【R语言】rep函数生成差异表达分组变量

前面给大家介绍了☞【R语言】rep函数的使用，今天我们来举几个数据分析中的应用，例如差异表达分析时，样本类型变量，我们就可以使用rep函数来生成。

我们在☞GEO芯片数据差异表达分析 中分析的GSE68840这套数据，一共有7个样本，分别是

"plx4032 sensitivity: Sensitive" "plx4032 sensitivity: Sensitive" "plx4032 sensitivity: Sensitive" "plx4032 sensitivity: Resistant" "plx4032 sensitivity: Resistant" "plx4032 sensitivity: Resistant" "plx4032 sensitivity: Resistant"

3个Sensitive，4个Resistant，所以我们使用的是，下面这条命令

mRNA_sample_type=factor(c(rep("sensitive",3),rep("resistant",4)))

可以得到如下这个样本类型的因子，

有人肯定会好奇了，如果样本类型不是3个Sensitive，4个Resistant这种一类在一起的，该怎么处理呢？

我们再来看几个例子

假如我们的样本类型是下面这样的，交替排布的

normal tumor normal tumor normal tumor

rep(c("normal","tumor"),3)

再比如多出一个normal

normal tumor normal tumor normal tumor normal

c(rep(c("normal","tumor"),3),"normal")

有人又要说了，你这不还是很规律的吗？如果完全没有规律，该怎么处理。例如下面这样的。

normal tumor tumor normal tumor normal tumor

我们给大家介绍三种方法吧！

方法一、简单粗暴，但work，就是有点累，c()是yyds

一个一个敲出来，在样本数超过二三十就不建议使用这种方法了，费眼睛，费键盘。

c("normal","tumor","tumor","normal","tumor","normal","tumor")

方法二、巧用因子，事半功倍

☞【R语言】R中的因子（factor）

☞【R语言】因子在临床分组中的应用

我们不用敲完整的样本类型名字，用数字来代替，然后再用factor转回来。

#1=normal
#2=tumor
factor(c(1,2,2,1,2,1,2),levels=c(1,2),labels=c("normal","tumor"))

你会发现跟用c()得到的结果是一样的

方法三、登堂入室，活学活用

我们联合使用，strsplit函数+factor函数

在方法二中，我们相当于还是要用c()先创建一个数值向量，逗号还是要敲的。方法三，逗号都省了。我一直觉得“懒人”是第一生产力！

gsms <- "1221212"
#字符串分割成向量
sml <- strsplit(gsms, split="")[[1]]
#转成因子
gs <- factor(sml)
#将数字替换成样本类型
levels(gs) <- c("normal","tumor")
gs

上面介绍的三种方法，在样本数比较少的时候还是比较好用的，但是一旦样本数上百，上千了，以上三种方法都不太适用，后面我们再把“意大利炮”拉出来！大家先把鸟枪使好。

参考资料：

☞【R语言】rep函数的使用

☞ GEO芯片数据差异表达分析

☞【R语言】R中的因子（factor）

☞【R语言】因子在临床分组中的应用