在之前R语言的基础篇和进阶篇中，我们分别简单介绍了R和RStudio的下载及安装，并用R中的4行代码绘制了热图。然而这些只是R的入门，R所涉及的广度和深度令人叹为观止。相信很多小伙伴们对近几年来高分杂志上的图片越来越陌生。以往我们看到CNS正刊和重要子刊上的western blot条带，免疫荧光结果，可能只会感慨：要是我（们）有这些转基因小鼠，这些高大上的光学成像设备“没准”也能做出这些漂亮的成果（如图1所示）。然而现在面对高通量测序下的大数据，看到这些花花绿绿的热图（heatmap）、火山图（volcano plot），PCA，t-SNE分析（如图2所示）却感到手足无措，毫无头绪（既看不懂，也不会做）。究竟是什么把我们的研究成果阻挡在高分杂志门外？这是多因素杂糅的结果，非直言片语就能说清，也不是我们本期内容的重点。但是却发人深思：“我们是否需要紧跟这些热点，才能不被甩远？”

图1 很漂亮的免疫荧光染色结果和WB结果图2 “看不懂”的t-SNE和聚类分析

有人觉得没必要追热点，认为学者蹭学术热点无异于哗众取宠。也有人觉得当年火极一时的meta分析这些年不也渐渐式微，甚至好多学校不再将这些文章纳入晋级评奖的标准？有人觉得生信分析/数据挖掘只是“噱头”，又能挖出多少真正有价值的东西？事实上，这些想法不能说全无道理，但是有点片面。诚然，数据挖掘只是一个方法和手段，挖到的信息是“黄金”还是“垃圾”都有可能，后续还需要低通量下的实验验证。因此，没有必要将数据挖掘和实验操作完全割裂开来。二者本就是相辅相成，一个负责预测，一个负责验证。离开了预测直接验证或者离开了验证只预测都不错，只是不那么完整罢了。

啰啰嗦嗦了很多，为什么要学R语言呢？尽管热图、火山图可以用GraphPad绘制，然而聚类分析/PCA/t-SNE等分析无法用GraphPad完成。且GraphPad的绘图和数据分析均比较适合于低通量实验下数据量少的情况。对于高通量数据还是建议使用R语言（或者Python），会更方便些。而且很多东西都是相通的，比如当我在PS中学会“ctrl+z”是撤销后，很快发现PDF中、word中都可以使用“ctrl+z”来撤销上一步操作。同样地，当你学会R的基本操作后，之前在Excel里很多搞不定的操作（比如借助vlookup函数做高级查找等）均可在R中轻松解决（以后即使从事办公室工作，也是Excel大佬）。

由于我们大部分人不做R包的开发工作，而只是作为链条下游的应用者，因此，了解各个函数包的用法，copy别人的代码并适当修改做到为我所用即可。遇到看不懂的代码可以借助help功能（？function）来探索，遇到代码报错时不要慌，仔细检查后还有问题的话可以将报错信息复制至搜索引擎检索，一般会看到代码大神给出的建议。

当然，作为医学口或者生物学口的我们，每天用少量业余时间跑点代码即可，没必要投入太多精力，除非是主做生物信息学分析的人员可以花大力气研究。精力充沛者可以尝试阅读R语言相关书籍，比如《R in action》，目前是第二版，或者是《Advanced R》，跑跑代码的同时还可以顺便学学英语。当然，考虑到R和RStudio多安装在C盘，且后期需要处理大数据，因此建议入手一台配置性能（特别是处理器）较好的电脑。

华为MateBook D14 ，i7处理器跑起R语言轻轻松松！！！京东¥6499.00去购买​

由于生信分析中用到的部分函数包对拟处理的数据格式有明确要求，因此为了后面抄（划掉）写代码时减少报错的机率，我们先来了解下常见的数据类型。R常处理的数据对象包括：向量（Vector），矩阵（Matrix），数组（Array），数据框（Data frame）和列表（list）。这些数据类型的区别如图3所示。

