从 R 绘图入门看 R 语言学习方法论

2022-06-08 19:46:16 浏览数 (1)

因为一些网络素材引用不规范，我们的这个笔记被网络吞掉了一次。很多朋友在公众号后台催更，还好鲍志炜抽空抢救回来了，不负大家的等待。

下面是鲍志炜的笔记

前几天收到邀请要给一些临床医学生做一期 R 语言绘图的入门教学分享，这可着实让我有些诚惶诚恐，虽然在生信圈里混了几年，但确实没怎么系统地学过 R，这些所谓的 R 语言本事都是靠仅有的 Python 基础支撑，画什么图做什么分析向来奉行的也是「拿来主义」。话虽如此，但我还是接受了这个委托，毕竟在学习编程方面咱还是略有些经验，说不定能帮到一些同学。以下经验仅为个人总结，欢迎补充。

步骤 0：向着目标前进

为什么要学习 R 语言

我一直认为对于临床医学生来说，学习 R 语言是一种性价比极高的提升自我的方式。一方面他足够简单，作为入门级别的编程训练再好不过；另一方面，除了可以帮助我们画出好看的图，完成一些比较复杂的统计分析之外，它还可以进一步培养我们的科研思维，隐形中推动我们进一步学习统计学、生物信息学等整合多层面研究的认知基础。另外，从科研成果的落地实践角度来讲，好的临床数据分析的成果能迅速地在实践中起指导作用，这样也更容易带动大家做研究的兴趣。

大家对 R 语言的抗拒，无非在于习惯了图形化界面，而难以接受以编程的方式来处理数据的方式（不要以没有时间来推脱，一个小时完全足够入门 R 语言）。正如一句老话「一切恐惧源自未知」，我相信等你花上点时间，尝到一些甜头，必然会觉得这一切是如此的自然而然，编程只是一种解决问题的工具，每个人都可以轻松掌握。

在开始之前，定一个小目标

学习面向「科研」的编程，切忌漫无目的，只凭着一腔热血从超过五百页的「好评如潮」的《R 语言实战》开始。并不是说《R 语言实战》或者类似的课程不好，他很好，系统、基础、内容详实，我们确实需要他，但不应该是现在这个时候。

在正式开始学习之前，我的建议是「以目标导向的学习」，我们得首先确定一个努力的「目标」，即你学习 R 语言的目的。没有目的的学习就注定了你要面面俱到，就和背单词书一样，很有可能，过了好几天仍被困在「abandon」的魔咒当中，逐渐失去学习的动力。

这个「目标」不宜过大，我们需要聚焦到一个相对容易实现的「点」上，可以是：

  • 我要用 R 语言画出某一幅好看的图；
  • 我要用 R 语言实现某个生信分析；
  • 我要用 R 语言基于自己的数据进行统计；
  • ...

有了「小目标」我们就可以开始规划自己的「学习路径」，边用边学，在不断实践中逐渐熟练，从中感悟编程的哲学，这才能学的又快又扎实，最后还能享受达成目标的快感。

举个例子，比如，你现在手头上已经有一些数据，想用 R 语言做一些可视化，那么你的学习路径可以是：

代码语言：javascript复制
学习 R 基本语法 --> 学习 ggplot2 语法 --> 用自己的数据绘图

比如，你想用 R 完成某个生信分析：

代码语言：javascript复制
学习 R 基本语法 --> 学习相关 R 包（通过文献或其他资料检索而来） --> 用自己的数据分析

规划学习路径的目的在于，少走弯路，用最快的方法达成目的，产生对 R 语言的兴趣，培养自己的信心，以便后续更加深入的学习。

无论我们想要实现哪个「目标」首要的都是要「学习 R 基本语法」，但并不是说什么都学，我觉得只需要学足够你完成分析的部分就行，其他的可以后续查漏补缺（比如多 google，看看《R 语言实战》）。

步骤 1：走出第一步 - 安装软件

真正开始用 R 语言之前，我们需要下载安装包。R 语言一直在不断升级，自 1993 年问世以来已经发布了好几个不同的版本，我们可以从 Comprehensive R Archive Network（CRAN，https://cran.r-project.org/） 下载基于 Linux、 Mac 和 Windows 不同系统的二进制文件。

