Base R是R语言基础的部分，同时又是容易被忽略的，温故而知新，在数据操作过程中不断挖掘其中的宝藏吧！持续更新中……
1. is.element( )
is.element(x, y) #用来确定x是否在y之内，等价于 x%in% y
类似的集合操作：
union(x, y) #并集
intersect(x, y) #交集
setdiff(x, y) #补集
setequal(x, y) #判断两个集合是否相同，类似all(x==y)
2. strsplit()
strsplit()用于分割字符串，具体参数：strsplit(x, split, fixed = FALSE)
x：需要分割的字符串，
split：拆分的依据
fixed：是否完全匹配，默认情况下fixed = FALSE，即支持正则表达式。
> strsplit("a.b.c",".") # 默认情况下，fixed=FALSE
##[[1]]
## [1] "" "" "" "" ""
> strsplit("a.b.c",".",fixed = T) # fixed =TRUE就可以完全匹配了
## [[1]]
## [1] "a" "b" "c"
strsplit() + unlist()
> unlist(strsplit("abcd","",fixed = T))
[1] "a" "b" "c" "d"
类似的函数有stringr::str_split().
3.sapply()+ ‘[’
在数据操作过程中经常看到sapply(x, "[", 1)的形式，但是非常迷茫怎么会有这么奇怪的符号？后来带着这个问题取搜索，竟然在stackoverflow给找到了。看来不止我一个人迷惑这个问题
其实是function(x) x[1]的简写形式，提取向量中的子集。
例如：可以看出二者输出的结果是一致的。
> a <- strsplit("a.b.c",".",fixed = T)
> sapply(a, "[",1)
[1] "a"
> sapply(a, function(x) x[1])
[1] "a"
还可以用来提取其他位置的向量，如：
> sapply(a, "[",2)
[1] "b"
> sapply(a, "[",3)
[1] "c"
4.trimws()：去掉字符串首尾空格
trimws(x, which = c("both", "left", "right"))
> trimws(" abc ",which = "left") #去掉左侧空字符
[1] "abc "
> trimws(" abc ",which = "right")#去掉右侧空字符
[1] " abc"
> trimws(" abc ",which = "both")#去掉首尾空字符
[1] "abc"
5. sub()：查找并替换
> colnames(eset)
[1] "CLL11.CEL" "CLL12.CEL" "CLL14.CEL" "CLL15.CEL" "CLL16.CEL" "CLL17.CEL" "CLL18.CEL"
[8] "CLL19.CEL" "CLL20.CEL" "CLL21.CEL" "CLL22.CEL" "CLL23.CEL" "CLL24.CEL" "CLL2.CEL"
[15] "CLL3.CEL" "CLL4.CEL" "CLL5.CEL" "CLL6.CEL" "CLL7.CEL" "CLL8.CEL" "CLL9.CEL"
> sub(pattern = "\\.CEL",replacement = "",colnames(eset)) #匹配".CEL"，并删除
[1] "CLL11" "CLL12" "CLL14" "CLL15" "CLL16" "CLL17" "CLL18" "CLL19" "CLL20" "CLL21" "CLL22"
[12] "CLL23" "CLL24" "CLL2" "CLL3" "CLL4" "CLL5" "CLL6" "CLL7" "CLL8" "CLL9"
备注：
6.model.matrix():制作设计矩阵
两个应用：
- limma差异分析
- WGCNA中求临床性状和模块的相关性
3种形式：
model.matrix(~group)
model.matrix(~0+group)
model.matrix(~-1+group)
其实，model.matrix(~0+group)和model.matrix(~-1+group)输出的内容是一样的。model.matrix(~group)以提前设计好参照组，model.matrix(~0+group)和model.matrix(~-1+group)还需要配合makeContrasts()填充具体的比较分组。
详情参考：差异分析是否需要比较矩阵
7.diff():连续数据对间的差异
> x <- cumsum(cumsum(1:10));x
[1] 1 4 10 20 35 56 84 120 165 220
> diff(x)
[1] 3 6 10 15 21 28 36 45 55
可以看出，计算的是4-1,10-4,20-10……的差值。
当然，还可以滞后，
> diff(x,lag=2)
[1] 9 16 25 36 49 64 81 100
这时候计算的 是，10-1,20-4,35-10……的差值。
8.grep 查找字符串
在TCGA数据中往往需要找到配对的临床样本，这时候grep就派上用场了。
比如像下面这样：
norsam是正常样本的barcode，tumsam是肿瘤样本的barcode，下面在tumsam中找与norsam相匹配的样本。
其实TCGA的barcode中第9-12位可以识别患者。
首先提取每个barcode的第9-12的数字，
x <- substr(norsam)
head(x)
接着在tumsam中搜索与之匹配的barcode
matches <- unique(grep(paste(toMatch,collapse = "|"),tumsam,value = T))
head(matches)
后整理出norsam和tumsam数据：
t.code <- substr(matches,1,12)
n.code <- substr(norsam,1,12)
com_code <- intersect(t.code,n.code)
pair.t.sam <- paste0(com_code,"-01A")
pair.n.sam <- paste0(com_code,"-11A")
