神奇的lapply

曾经有一位大神讲过，区分R语言是否进阶的标准是，能否用好apply。这个大神叫Jimmy。

其实，我们在之前用apply去批量做过生存分析，当时为了提升速度，还是用了R语言的并行策略，parApply

apply家族中还有一个更加神奇运用更广泛的成员，他的名字叫lapply，也就是list + apply，顾名思义，他返回的数据是列表 

我们看看他的三个小应用：

第一，批量操作。

加入我想读入一下四个CSV格式的文件，  我们可以一个一个的读：

1. fcsv1 = read.csv("B cell receptor signaling pathway.csv")

2. fcsv2 = read.csv("interferon-gamma-mediated signaling pathway.csv")

3. fcsv3 = read.csv("leukocyte migration.csv")

4. fcsv4 = read.csv("T cell receptor signaling pathway.csv")

如果有1000个文本呢，理论上对于一个会编程的人，重复的事情超过三次，他就受不了开始编写批量操作的脚本了，哪怕这个事情最终只要重复四次就可以完成，

这不是作秀，这是态度，关乎程序员的尊严。 

如果用上lapply呢？ 首先我们把需要读取的文件名称提取出来

1. files = list.files(pattern="*.csv")

2. files

文件名称是这个样子的

1. > files

2. [1] "B cell receptor signaling pathway.csv"          

3. [2] "interferon-gamma-mediated signaling pathway.csv"

4. [3] "leukocyte migration.csv"                        

5. [4] "T cell receptor signaling pathway.csv"

现在我们批量读取,x 是需要批量处理的因素，FUN表示施加的功能，这里是函数

lapply(X, FUN, ...)

1. fcsv <-lapply(files,read.csv)

读取进去后，这四个文件已列表的形式存在于fcsv中,我们还可以对他命名

1. names(fcsv) <- files

一般情况下，批量读取数据框后，还需要把他们合并，如果每一个文件的抬头一样，我们需要把文件按照行合并 这时候会得到一个大的数据框 

要实现这个操作有四种方法： 分别是ldply，do.call,dplyr包中的bind_rows，data.table包中的rbindlist，

实际上最常用的是前面两个， 我最开始使用的是do.call, 这些方法也是变化无穷的

1. exp_df1 <- plyr::ldply(fcsv, data.frame)

2. exp_df2 = data.frame(do.call(rbind,fcsv))

3. exp_df3 = dplyr::bind_rows(fcsv)

4. exp_df4 = data.table::rbindlist(fcsv)

 最终都能实现功能，其中ldply会把文件名称作为单独的一列，所以多一列 ，而其他方法把文件名加上系数作为行名。

实际上lapply只是实现批量操作，配套的函数，function才是他神奇的点睛之笔，我们可以用内置函数，比如，read.csv 也可以用自己定义的函数，这个在第三条的时候再说。

第二，批量读取Rdata数据。

把数据储存成Rdata是我R语言路上一个豁然开朗的瞬间，也是伟人Jimmy教给我的。 

从此我告别了把数据在R语言里面写来写去的日子，所有中间数据保存成Rdata，一直到出图为止。 

假如我的工作目录中有这个文件，导入是这个样子的,用load函数就行

1. load("Lasso_df_20000_01.Rdata")

那么如何批量读取Rdata呢，这里面有个小坑。

1. files = list.files(pattern="*.Rdata")

2. files

有6个文件需要读取

1. > files

2. [1] "Lasso_df_20000_01.Rdata" "Lasso_df_20000_02.Rdata"

3. [3] "Lasso_df_20000_03.Rdata" "Lasso_df_20000_04.Rdata"

4. [5] "Lasso_df_20000_05.Rdata" "Lasso_df_20000_06.Rdata"

按照之前的思路，用lapply

1. fload1 = lapply(files,load)

可以读取，但是读取到的是文件名称，不是内容，这是因为load会把文件存到临时地点，lapply会把他破坏掉， 

下面的方法的两种方法可以把数据导入进来，任意选取一种，就是告诉他读取到全局环境变量中。

1. fload2 = lapply(files,load,.GlobalEnv)

2. fload3 = lapply(files,load,environment())

 数据被读取进来，但是没有被存入list中，这时候我们需要用get函数获取到内容

1. fload = lapply(files, function(x) get(load(x)))

这就成功了，数据加起来有174Mb啊，同样的，也有四种方法可以把他们合并

1. df1 = plyr::ldply(fload, data.frame)

2. df2 = data.frame(do.call(rbind,fload ))

3. df3 = dplyr::bind_rows(fload )

4. df4 = data.table::rbindlist(fload)

 这样就很方便了。

第三，批量作图。

只要lapply后面的函数不一样，就可以实现很多批量操作，

我们以批量作图这种直观的方式阐述以下如何自定义函数 

本次还是使用以前的那个肿瘤表达数据，这个数据被用过至少3次

我们加载数据，加载R包，定义要作图的基因

1. load(file = "TCGA_BRCA_exprSet_plot.Rda")

2. library(ggstatsplot)

3. genes <- c("BRCA1","ESR1","TP53","ERBB2")

现在我们定义一个作图的函数，输入基因就出图

1. tnplot <- function(gene,exprSet){

2.  require(ggstatsplot)

3.  ggbetweenstats(data = exprSet,

4.                 x = sample,

5.                 y = gene)

6. }

我们输入一个基因测试一下,发现可以

1. tnplot("BRCA1",exprSet)

现在我们批量操作,还是用lapply，只不过当函数有多个参数的时候，第一个以外的写在函数后面，以逗号分隔，三个四个都可以 

在本例中，expreSet这个数据集就是第二个参数，读取完毕后，所有的作图数据存在p1中。

1. p1 <- lapply(genes, tnplot,exprSet)

批量作图展示

1. library(cowplot)

2. plot_grid(plotlist=p1,nrow =2,labels = LETTERS[1:4])

是不是很赞，当然，lapply实现的是批量，具体有哪些惊艳的操作，取决于我们如何写出使用的function。 

而函数是R语言进阶的另外一道坎，我也给自己丢下一个必填的坑。

Until next time，it‘s goodbye！