1.1党技巧

一个有趣的派对诀窍是拍摄矢量并使用它订单()

x < -  runif（5）x

## [1] 0.7809753 0.5210077 0.8932159 0.5110514 0.2235770

Xo <- x[order(x)] Xo

## [1] 0.2235770 0.5110514 0.5210077 0.7809753 0.8932159

原始订单可以通过应用来检索订单()两次，用结果来排序xo

xo [订单（订单（x））]

## [1] 0.7809753 0.5210077 0.8932159 0.5110514 0.2235770

整洁的,是吗?命令向量xo可以以可能难以原始数据的方式转换，例如在有序值之间找到差异

diff (c (0, xo))(订单(订单(x)))

## [1] 0.259967575 0.009956273 0.112240639 0.287474455 0.223576978

或将数值转换为字母，使的最小值x给出的是第一个字母等。

字母[SEQ_ALONG（XO）] [订购（ORDER（x））]

## [1] " d " " c " " e " " b " " a "

1.2分位数正常化

创建一个矩阵，用两列表示两个样本中100个(实际上是10000个)基因的“基因表达”。这个想法是，“基线”表达式遵循某种指数分布

n_genes <- 1000 base <- 2 + rexp(n_genes)

并且在每个样本中观察到的表达是基线加上一些（通常分布的）误差。以下假设测量误差的尺寸随着基因表达的增加而降低;样本y是否(例如，由于样本处理)一个持续比样本强的信号x。

表达式< -  data.frame（x =碱基+ rnorm（n_genes，0.3）/碱基，y = 1.1 *底座+ rnorm（n_genes，0.4）/底座）

将两个样本中每个基因的表达可视化…

库（GGPLOT2）GGPLOT（表达式，AES（x，y））+ geom_point（）

以及所有基因中表达值的分布

df < -重塑::融化(表达式)

##使用id变量

ggplot（df，aes（x =值，color = fings（变量）））+ geom_dentions（）

一个常见的假设是，例如RNA-seq，大多数基因的表达是不变的，而分布之间的差异是由于技术因素造成的。在这个假设下，我们期望上面第二幅图中的分布是相同的。所以我们可以试着正常化样品，以便分布每个样本看起来都是一样的。分位数正常化是这种正常化的极端形式，并使分布完全相同的。

1. 将每一列按顺序排列

   y <- expression$y y <- y[order(y)]

   对于100的样本，x [1]是第一个量级，x [2]第二,等等。

2. 计算每个分位数的平均值（或更强大，例如，中位数）统计。我会通过使用cbind ()创建一个两列矩阵，然后应用()遍历每一行来计算平均值

   <- cbind(xo, yo) row_mean <- apply(Mo, 1, mean)

3. 使用原始向量中每个分位数的平均值

   归一化< -  data.frame（x = row_mean [订单（order（x））]，y = row_mean [订单（订单（y））]）

可视化标准化数据——两个样本中表达式之间相同的整体关系

Ggplot (normalized, aes(x, y)) + geom_point()

但是现在是相同的分布

df < -重塑:融化(归一化)

##使用id变量

ggplot（df，aes（x =值，color = fings（变量）））+ geom_dentions（）

2.1功能

我们可以编写一个脚本，每次我们想要使用它时进行复制/粘贴

x < - 表达式$ x xo < -  x [order（x）] y < - 表达式$ y yo < -  Y [ORDER（Y）] MO < -  CBIND（XO，YO）ROW_MEAN < -  MO，1，平均值）归一化< -  data.frame（x = row_mean [订单（order（x））]，y = row_mean [订单（订单（y））]）

最好是写一个函数

standile_normalize <函数（表达式）{x < - 表达式$ x xo < -  x [order（x）] y < - 表达式$ y yo < -  Y [ORDER（Y）] MO < -  CBIND（XO，YO）row_mean< - 应用（mo，1，均值）data.frame（x = row_mean [订单（order（x））]，y = row_mean [订单（order（y））]）}

用在不同的数据集上。

标准化< -  standile_normalize（表达式）

2.2测试

我们将对函数进行更新，使其更高效、更通用、更健壮，但我们希望对函数的工作状态有一定的信心。因此，我们将制作一个更小的数据集，我们可以“手工”验证并用作测试用例。

表达式< -  data.frame（x = c（1,2,4,7），y = c（3,2,5,8））smileile_normalize（表达式）

x y # # 1 # # # # 2 2.5 - 1.5 1.5 - 2.5 7.5 - 7.5 4.5 - 4.5 # # 3 # # 4

我们可以使用一个叫做“单元测试”的正式概念来检查我们的代码是否正确

库(testthat) test_that("quantile_normalize() works"， {## calculate simple example 'by hand'…x < - c(1、2、4、7)y < - c(3、2、5、8)xo < - x (x))[命令你< - y[秩序(y)]莫< -应用(cbind (xo,哟),1,意味着)预期< - data.frame (x =莫(订单(订单(x))), y =莫(订单(订单(y)))) # #比较函数表达式的结果< - data.frame (x = x, y = y)观察到< - quantile_normalize(表达式)expect_equal(观察,期望)#其他可能的期望})

3.1一般

我们的函数假设有两个样本，并且这两个样本都有标记x和y。让我们试着用应用()要对任意数量的列进行排序，

M <- apply(expression, 2, function(v) v[order(v)])

