Язык R и его применение в биоинформатике

class: center, middle, inverse, title-slide

# Язык R и его применение в биоинформатике
### Анна Валяева
### 23.09.2021

---

# Чтение файла - {readr}

```r
library(readr) # или library(tidyverse)
```

- `read_csv()`
- `read_tsv()`
- `read_delim()`

Нужно указать путь до файла на компьютере или адрес файла в Сети:

```r
penguins <- read_csv("data/penguins.csv")

penguins <- read_csv("https://raw.githubusercontent.com/kirushka/datasets/main/penguins.csv")
```

---
# Чтение файла

```r
penguins <- read_csv("data/penguins.csv")
penguins
```

```
# A tibble: 344 x 8
   species island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
   <chr>   <chr>              <dbl>         <dbl>             <dbl>       <dbl>
 1 Adelie  Torgersen           39.1          18.7               181        3750
 2 Adelie  Torgersen           39.5          17.4               186        3800
 3 Adelie  Torgersen           40.3          18                 195        3250
 4 Adelie  Torgersen           NA            NA                  NA          NA
 5 Adelie  Torgersen           36.7          19.3               193        3450
 6 Adelie  Torgersen           39.3          20.6               190        3650
 7 Adelie  Torgersen           38.9          17.8               181        3625
 8 Adelie  Torgersen           39.2          19.6               195        4675
 9 Adelie  Torgersen           34.1          18.1               193        3475
10 Adelie  Torgersen           42            20.2               190        4250
# ... with 334 more rows, and 2 more variables: sex <chr>, year <dbl>
```

---
# Датасет про пингвинов - {palmerpenguins}

*Artwork by @allison_horst*

---
# Чтение файла

Посмотреть все параметры: `?read_csv`.

---
# Запись в файл

Посмотреть все параметры: `?write_csv`.

```r
write_csv(penguins[1:2,], "some_penguins.csv")

write_csv(
  penguins[3:10,], 
  "some_penguins.csv", 
  append = TRUE)
```

---
# Чтение Excel файла - {readxl}

```r
library(readxl)

# Прочитать первый лист в файле
df1 <- read_excel("data/some_data.xlsx")

# Прочитать лист с названием "Second_sheet"
df2 <- read_excel(
  "data/some_data.xlsx", 
  sheet = "Second_sheet")
```

---
# Графика

```r
plot(
  body_mass_g ~ flipper_length_mm, 
  col = factor(species),
  data = penguins, 
  xlab = "Flipper length (mm)",
  ylab = "Body mass (g)", 
  main = "Penguin size")
```

---
# Гистограмма

```r
hist(penguins$body_mass_g)
```

---
# Графика {ggplot2}

```r
ggplot(
  data = <DATA>, 
  mapping = aes(<MAPPINGS>)) + 
  
  <GEOM_FUNCTION>() + 
  
  ...
```

---

count: false
 
# Данные -> оси -> тип графика -> ...
.panel1-ggplot_basics-user[

```r
*ggplot(penguins)
```
]
 
.panel2-ggplot_basics-user[
<img src="data:image/png;base64,#figs/ggplot_basics_user_01_output-1.png" width="80%" style="display: block; margin: auto;" />
]

---
count: false
 
# Данные -> оси -> тип графика -> ...
.panel1-ggplot_basics-user[

```r
ggplot(penguins) +
* aes(
*   x = bill_length_mm,
*   y = bill_depth_mm,
*   color = species)
```
]
 
.panel2-ggplot_basics-user[
<img src="data:image/png;base64,#figs/ggplot_basics_user_02_output-1.png" width="80%" style="display: block; margin: auto;" />
]

---
count: false
 
# Данные -> оси -> тип графика -> ...
.panel1-ggplot_basics-user[

```r
ggplot(penguins) +
  aes(
    x = bill_length_mm,
    y = bill_depth_mm,
    color = species) +
* geom_point(
*   size = 3,
*   alpha = 0.8)
```
]
 
.panel2-ggplot_basics-user[
<img src="data:image/png;base64,#figs/ggplot_basics_user_03_output-1.png" width="80%" style="display: block; margin: auto;" />
]