R 语言安装完成后，我们还需安装 R 语言的综合开发环境（虽然基本的 R 控制台也能工作）。推荐使用：RStudio（https://www.rstudio.com/）。

安装的过程我就不赘述了，一直点「下一步」就行。

注意
  1. 安装好 R 之后，再安装 RStudio；
  2. Windows 系统请将软件全部安装在 C 盘的默认位置，否则程序将可能无法更新或运行。

熟悉 RStudio 界面

详见 cheatsheet

界面一般分为四个窗口， 包括代码编辑窗口、变量浏览窗口、命令执行窗口（控制台（Console））、文件管理窗口。

你必须知道的小技巧
1. 以项目的方式管理代码

从功能上讲，在 RStudio 中创建一个项目，其实就是创建一个新的文件夹并将其定义为工作目录，这样生成的所有文件将被放在这个目录中。当你重新打开一个项目（以 .Rproj 为后缀）时，RStudio 会记得打开了哪些文件，并将恢复工作环境。

如何创建 Project

代码语言：javascript复制
RStudio --> File --> New Project
2. 善用 Tab 键补全

RStudio支持用 Tab 键来完成代码的自动补全。例如：如果你键入sub，按下 Tab，你将看到如下：

3. 检索之前使用的命令

我们经常会需要重复执行之前已经进行过的命令，RStudio 控制台支持检索之前执行过代码的功能：

  • 方向键↑：向上翻找历史命令
  • 方向键↓ ：返回翻找
4. 勤看帮助文档

我们可以使用内置的帮助系统查阅使用指南（RStudio 右下角的 Help 窗口），绝大多数问题参考帮助就可以解决。

步骤 2：理解 R 语言基本语法

做好了基本的准备后，我们就可以正式开始学习 R 语言了。以下教程挑一个学即可，建议是以课程为主，R in Action 做补充，半天应该可以学完。

推荐课程（二选一）：

  • DataCamp 免费的 R 语言入门课程和 R 语言中级课程。你可以根据自己的节奏，在浏览器上交互式学习 R 语言编程；
  • swril 包内置离线互动的 R 语言入门教程。

推荐书籍：

  • R in Action（免费书，https://www.manning.com/books/r-in-action/ ，有中文纸质书《R语言实战》）；
  • 有了 R 语言基础之后，Advanced R（免费书，http://adv-r.had.co.nz/ ，有中文纸质书《高级R语言编程指南》）会让你的 R 技能更上一层楼。

步骤 3：勇敢做调包侠

业内有一句名言「不要重复造轮子」。说得是已经有过实现这个功能的代码，我们就不要重复去造，直接用别人的代码就好。从「实用主义」来说这句话是合理的，新手小白拿来用就行（我的意思是在你希望「进阶」 R 语言的时候，应当是鼓励重复造轮子的，照葫芦画瓢是「进阶」的最好方式之一）。

R 语言如此流行的原因之一即是因为有成千上万的 R 包供我们调用。所谓 R packages 就是一组用于特定目的代码，以便被其他开发人员重复使用。除了主代码库之外，程序包通常还包括文档和测试数据（一般越好的 R 包补充材料会越详细）。我们可以轻松下载特定的软件包，并使用他们的功能。每个人都可以开发 R 包，也可以与他人共享 R 包。

目前，R包主要来源于三个平台。

  1. CRAN 存储了 R 最新版本的代码和文档的服务器 (https://cran.r-project.org/)
  2. 生物信息学领域的 Bioconductor 平台，它提供的R包主要为基因组数据分析和注释工具 **(https://bioconductor.org/)**。
  3. 面向开源及私有软件的第三方平台 -- Github。R 包的作者更愿意将其存储在该平台，因此很多时候需要在上面下载 **(https://github.com/)**。
现在有多少 R 包
  • CRAN：18668
  • Bioconductor：2083
  • Rforge：2149
  • Github：不计其数……

也就是说，大多数情况下你不需要自己从头实现算法，也可以轻松进行分析或可视化。

安装 CRAN 上的程序包

这里举的例子是三个有名的神包。用于绘图的 ggplot2 包，可以把 R生成的图片导出为ppt 可编辑格式的 export 包（实不相瞒，很多时候我都是先用 ggplot2 画图，再导出为 PPT 改一改细节）以及用于数据分析的 tidyverse。