图3 数据对象的类型

01 Vector

向量（Vector）并非指数学中那个既有方向又有大小的量，而是可以简单理解为一行数字、字符或者逻辑符号（TRUE or FALSE）。R中常用c()构建向量。比如c(0.3,0.5,0.9,0.6,0.3,0.4)为数字向量（Numeric data）；c(red,yellow,blue,green,white,black)为字符向量（Character data）【注意字符向量需要用引号将每个字符括起来】；而c(T,F,F,F,T)则为逻辑符号向量（Logical data）。利用class()可以查看对象的数据类型。复制代码，在R中运行一下如下所示：

a <- c(0.3,0.5,0.9,0.6,0.3,0.4) b <- c(red,yellow,blue,green,white,black) c <- c(T,F,F,F,T) class(a) class(b) class(c)

需要注意的是：所有逗号，括号等必须用英文符号，否则会报错。比如：

a <- c(0.3，0.5，0.9，0.6，0.3，0.4)

错误: unexpected input in "a <- c(0.3?

#提示0.3后面的符号软件识别不了，所以报错。

再比如逻辑符号必须用TRUE or FALSE或者T or F，如果写成True或False，依然会报错：

c <- c(True,False,False,False,True)

错误: 找不到对象True

#提示True或False软件识别不了，所以报错。

因此代码只有真正上软件多跑几次，才能发现问题，学到更多。

正常运行后的结果如图4所示：

图4 向量数据的类型

那么不同类型的向量数据可以放在一起吗？比如c(0.3,’red’,T)这样可以吗？没关系啊，上机跑一下就知道有没有问题了。结果如图5所示：可以看出，软件会自动将其认为是字符型向量，实际用到的地方不多。

图5 不同类型向量“混搭”

02 Matrix

矩阵（Matrix）是由n个相同类型的对象组成的二维结构（行列结构），简单来说，就是把一行向量（Vector）变成a行×b列的结构。常说的矩阵为数字矩阵。R中常用matrix()构建矩阵。比如：

a <- c(0.3,0.5,0.9,0.6,0.3,0.4) b <-matrix(a, nrow=2,ncol=3) class(b) view(b)

#这里的nrow=2,ncol=3就是将a中的6个数字按照2行（row）×3列（column）的格式，默认按照由第1列到第3列的顺序排布为矩阵。view()函数可帮助我们以直观的表格形式查看这个变量。

运行结果如图6所示：

图6 矩阵

由于矩阵排布默认是按照列的顺序来的，所以如果我们希望它按照行的顺序排布，则需添加byrow=T。此处应修改为b <-matrix(a, nrow=2,ncol=3, byrow=T)。结果如图7所示。

图7 按行排布的矩阵

那么字符型对象可以排布为矩阵吗？不知道的时候上机跑一下就好了，如果不行就会报错。结果如图8所示。

图8 字符型矩阵

03 Array

数组（Array）是在矩阵的基础上将其扩展至三维结构。R中常用array()构建数组。举个简单的例子来看：

a <- c(1:24) b <-array(a, c(2,3,4)) class(b) b

#这里的c(1：24)指的是1到24的所有整数向量按顺序排列。而array()中的c(2,3,4)指的是将这24个整数先后分为4组，每组是一个2×3的矩阵。

运行结果如图9所示：

图9 数组

值得注意的是:数组中的对象必须为同一类型。

04 Data frame

当矩阵中的对象为不同类型时就涉及到数据框（Data frame）的概念了。这么说可能不够形象，其实我们经常填的Excel信息表（比如包含姓名，年龄，体重，性别等信息，每个人的一行信息作为一条记录）就是数据框，也叫数据库。数据框和矩阵是我们在R中最常处理的两类数据。

R中常用data.frame()构建数据框。比如：

name <- c(xiaoming,xiaohong,xiaoliang,xiaohuang) age <- c(18,17,19,18) weight <- c(60,50,65,62) sex <- c(male,female,male,male) studentdata <- data.frame(name,age,weight,sex) class(studentdata) view(studentdata)

运行结果如图10所示：

图10 数据框

05 List

列表（List）就是将上述所有类型的数据杂糅在一起。R中常用list ()构建列表，其公式为：

mylist <- list(object1, object2, ...)

每一个对象既可以是向量，也可以是矩阵，甚至时数组或数据框等等。

这里就不举例了，后面操作中看到list后再继续演示。

以上。