---
count: false
 
# Данные -> оси -> тип графика -> ...
.panel1-ggplot_basics-user[

```r
ggplot(penguins) +
  aes(
    x = bill_length_mm,
    y = bill_depth_mm,
    color = species) +
  geom_point(
    size = 3,
    alpha = 0.8) +
* theme_bw()
```
]
 
.panel2-ggplot_basics-user[
<img src="data:image/png;base64,#figs/ggplot_basics_user_04_output-1.png" width="80%" style="display: block; margin: auto;" />
]

---
# ggplot2

---
# Варианты `aes` - aesthetic

.pull-left[

### Для geom_point()

- `shape` - тип символа
- `color` - цвет общий / цвет обводки
- `fill` - заливка
- `size` - размер
- `stroke` - толщина обводки
- `alpha` - прозрачность
]

.pull-right[
<img src="data:image/png;base64,#img/ggplot2/point_shape.png" width="100%" style="display: block; margin: auto;" />
]

[Cheat sheets](https://ggplot2tor.com/cheatsheets/)

---
# Запишем кусок графика в переменную

```r
p <- ggplot(penguins, aes(x = bill_length_mm,  y = bill_depth_mm)) + 
  theme_bw() 
  
p + geom_point(size = 3, alpha = 0.8) 
```

---

.pull-left[
Только `color`, определяет цвет всей фигуры - кружочка.

```r
p +
  theme(legend.position = "top") +
* geom_point(aes(color = species), shape = 16)
```

<img src="data:image/png;base64,#figs/point_shape_fill-1.png" width="100%" style="display: block; margin: auto;" />
]

.pull-right[
Только `color`, определяет цвет всей фигуры - окружности.

```r
p + 
  theme(legend.position = "top") +
* geom_point(aes(color = species), shape = 1)
```

<img src="data:image/png;base64,#figs/point_shape_col-1.png" width="100%" style="display: block; margin: auto;" />
]

---
И `color`, и `fill` для обводки и заливки.

```r
p +
* geom_point(aes(fill = species, color = island), shape = 21)
```

---
# Константа *vs* переменная

.pull-left[

```r
p +
* geom_point(color = "#2a9d8f")
```

<img src="data:image/png;base64,#figs/ggplot_aes_const-1.png" width="80%" style="display: block; margin: auto;" />
]

.pull-right[

```r
p +
* geom_point(aes(color = species))
```

<img src="data:image/png;base64,#figs/ggplot_aes_var-1.png" width="80%" style="display: block; margin: auto;" />
]

---
# Цветовая шкала

```r
cols <- c("#00afb9", "#fed9b7", "#f07167")
p_labels <- c("Адели", "Антарктический", "Субантарктический")

p <- p +
  geom_point(aes(color = species), size = 3, alpha = 0.8) +
* scale_color_manual(values = cols, labels = p_labels)

p
```

---
# Цветовая шкала

- Использовать стандартную палитру **{ggplot2}**
- Задать цвет вручную: `"red"/"#f07167"`
  - Сочетающиеся цвета можно искать на [coolors.co](https://coolors.co/), ...
- Использовать специальные пакеты с цветовыми палитрами:
  - **{RColorBrewer}**
  - **{ggsci}**
  - ...

---
# Названия осей

```r
p <- p +
  geom_point(aes(color = species), size = 3, alpha = 0.8) +
* labs(x = "Длина клюва (мм)", y = "Высота клюва (мм)", color = "Вид")

p
```

---
# Название графика

```r
p <- p +
* labs(title = "Пингвиньи клювы",
*      subtitle = "У трех видов пингвинов очень разные клювики.",
*      caption = "Данные: palmerpenguins")
p
```

---
# Сделаем красиво...

```r
p + 
* theme(
* plot.title = element_text(size = 18, hjust = 0.5),
* axis.title = element_text(face = "italic"),
* axis.title.x = element_text(color = "purple"))
```

