主讲老师第六课：DataEditR 包的使用
考虑到在 R 中手动输入和编辑数据可能很繁琐，尤其是对于新手而言，DataEditR包将 Excel 中的使用方法搬到 RStudio 中，这个对新手使用比较友好，但是也存在一定的缺陷，一旦数据量过大，会进入卡机状态。当然，这种数据量，在 EXCEL里面也历经无法进行，只能通过代码了，还记得之前英国新冠人数上面使用EXCEL 的那个笑话吗？
EXCEL 数量达到上限以后就无法新增列。DataEditR 包，最初于 2020 年 7 月 23 号发布于 GitHub 上，目前已经被 CRAN 收录了，它是一个基于 shiny 且可扩展的交互式 R 程序包，可以轻松地交互查看，输入，过滤和编辑数据
1.R 包安装与读取
1.1 R 包的安装
对于 DataEditR 包的安装，我们可以直接使用 install.packages()代码即可完成，当然，如果想要保持最新更新版本，也可以从 GitHub 上进行下载，GitHub 上进行下载对网速有要求，一般直接使用第一个代码下载即可
1.2 读取 R 包
安装完成后，使用 library()来检验是否安装成功
2.打开交互界面
在 DataEditR 包中，存在一个名为 data_edit()的函数，通过该函数，我们可以在RStudio 中打开一个交互式界面在 R 中进行交互查看，输入或编辑数据点击“Browse”，即可本地上传数据，其中，根据作者介绍，数据编辑器的主要功能
总结如下：
快速查看数据的方法；从头开始创建 data.frame；使用任何读取功能（例如 read.csv（））加载保存到文件的表格数据，即使已指定行名，也始终包含行索引；添加/删除行或列；编辑行名或列名；手动调整列大小；拖动一个单元格以填充其他单元格；这几个是比较常用的功能，其他还包括保存文件等等。下面来具体演示一下，在此，我们还是使用内置数据 mtcars 来进行演示。
两种打开方式，任选一种就可以，第一种是在 RStudio 里面打开，第二种是使用浏览器打开；对于数据集，既可以是内置数据集，也可以读取到 Environment 中的data.frame 或矩阵等形式。
3. 编辑数据内容
对于表中的数据内容，我们可以直接选中需要修改的内容双击鼠标，输入修改后的数据即可快速完成修改
3.2 行（rownames）与列（colnames）名称重新编辑
先来看下使用代码修改列名colnames(mtcars)[2] <- "achen"看下含义，colnames(mtcars)表示取列名，colnames(mtcars)[2]表示取第二个列名，然后进行赋值，然而，在 DataEditR 包中，可以直接鼠标选中需要修改的行名和列名。
输入需要修改的新名字“achen”，进行修改
3.3 添加/删除行或列
在 Excel 中，有一种受到众人喜爱的十分简便的方法，可以随意的添加或删除行和列，在此，我们也可以在这个 R 包中快速实现，选择某一格后，右键鼠标，即可看到相应的功能。
包括 Insert rows above（在上方添加行），Insert rows below（在下方添加行），Remove row（移除行），Insert column left（在左侧添加列），Insert columnright（在右侧添加列），Remove column（移除列）等，另外还包括了撤回（Undo）和重做（Redo），这个功能在 R 里面还是比较少见的，一旦运行错误只能从头来一次，没有撤销和重做的功能。
3.4 手动调整列大小
当某列中内容过长时，我们可以选中该列，通过鼠标来手动调整列的大小
3.5 拖动填充
和 Excel 一样，选中某一格内容后，快速下来，即可自动填充空格内的内容
3.6 筛选行
为了便于后续的分析，我们需要对用于分析的列进行选择
1.首先，点击第一个按钮：
2.对需要筛选的列进行选择，其中绿色为选中列，红色为取消不选
随后，点击旁边的 close 关闭即可完成
3.对列选择完成后，点击第二个按钮，对列内的变量进行选择
4.在 Column 中选择列名“cyl”，在 Logic 中选择逻辑方式，如“greater than”（大
于），在 Levels 中选择筛选标准，如选择变量 cyl 中大于 6 的行。
选择完成后，点击“Close”即可完成。
3.7 保存结果
所有筛选与编辑完成后，点击第四个按钮，即可将最后的结果保存到本地。
当然，也可以将编辑后的结果直接保存到环境变量 Environment 中。
点击最后一个按钮，使得按钮变绿，随后点击按钮 Done，即可将最终的结果保存
到新变量 rt 中，用于后续的分析与绘图
算的上是从 R 中导出数据的又一种方法关于这个包的介绍，基本就这么多，当然，其他的功能的话，大家可以课后再试试探索一下，不过，介绍这个包的目的，只是有时候可以进行简化步骤，但是不要过分依赖，还是需要把代码部分学好了。另外，使用 R 包时候，记得引用一下这篇
文章：
主讲老师讲席营
生信分析中的常用R包
工欲善其事必先利其器CONTENTS 1. 数据导入
2. 数据整理
3. 数据可视化
数据导入万物从此开始And everything beginsreadr包——读取txt、 readxl包——读取01 csv文件格式 02 Excel文件格式数据导入 03gi t 2 r包 ——访 问g i t h ub 仓库 04data.table包——可以快速读取大样本数据集haven包——读取xml2包——读取HTML05 SPSS、SAS和Stata统 06 和XML文件格式计软件格式数据整理
生信分析中最困难的一步
The most difficult step in bioinformaticsR数据科学可视化清晰&美观&简易和复杂的平衡Balance of clarity & beauty & simplicity & complexity ggthemes包——提供ggplot2各种图形风格主题 complexheatmap包——绘制热图的包 ggrepel包——避免标签重叠并提供指引 pheatmap包——绘制热图的包 igraph包——用于构建网络可视化 FactoMineR包——绘制PCA的包 ggstatsplot包——绘制带有统计学信息的可视化 UpsetR包——厌倦韦恩图的千篇一律，试试集合图吧 survminer包——提供优秀的生存分析可视化 ggcorrplot包——绘制相关性的包 ggsci包——提供丰富配色 circlize包——绘制圆圈图 RColorBrewr包——提供三套配色方案（连续、渐变、极端） patchwork包——拼图包的神Thank you