# # x y # # [1] 1 2 # # [2] 2 3 # # [3] 4 5 # # 7 8 [4]

并应用同样的逻辑来重建量级

standile_normalize < -  function（x）{m < -  apply（x，2，function（v）v [ORDER（v）]）row_mean < - 应用（m，1，均值）应用（x，2，function（v，row_mean）row_mean [订购（order（v））]，row_mean）}

我们的单元测试将失败，因为原始函数返回一个data.frame，而当前函数返回一个矩阵。让我们更新单元测试(我们也可以在返回之前将矩阵强制转换为data.frame)quantile_normalize ()）。

test_that（“standile_normalize（）works”，{x < -  c（1,2,4,7）y < -  c（3,2,5,8）xo < -  x [order（x）] yo < -  y[订购（y）] mo < -  apply（cbind（xo，yo），1，平均值）预期< -  cbind（x = mo [订单（ourser（x））]，y = mo [订单（订单（y））]）表达式< -  data.frame（x = x，y = y）观察到< -  standile_normalize（表达式）预期（观察到，预期）}）

3.2非常高效。

应用()是一个迭代的每个元素调用一次函数米。我们可以使用rowMeans ()，它是矢量化的，并仅为整个数据进行一个函数调用。这在r中更有效，因此让我们尝试修改我们的功能

standile_normalize < -  function（x）{m < -  apply（x，2，function（v）v [Order（v）]）row_mean < -  rowmeans（m）应用（x，2，函数（v，row_mean）row_mean [订单（订单（v））]，row_mean）}

我们的单元测试仍然有效

test_that（“standile_normalize（）works”，{x < -  c（1,2,4,7）y < -  c（3,2,5,8）xo < -  x [order（x）] yo < -  y[订购（y）] mo < -  apply（cbind（xo，yo），1，平均值）预期< -  cbind（x = mo [订单（ourser（x））]，y = mo [订单（订单（y））]）表达式< -  data.frame（x = x，y = y）观察到< -  standile_normalize（表达式）预期（观察到，预期）}）

所以我们有信心在不改变结果的情况下改变了实施。

3.3健壮的

好的函数提供类似契约的东西——如果提供了特定类型的参数，那么函数将返回特定类型的值。在我们的例子中，我们可以把契约看作是“如果你为我提供一个包含所有数字列的data.frame，或者一个数字矩阵，我将为你提供一个分位数标准化列的矩阵”。契约可能会有额外的约束，例如“输入不能有NA值”或“输入的dimnames与输出的dimnames相同”。检查输入是否符合合同，极大地简化了我们的功能，并通常为用户提供有用的指示前事情总是以一种神秘的方式出错。所以看起来我们应该尽快验证函数的输入。

<- function(x){##只要输入可以被强制为一个矩阵…X <- as.matrix(X) ##，可以验证符合我们的合同…stopifnot(is.numeric(x)， !anyNA(x)) ##…我们有信心我们将满足返回值m <- apply(x, 2, function(v) v[order(v)])) row_mean <- rowMeans(m) apply(x, 2, function(v, mo) mo[order(v))]， mo)}

我们可以检查我们的原始单元测试是否满意，但也添加了标记测试......

test_that(“quantile_normalize()的验证输入",{m < - cbind(字母,字母)expect_error (quantile_normalize (m)) df < - data.frame (x = rnorm (26), y =字母)expect_error (quantile_normalize (df)) m < -矩阵(rnorm (10), nrow = 5) m [1] < - NA expect_error (quantile_normalize (m))})

看起来我们的函数应该在原始对象上保留dimnames。这个函数需要修改，我们可以编写一个新的单元测试

##验证输入x <- as.matrix(x) stopifnot(is.numeric(x)， ! anya (x)) ## quantile normalization m <- apply(x, 2, function(v) v[order(v)])) row_mean <- rowMeans(m) result <- apply(x, 2, function(v, row_mean) row_mean[order(v))]， row_mean) ## propagate dimnames dimnames(result) <- dimnames(x) result}

test_that("'quantile_normalize()' propagates dimnames"， {m <- matrix(rnorm(10)， 5, dimnames=list(LETTERS[1:5]， LETTERS[1:2])) observed <- quantile_normalize(m) expect_identical(dimnames(observed)， dimnames(m))})

我们还可以检查我们的函数对于不太常见的情况是否健壮，比如0行和/或0列的输入。这些测试导致额外的修改-应用()不总是返回一个矩阵!

standile_normalize < -  function（x）{##验证输入x <--as.matrix（x）stopifnot（是numeric（x），！Anyna（x））## stantile normalize m < -  apply（x，2，function（v）v [订单（v）]）dim（m）< -  dim（x）＃应用（）并不总是返回矩阵！row_mean < -  reammeans（m）结果< -  apply（x，2，函数（v，row_mean）row_mean [订单（v））]，row_mean）dim（结果）< -  dim（x）##传播Dimmnes Dimmnames（结果）< -  dimmames（x）结果}

test_that(“quantile_normalize()的作品与边界情况”,{m < -矩阵(rnorm (5), nrow = 5) expect_identical (m, quantile_normalize (m)) m < -矩阵(rnorm (5), ncol = 5) expect_identical(矩阵(意味着(m), ncol = 5), quantile_normalize (m)) m < -矩阵(0,0,0)expect_identical (m, quantile_normalize (m))})