---
# Тема: текстовые элементы
*Image credit: Emi Tanaka*

---
# Тема: сетка графика
*Image credit: Emi Tanaka*

---
# Тема: зоны графика
*Image credit: Emi Tanaka*

---
# Сохранение в файл

```r
my_plot <- ggplot(...) + ...

# Если не указать переменную с ggplot графиком, то сохранится последний нарисованный график 
ggsave("figures/my_plot.png", my_plot)
```

```r
ggsave("figures/my_plot.png", my_plot, dpi = 300, width = 10, height = 10, units = "cm")
```

```r
ggsave("figures/my_plot.pdf", my_plot)
```

```r
pdf("figures/my_plot.pdf") # Открыть файл для записи
my_plot                    # Нарисовать график
dev.off()                  # Закрыть файл
```

---
# Geoms

.pull-left[

- `geom_point()` 
- `geom_line()`
- `geom_histogram()`
- `geom_boxplot()`
- `geom_bar()` и `geom_col()` 
- `geom_text()` и `geom_label()`
- ...

]

.pull-right[
- точковая диаграмма / scatter plot
- линейная диаграмма
- гистограмма 
- ящик с усами / боксплот
- столбчатая диаграмма
- текст / подписи
- ...
]

[Как выбрать тип графика под ваши данные](https://www.data-to-viz.com/)

---
# Гистограмма

Ширину бина или их количество можно задать с помощью `binwidth = ...` или `bins = ...`.

```r
ggplot(penguins, aes(x = flipper_length_mm)) +
  geom_histogram(color = "#ED6A5A", fill = "#F4F1BB") +
  theme_minimal()
```

---
# Гистограмма

```r
ggplot(penguins, aes(x = flipper_length_mm, fill = species)) +
  geom_histogram(color = "white") +
  scale_fill_manual(values = c("#ED6A5A", "#F4F1BB", "#9BC1BC")) +
  theme_minimal()
```

---
# График плотности

Сглаживание можно регулировать с помощью `bw = ...` и других параметров.

```r
ggplot(penguins, aes(x = flipper_length_mm, fill = species)) +
  geom_density(color = "white", alpha = 0.8, bw = 1.5) +
  scale_fill_manual(values = c("#ED6A5A", "#F4F1BB", "#9BC1BC")) +
  theme_minimal()
```

---
# Боксплот

```r
ggplot(drop_na(penguins, sex), aes(x = species, y = body_mass_g, fill = sex)) +
  geom_boxplot(color = "#F4F1BB", width = 0.8) +
  scale_fill_manual(values = c("#ED6A5A", "#9BC1BC")) +
  theme_minimal()
```

---
# Столбчатая диаграмма 🏆

.pull-left[

По умолчанию `position = "stack"`

```r
ggplot(penguins, aes(x = species, fill = sex)) +
  geom_bar(color = "#F4F1BB", width = 0.8) +
  scale_fill_manual(values = c("#ED6A5A", "#9BC1BC")) +
  theme_minimal()
```

<img src="data:image/png;base64,#figs/geom_barplot_stack-1.png" width="100%" style="display: block; margin: auto;" />
]

.pull-right[

Можно поменять на `position = "dodge"`

```r
ggplot(penguins, aes(x = species, fill = sex)) +
  geom_bar(
    color = "#F4F1BB", width = 0.8,
*   position = "dodge") +
  scale_fill_manual(values = c("#ED6A5A", "#9BC1BC")) +
  theme_minimal()
```

<img src="data:image/png;base64,#figs/geom_barplot_dodge-1.png" width="100%" style="display: block; margin: auto;" />
]

---
# Столбчатая диаграмма 🏅

Если уже есть столбец с числами, которые хотим изобразить, то нужно использовать `geom_bar(stat = "identity")` или `geom_col()`.

```r
penguins %>% 
  count(species, year) %>% 
  ggplot(aes(x = species, y = n, fill = as_factor(year))) +
  geom_col(position = "dodge") +
  scale_fill_manual(values = c("#ED6A5A", "#F4F1BB", "#9BC1BC")) +
  theme_minimal()
```

---
# Что почитать и посмотреть

- [ggplot2 cheatsheet](https://github.com/rstudio/cheatsheets/blob/master/data-visualization-2.1.pdf)

- [ggplot2 website](https://ggplot2.tidyverse.org/reference/index.html)

- ['A ggplot2 Tutorial for Beautiful Plotting in R' by Cédric Scherer](https://www.cedricscherer.com/2019/08/05/a-ggplot2-tutorial-for-beautiful-plotting-in-r/)