代码语言：javascript复制
install.packages("ggplot2")
# 安装一个
install.packages(c("ggplot2", "export"))
# 安装多个
install.packages("tidyverse",dependencies = TRUE)
# 安装一系列，并安装所有依赖的程序包

安装 Bioconductor 上的程序包

这里的例子是大名鼎鼎的 ggtree 包，一个功能强大的系统发育树可视化及注释 R 语言软件包。

代码语言：javascript复制
if (!requireNamespace("BiocManager",
quietly = TRUE))
install.packages("BiocManager")
BiocManager::install("ggtree")
安装 Github 上的程序包

GitHub 上也有很多有意思的包，比如用于绘制基因组的共线性区域的 gggenomes 包：

代码语言：javascript复制
library(devtools)
install_github("thackl/thacklr")
install_github("thackl/gggenomes")

如果还没有安装 devtools，则输入：

代码语言：javascript复制
install.packages("devtools")

步骤 4：学习 R 语言绘图

有了以上的 R 语言基础以后，我们就可以根据自己感兴趣的方向进行深入探索啦！

虽然我们的目标是学习 R 绘图，但学习数据分析的一整套流程是必不可少的，我认为是磨刀不误砍柴工，绝大多数时间我们都是在进行数据的整理和分析，而不在于数据的可视化。

数据分析流程

一套完整的数据分析流程包含以下几个方面：

  1. 导入（Import）数据。
  2. 数据整理（Tidy）：将数据整理成R可识别的格式，整理好的数据形式：每列是一个变量，每行是一个观测。
  3. 数据转换（Transform）：将数据转换成分析直接需要的数据，即数据的二次加工，如选出感兴趣的行、创建新的列、计算一些统计量（如计数或平均值）等。
  4. 数据可视化（Visualise）。
  5. 建立模型（Model）。
  6. 沟通（Communicate）：对数据理解透彻后，我们需要与他人交流分析结果。
Tidyverse 家族

提到数据分析流程，就不得不学习下 Tidyverse 家族，其包含了一系列 R 包来完成数据分析流程中的各个步骤：

tidyverse 主要成员包括：

  1. readr、readxl、haven：读取数据
  2. dplyr、tidyr、dbplyr, dtplyr：整理和查询数据
  3. stringr：处理字符串
  4. ggplot2：绘图
  5. lubridate：处理日期和时间
  6. purrr：处理list 有关的计算
  7. broom：将建模的结果转换为 data.frame
  8. forcats：处理因子类型的向量

此部分内容强烈建议跟随 R for Data Science（免费书，Welcome | R for Data Science (had.co.nz)，有中文纸质书《R数据科学》）这本书一起学习，本书的作者即是 tidyverse 家族的开发者 Hadley Wickham，他也是 RStudio 首席科学家。这本书将教会我们如何用 R 来进行数据分析，同时为之后的科研工作培养一个好习惯。

步骤 5：从 copy 中学习 R 语言绘图

在最开头我提到学习 R 绘图按部就班的学习路径就是：

代码语言：javascript复制
学习 R 基本语法和编程逻辑 --> 学习 ggplot2 基本语法和编程逻辑 --> 用自己的数据绘图 --> 调整代码不断修改

但现实是，很多临床的同学并没有这么多时间仔细调整每一行代码，研究每一个参数，最后做出一副比较 fancy 的科研绘图。这也是有捷径的，现在网上有太多大佬分享可复现的且容易上手的 R 绘图代码，而且很多 R 包的官方文档都非常详细，这也为我们提供了可供参考的范例。从「实用主义」来说，大家尽可以选择直接 copy 这些代码，从而更快地达成自己的目的：

代码语言：javascript复制
学习 R 基本语法和编程逻辑 --> 学习 ggplot2 基本语法和编程逻辑 -->  copy 代码 --> 套自己的数据绘图 --> 调整代码不断修改

