Untuk sisa kursus ini, kami akan bekerja dengan satu set data untuk menjawab sejumlah pertanyaan biologis sederhana tentang efek penggunaan cerutu ibu selama kehamilan. Data ini adalah tabel berat lahir orang tua dan bayi baru lahir yang diadaptasi dari kumpulan data yang disediakan oleh Bantuan Matematika dan Statistik di Universitas Sheffield. Ini telah sedikit dimodifikasi untuk memungkinkan kami mendemonstrasikan beberapa fungsi lagi, tetapi datanya sebagian besar tidak berubah.
Mulailah dengan menyiapkan direktori kerja untuk kursus ini.
Kami akan melakukan semua pekerjaan untuk kursus ini di direktori yang kami buat di bagian terakhir. Untuk mempermudah, kami akan mengatur direktori kerja R ke direktori tempat kami menyimpan buku catatan kami. Untuk melakukan ini, pilih menu “Sesi” di toolbar, lalu arahkan ke “Set Working Directory,” dan klik pada “Choose Directory.” Pilih direktori tempat Anda menyimpan buku catatan Anda.
Ketika Anda melakukannya, Anda akan melihat bahwa baris kode berjalan di konsol Anda:
summary(cars)## speed dist
## Min. : 4.0 Min. : 2.00
## 1st Qu.:12.0 1st Qu.: 26.00
## Median :15.0 Median : 36.00
## Mean :15.4 Mean : 42.98
## 3rd Qu.:19.0 3rd Qu.: 56.00
## Max. :25.0 Max. :120.00setwd(“/Users/syukurhalim/Documents/KULIAH S2/SEMESTER 2/Bioinformatika/PENGANTAR BIOINFORMATIKA (PUBLISH 1)”)
summary(cars)## speed dist
## Min. : 4.0 Min. : 2.00
## 1st Qu.:12.0 1st Qu.: 26.00
## Median :15.0 Median : 36.00
## Mean :15.4 Mean : 42.98
## 3rd Qu.:19.0 3rd Qu.: 56.00
## Max. :25.0 Max. :120.00Ini adalah GUI di tempat kerja! Ketika Anda mengklik direktori di peramban file, R sebenarnya menjalankan kode yang ditampilkan di konsol Anda. Di masa depan, Anda dapat mengatur direktori kerja Anda seperti itu.
Unduh datanya.
download.file("https://raw.githubusercontent.com/ucdavis-bioinformatics-training/2022_February_Introduction_to_R_for_Bioinformatics/main/birthweight.csv", "birthweight.csv")Manual data entry is time-consuming and leads to errors. R has a number of functions for reading data in a variety of formats. Let’s use the read.csv() function to read in a spreadsheet containing data from an experiment.
birthweight <- read.csv("birthweight.csv")CSV adalah singkatan dari “nilai yang dipisahkan koma,” dan file CSV hanyalah file teks di mana setiap baris dalam file mewakili satu baris dalam tabel data, dan kolom dipisahkan dengan koma. Isi dari file CSV sekarang disimpan dalam variabel “birthweight.”
Dalam proses analisis kami, kami akan menambahkan metrik ke kumpulan data ini. Ketika kami selesai, kami akan ingin dapat menyimpan analisis kami. Untuk menulis isi objek berat lahir ke CSV baru, kita dapat menggunakan fungsi write.csv().
write.csv(birthweight, file = "new_birthweight.csv")The similar read.delim() and write.delim() can be used to read and write tab-delimited files, where columns are separated by tab characters rather than commas.
birthweight## ID birth.date location length birthweight head.circumference
## 1 1107 1/25/1967 General 52 3.23 36
## 2 697 2/6/1967 Silver Hill 48 3.03 35
## 3 1683 2/14/1967 Silver Hill 53 3.35 33
## 4 27 3/9/1967 Silver Hill 53 3.55 37
## 5 1522 3/13/1967 Memorial 50 2.74 33
## 6 569 3/23/1967 Memorial 50 2.51 35
## 7 365 4/23/1967 Memorial 52 3.53 37
## 8 808 5/5/1967 Silver Hill 48 2.92 33
## 9 1369 6/4/1967 Silver Hill 49 3.18 34
## 10 1023 6/7/1967 Memorial 52 3.00 35
## 11 822 6/14/1967 Memorial 50 3.42 35
## 12 1272 6/20/1967 Memorial 53 2.75 32
## 13 1262 6/25/1967 Silver Hill 53 3.19 34
## 14 575 7/12/1967 Memorial 50 2.78 30
## 15 1016 7/13/1967 Silver Hill 53 4.32 36
## 16 792 9/7/1967 Memorial 53 3.64 38
## 17 820 10/7/1967 