- [The R Graph Gallery](https://www.r-graph-gallery.com/)

- [Как выбрать график под ваши данные](https://www.data-to-viz.com/)

- [Data Visualization Chapter in R4DS](https://r4ds.had.co.nz/data-visualisation.html)

- [ggplot2: elegant graphics for data analysis](https://ggplot2-book.org/)

---
# Факторы

- Используются для работы с категориальными переменными
- Уровни фактора - ограниченное число известных значений категориальной переменной
- Для работы с факторами есть пакет `forcats` в составе `tidyverse`

```r
library(forcats) # или library(tidyverse)
```

---
## Дни недели

```r
weekdays <- c("Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday", "Sunday")
weekdays
```

```
[1] "Monday"    "Tuesday"   "Wednesday" "Thursday"  "Friday"    "Saturday" 
[7] "Sunday"   
```

```r
as.factor(weekdays) # уровни по алфавиту
```

```
[1] Monday    Tuesday   Wednesday Thursday  Friday    Saturday  Sunday   
Levels: Friday Monday Saturday Sunday Thursday Tuesday Wednesday
```

```r
# forcats сохраняет порядок уровней, который был в векторе
weekdays_as_fct <- as_factor(weekdays) 
weekdays_as_fct
```

```
[1] Monday    Tuesday   Wednesday Thursday  Friday    Saturday  Sunday   
Levels: Monday Tuesday Wednesday Thursday Friday Saturday Sunday
```

---

.pull-left[

```r
typeof(weekdays)
```

```
[1] "character"
```

```r
class(weekdays)
```

```
[1] "character"
```

```r
as.integer(weekdays)
```

```
[1] NA NA NA NA NA NA NA
```

```r
sort(weekdays[c(5:7,1:4)])
```

```
[1] "Friday"    "Monday"    "Saturday"  "Sunday"    "Thursday"  "Tuesday"  
[7] "Wednesday"
```
]

.pull-right[

```r
typeof(weekdays_as_fct)
```

```
[1] "integer"
```

```r
class(weekdays_as_fct)
```

```
[1] "factor"
```

```r
as.integer(weekdays_as_fct)
```

```
[1] 1 2 3 4 5 6 7
```

```r
sort(weekdays_as_fct[c(5:7,1:4)])
```

```
[1] Monday    Tuesday   Wednesday Thursday  Friday    Saturday  Sunday   
Levels: Monday Tuesday Wednesday Thursday Friday Saturday Sunday
```
]

---
# Уровни

```r
levels(weekdays)
```

```
NULL
```

```r
levels(weekdays_as_fct)
```

```
[1] "Monday"    "Tuesday"   "Wednesday" "Thursday"  "Friday"    "Saturday" 
[7] "Sunday"   
```

```r
weekdays_as_fct <- weekdays_as_fct[1:3]
weekdays_as_fct
```

```
[1] Monday    Tuesday   Wednesday
Levels: Monday Tuesday Wednesday Thursday Friday Saturday Sunday
```

---
# Создание вектора факторов

```r
seasons_with_rep <- c("winter", "winter", "fall", "summer", "sommer", "fall", "fall")

seasons_levels <- c("winter", "spring", "summer", "fall")

seasons <- factor(seasons_with_rep, levels = seasons_levels)

seasons
```

```
[1] winter winter fall   summer <NA>   fall   fall  
Levels: winter spring summer fall
```

---
## fct_count
Подсчитать количество факторов каждого уровня.

```r
seasons
```

```
[1] winter winter fall   summer <NA>   fall   fall  
Levels: winter spring summer fall
```

```r
fct_count(seasons)
```

```
# A tibble: 5 x 2
  f          n
  <fct>  <int>
1 winter     2
2 spring     0
3 summer     1
4 fall       3
5 <NA>       1
```

---
## fct_drop
Удалить неиспользуемые уровни фактора: `spring`.

```r
seasons
```

```
[1] winter winter fall   summer <NA>   fall   fall  
Levels: winter spring summer fall
```

```r
fct_drop(seasons)
```

```
[1] winter winter fall   summer <NA>   fall   fall  
Levels: winter summer fall
```