用了别人的代码记得在文章中加上一句致谢或引用，这是基本的美德。

事实上，copy 只在第一层，你只是学会了「如何快速使用 R 绘图」，并没有做到「如何快速学会 R 绘图」，更重要的点是在于套自己数据的过程中，学习别人写代码的逻辑和习惯，思考每一行代码背后的用处，及时做好笔记和注释，最好能发散思维、举一反三，「多用、多想」才是精髓。另一方面来说，这些可供 copy 的代码其实也是一种参考答案，很多时候你可以盖住答案，用自己的方式重写代码，复现图表，在实践中不断刻意地训练自己，以此精进。

代码语言：javascript复制
学习 R 基本语法 --> 学习 ggplot2 基本语法 -->  copy 代码 --> 用自己的数据绘图 --> 学习其中的代码逻辑，多画图

步骤 6：学会解决问题

学会自己解决问题

刚刚我提到「多用、多想」是学会 R 语言的捷径，但还有一个不可忽视的「捷径」就是「多问」，这里的「问」，我觉得比起问他人，更重要的是「问自己」。90% 的问题完全可以靠自己去解决，「学会自己解决问题」也是研究生训练中重要的一课。

查看帮助文档

在 R 语言内，我们可以使用内置的帮助系统。例如，?plot 命令查看绘图功能的文档。或者使用 RStudio 右下角的 Help

学会使用搜索引擎

你能碰到的问题，大多数情况下已经有人碰到过一样的问题。如果使用帮助文档不能很好地解决疑问，那么搜索引擎将是接下来的不二之选。

以谷歌为例，它的搜索能力强大，定位精准，不仅可以完美捕捉 R 社区里的相关解答，还会搜寻出其他各类形式、各种来源的辅助学习材料，让我们有机会深入了解问题的来龙去脉，而不仅仅是获得一个答案。一般来说，在直接检索你的报错信息 R 关键词就可以找到答案，尽量用英文查询。

Stack Overflow（http://stackoverflow.com/questions/tagged/r） 就是一个非常好的编程问答社区，它可以找到常见的 R 语言问题答案。

学会向别人提问

要是你进行了诸多尝试，仍然没办法自己解决问题，那这个时候也只能被迫当伸手党了，但在提问之前，我希望你知道：

一个优秀的提问，他可以指引被提问对象说出关键的信息，并且循序渐进的做出需要的补充内容。如果没有提问者详细的描述和认真的思考，可能这个问题不知道还要经历多少个来回才能被讨论清楚。-- via 思考问题的熊

从我自己来讲，无意义的提问，我一般是懒得回答的。不要埋怨这个世界上高手都傲慢，事实上，很多高手并不傲慢，只是对那些懒于动脑的「伸手党」才傲慢。所以要先自己做好充足的搜索功课，既尊重了别人的时间，又会让你在搜索过程中不断明确自己的问题细节，自学能力得到提升。

关于如何提问也有很多技巧，如果想要更高水平地提问，不妨读一读这本书《提问的智慧》，专门介绍了在网络时代，如何聪明地求助才能让高手愿意回答你。

步骤 7：成为 R 语言大师

相信完成了以上这几步，你已经可以算是叩开了 R 语言的大门。和学习自然语言一样，学习编程语言也是一个长期的过程，由点到面，循序渐进，孰能生巧，相信你终会成为 R 语言大师！

番外 | 用 R 进行实验记录

不管是模型、可视化图像还是其他，最好的记录方式就是用动态文档。R Markdown 是一个相当厉害的工具，它利用可重现的方式报告你的数据分析结果，并且可以存为各种形式的文档：html，word，pdf，ioslides 等等。

参考教程：

  • Reporting with R Markdown；
  • CHEAT SHEET。

番外 | 统计学

如果你是统计学小白，强烈建议你看一看 StatQuest 系列视频教程，这会帮助你了解在使用 R 时需要的基本概念~

bilibili 上的中文搬运：https://space.bilibili.com/1309928900/video

番外 | 生物信息学

Bioconductor 仓库中的 workflow 也是非常值得一试的实战教程，教你如何用 R 完成形形色色的生物信息学组学分析：

随便点击其中一个，如 RNAseq123，打开是这样的：

Reference

  • 生信分析人员如何系统入门R(2019更新版)
  • R语言学习入门导航-特别版
  • R入门？从Tidyverse学起！
  • R语言数据实战 | 获取R帮助文档
  • 咱也不知道咱也不敢问？是不会问
https 网络安全 数据分析 r语言

0 人点赞