General 52 3.77 34
## 18 752 10/19/1967 General 49 3.32 36
## 19 619 11/1/1967 Memorial 52 3.41 33
## 20 1764 12/7/1967 Silver Hill 58 4.57 39
## 21 1081 12/14/1967 Silver Hill 54 3.63 38
## 22 516 1/8/1968 Silver Hill 47 2.66 33
## 23 272 1/10/1968 Memorial 52 3.86 36
## 24 321 1/21/1968 Silver Hill 48 3.11 33
## 25 1636 2/2/1968 Silver Hill 51 3.93 38
## 26 1360 2/16/1968 General 56 4.55 34
## 27 1388 2/22/1968 Memorial 51 3.14 33
## 28 1363 4/2/1968 General 48 2.37 30
## 29 1058 4/24/1968 Silver Hill 53 3.15 34
## 30 755 4/25/1968 Memorial 53 3.20 33
## 31 462 6/19/1968 Silver Hill 58 4.10 39
## 32 300 7/18/1968 Silver Hill 46 2.05 32
## 33 1088 7/24/1968 General 51 3.27 36
## 34 57 8/12/1968 Memorial 51 3.32 38
## 35 553 8/17/1968 Silver Hill 54 3.94 37
## 36 1191 9/7/1968 General 53 3.65 33
## 37 431 9/16/1968 Silver Hill 48 1.92 30
## 38 1313 9/27/1968 Silver Hill 43 2.65 32
## 39 1600 10/9/1968 General 53 2.90 34
## 40 532 10/25/1968 General 53 3.59 34
## 41 223 12/11/1968 General 50 3.87 33
## 42 1187 12/19/1968 Silver Hill 53 4.07 38
## weeks.gestation smoker maternal.age maternal.cigarettes maternal.height
## 1 38 no 31 0 164
## 2 39 no 27 0 162
## 3 41 no 27 0 164
## 4 41 yes 37 25 161
## 5 39 yes 21 17 156
## 6 39 yes 22 7 159
## 7 40 yes 26 25 170
## 8 34 no 26 0 167
## 9 38 yes 31 25 162
## 10 38 yes 30 12 165
## 11 38 no 20 0 157
## 12 40 yes 37 50 168
## 13 41 yes 27 35 163
## 14 37 yes 19 7 165
## 15 40 no 19 0 171
## 16 40 yes 20 2 170
## 17 40 no 24 0 157
## 18 40 yes 27 12 152
## 19 39 yes 23 25 181
## 20 41 yes 32 12 173
## 21 38 no 18 0 172
## 22 35 yes 20 35 170
## 23 39 yes 30 25 170
## 24 37 no 28 0 158
## 25 38 no 29 0 165
## 26 44 no 20 0 162
## 27 41 yes 22 7 160
## 28 37 yes 20 7 163
## 29 40 no 29 0 167
## 30 41 no 21 0 155
## 31 41 no 35 0 172
## 32 35 yes 41 7 166
## 33 40 no 24 0 168
## 34 39 yes 23 17 157
## 35 42 no 24 0 175
## 36 42 no 21 0 165
## 37 33 yes 20 7 161
## 38 33 no 24 0 149
## 39 39 no 19 0 165
## 40 40 yes 31 12 163
## 41 45 yes 28 25 163
## 42 44 no 20 0 174
## maternal.prepregnant.weight paternal.age paternal.education
## 1 57 NA NA
## 2 62 27 14
## 3 62 37 14
## 4 66 46 NA
## 5 53 24 12
## 6 52 23 14
## 7 62 30 10
## 8 64 25 12
## 9 57 32 16
## 10 64 38 14
## 11 48 22 14
## 12 61 31 16
## 13 51 31 16
## 14 60 20 14
## 15 62 19 12
## 16 59 24 12
## 17 50 31 16
## 18 48 37 12
## 19 69 23 16
## 20 70 38 14
## 21 50 20 12
## 22 57 23 12
## 23 78 40 16
## 24 54 39 10
## 25 61 NA NA
## 26 57 23 10
## 27 53 24 16
## 28 47 20 10
## 29 60 30 16
## 30 55 25 14
## 31 58 31 16
## 32 57 37 14
## 33 53 29 16
## 34 48 NA NA
## 35 66 30 12
## 36 61 21 10
## 37 50 20 10
## 38 45 26 16
## 39 57 NA NA
## 40 49 41 12
## 41 54 30 16
## 42 68 26 14
## paternal.cigarettes paternal.height low.birthweight geriatric.pregnancy
## 1 NA NA 0 FALSE
## 2 0 178 0 FALSE
## 3 0 170 0 FALSE
## 4 0 175 0 TRUE
## 5 7 179 0 FALSE
## 6 25 NA 1 FALSE
## 7 25 181 0 FALSE
## 8 25 175 0 FALSE
## 9 50 194 0 FALSE
## 10 50 180 0 FALSE
## 11 0 179 0 FALSE
## 12 0 173 0 TRUE
## 13 25 185 0 FALSE
## 14 0 183 0 FALSE
## 15 0 183 0 FALSE
## 16 12 185 0 FALSE
## 17 0 173 0 FALSE
## 18 25 170 0 FALSE
## 19 2 181 0 FALSE
## 20 25 180 0 FALSE
## 21 7 172 0 FALSE
## 22 50 186 1 FALSE
## 23 50 178 0 FALSE
## 24 0 171 0 FALSE
## 25 NA NA 0 FALSE
## 26 35 179 0 FALSE
## 27 12 176 0 FALSE
## 28 35 185 1 FALSE
## 29 NA 182 0 FALSE
## 30 25 183 0 FALSE
## 31 25 185 0 TRUE
## 32 25 173 1 TRUE
## 33 0 181 0 FALSE
## 34 NA NA 0 FALSE
## 35 0 184 0 FALSE
## 36 25 185 0 FALSE
## 37 35 180 1 FALSE
## 38 0 169 1 FALSE
## 39 NA NA 0 FALSE
## 40 50 191 0 FALSE
## 41 0 183 0 FALSE
## 42 25 189 0 FALSE