R语言编程的过程中只需要调用这些计算函数，就可以构建出面向不同领域、不同业务的、复杂的数学模型。掌握R语言的语法，仅仅是学习R语言的第一步。要学好R语言，需要我们要具备基础学科能力（初等数学、高等数学、线性代数、离散数学、概率统计等），加上一定的业务知识（生物+互联网），辅以基础的IT技术（R语法、R包、数据库、算法等），才真正地学好R语言。R语言的优势包括强大的制图功能、丰富的行业数据分析资源、以及良好的扩展性，通过R包的扩展以胜任复杂的数据分析和绘图任务。
作为R语言初学者，陈迪俊老师带领学员从基础语法学起。R和RStudio的安装在前期课程中已完成。在RStudio中创建一个R工程后，需要首先使用dir.create()或图形化界面配置工作目录，并使用install.packages()安装所需R包，随后即可开始编程。R语言基础语法较为简洁，代码风格较好、可读性较强，对于具有Python基础的开发者来说简单易学，但整体不如Python优雅。
课程介绍了R语言的特殊字符和赋值方法。R语言数据类型丰富，包括数组、逻辑型、字符型、日期型、数值型等；另定义了常用数据结构，包括向量、矩阵、列表、因子、dataframe等。为引入实际数据集，我们需要掌握R语言的数据输入与输出方法。课程介绍了数据获取方式，采用read.csv()、readRDS加载不同类型的数据集文件；采用write.csv()、saveRDS()实现数据导出。以上内容在课程中均通过例子进行演示，学员同步编写代码练习，达到基础语法的快速入门。
4. R语言数据操作与ggplot2入门
本部分陈迪俊老师介绍了如何使用R语言操作原始数据，进而绘制出精美的论文图表。使用dplyr操作数据集，可类比Python的数据操作包pandas进行学习。Base R提供了诸多操作的数据的函数，其中管道的应用最为广泛和简便。管道是一个将前一步的输出作为后一步的输入的数据结构，在诸多编程语言中都有应用。dplyr管道通过“%>%”操作符或“|>”操作符，借助select()、filter()、mutate()、arrange()、group_by()等函数，可以实现数据的连续处理，完成变量的追加、修改、提取、排序、汇总等任务，功能强大。
在数据操作之上，即可对处理过的数据进行图表绘制，R语言基础绘图可类比Python的matplotlib包学习。使用plot()函数，可以轻松根据数据和参数设置，绘制出所需图表。R语言提供了丰富的参数可供选择，只需调整取值即可。
作为R语言中应用最为广泛、功能最为强大的绘图包，ggplot2可以完成绝大部分绘图任务，其中相比plot()函数，ggplot2的特性即引入了图层的概念。使用ggplot2必须包含三个要素，缺少任何一个，图形都是不完整的。这三要素包括事先处理好的数据、数据中的变量与几何元素的映射关系，以及图层的叠加，这三要素的设置体现在ggplot()函数的参数中，缺一不可。使用lab()函数可以添加图表和图例中的标题、副标题；使用不同的配色方案可以提升图形的展示效果，可以借助现成的R包实现。在最后，老师介绍了统计作图的技巧，以及如何绘制出常用的条形图、柱形图、饼图等统计图表。
在短时间的学习过程中，通过类比Python学习，我们可以较为容易地接受R语言的使用方法，并在后续加以运用。借助R语言这一强大工具，计算机背景的生物信息研究人员可大幅提升数据处理与作图的效率。