---
## fct_explicit_na
Приписать отсутствующим уровням (`NA`) явное название.

```r
seasons
```

```
[1] winter winter fall   summer <NA>   fall   fall  
Levels: winter spring summer fall
```

```r
fct_explicit_na(seasons) # na_level задает название нового уровня
```

```
[1] winter    winter    fall      summer    (Missing) fall      fall     
Levels: winter spring summer fall (Missing)
```

---
## fct_inorder
Упорядочить уровни фактора в порядке встречаемости в векторе.

```r
fct_drop(seasons) %>% fct_inorder() # не должно быть неиспользуемых уровней
```

```
[1] winter winter fall   summer <NA>   fall   fall  
Levels: winter fall summer
```

## fct_infreq
Упорядочить уровни фактора по частоте встречаемости.

```r
fct_infreq(seasons)
```

```
[1] winter winter fall   summer <NA>   fall   fall  
Levels: fall winter summer spring
```

---
## fct_rev
Изменить порядок уровней на обратный.

```r
levels(seasons)
```

```
[1] "winter" "spring" "summer" "fall"  
```

```r
fct_rev(seasons) %>% levels()
```

```
[1] "fall"   "summer" "spring" "winter"
```

--
## fct_shuffle
Перемешать уровни.

```r
fct_shuffle(seasons) %>% levels()
```

```
[1] "summer" "fall"   "winter" "spring"
```

---
## fct_reorder

```r
head(iris)
```

```
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa
```

```r
iris$Species %>% as_factor() %>% levels
```

```
[1] "setosa"     "versicolor" "virginica" 
```

---
## fct_reorder

```r
iris %>% group_by(Species) %>% summarise(min = mean(Sepal.Width))
```

```
# A tibble: 3 x 2
  Species      min
  <fct>      <dbl>
1 setosa      3.43
2 versicolor  2.77
3 virginica   2.97
```

```r
iris$Species %>% as_factor() %>% fct_reorder(iris$Sepal.Width, min) %>% levels()
```

```
[1] "versicolor" "virginica"  "setosa"    
```

См. еще `fct_reorder2` <svg aria-hidden="true" role="img" viewBox="0 0 576 512" style="height:1em;width:1.12em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#b74f6f;overflow:visible;position:relative;"><path d="M280.37 148.26L96 300.11V464a16 16 0 0 0 16 16l112.06-.29a16 16 0 0 0 15.92-16V368a16 16 0 0 1 16-16h64a16 16 0 0 1 16 16v95.64a16 16 0 0 0 16 16.05L464 480a16 16 0 0 0 16-16V300L295.67 148.26a12.19 12.19 0 0 0-15.3 0zM571.6 251.47L488 182.56V44.05a12 12 0 0 0-12-12h-56a12 12 0 0 0-12 12v72.61L318.47 43a48 48 0 0 0-61 0L4.34 251.47a12 12 0 0 0-1.6 16.9l25.5 31A12 12 0 0 0 45.15 301l235.22-193.74a12.19 12.19 0 0 1 15.3 0L530.9 301a12 12 0 0 0 16.9-1.6l25.5-31a12 12 0 0 0-1.7-16.93z"/></svg>

---
## fct_lump

```r
homeworld_fct <- starwars$homeworld %>% as_factor() %>% fct_explicit_na("Unknown")

levels(homeworld_fct) %>% length()
```

```
[1] 49
```

```r
fct_count(homeworld_fct, sort = TRUE) %>% head(5)
```

```
# A tibble: 5 x 2
  f            n
  <fct>    <int>
1 Naboo       11
2 Tatooine    10
3 Unknown     10
4 Alderaan     3
5 Kamino       3
```

---
## fct_lump

Семейство функций, которое "схлопывает" часть уровней по условию и создает уровень "Other" (`other_level`).

```r
homeworld_fct %>% fct_lump_n(3) %>% table()
```

```
.
Tatooine    Naboo  Unknown    Other 
      10       11       10       56 
```
--

---
# forcats - что почитать

- [forcats cheatsheet](https://github.com/rstudio/cheatsheets/blob/master/factors.pdf)

- Список всех функций пакета `forcats`: `help(package = "forcats")`

- [Factors Chapter in R4DS](https://r4ds.had.co.nz/data-visualisation.html)