將數據從r包導入python,r數據的導入和導出

本文目錄一覽：

• 1、如何在R中導入不同類型的數據
• 2、python 導入數據包的幾種方法
• 3、將R環境下的Seurat RDS格式數據轉化成為到python環境下scanpy的anndata格式

如何在R中導入不同類型的數據

在使用R的時候，我們肯定需要導入數據，現在總結一下如何導入不同類型的數據：

1.使用鍵盤輸入數據

在導入數據比較少的時候，我們使用這種方法。R中的函數 edit() 會自動調用一個允許手動輸入數據的文本編輯器。具體步驟如下：

(1) 創建一個空數據框（或矩陣） ，其中變數名和變數的模式需與理想中的最終數據集一致；

(2) 針對這個數據對象調用文本編輯器，輸入你的數據，並將結果保存回此數據對象中。在下例中，你將創建一個名為 mydata 的數據框，它含有三個變數： age （數值型） 、 height（字元型）和 weight （數值型） 。然後通過edit()函數調用文本編輯器，鍵入數據，最後保存結果。編輯器界面如下，我們在這個界面可以輸入變數值，也可以改變變數類型。

[plain] view plain copy

mydata-data.frame(age=numeric(0),height=numeric(0),weight=numeric(0))

edit(mydata)

需要注意的是函數 edit() 事實上是在對象的一個副本上進行操作的。如果你沒有將它其賦值到一個對象，你的所有修改將會全部丟失！

2.導入帶分隔符的文本文件數據/CSV文件

read.table() 可以從帶分隔符的文本文件中導入數據。此函數可讀入一個表格格式的文件並將其保存為一個數據框。其語法如下：

read.table(file,header=value,sep=”delimter”,row.names=”name”)

file表示文件名，header表示表的首行是否包含變數值的邏輯值，sep 用來指定分隔數據的分隔符， row.names 用以指定一個或多個表示行標識符的變數，是個一可選參數，他還有許多參數，可以通過幫助文檔進行查看。

3.導入Excel數據

雖然Excel可能是世界上最流行的數據分析工具，但R如果直接讀取Excel數據還是比較困難的。

但我們可以在Excel中將數據將其導出為一個逗號分隔文件（csv） ，並使用前文描述的方式將其導入R中。在Windows系統中，你也可以使用 RODBC 包來訪問Excel文件。但它好像只能在32位的R軟體上面使用。雖然也有一些包可以這些問題，比如gdata,XLConnect,xlsReadWrite等，但它的有許多前提要求，比如Java環境，Per,或者32-bit R。因此一般情況將數據轉換為csv文件或者將數據導入到資料庫在導入在R。

4.導入XML數據

強大的R中有若干用於處理XML文件的包。 XML 包允許用戶讀取、寫入和操作XML文件。因為我還沒有遇到這種數據，因此還不太清楚xml包大體如何使用，感興趣的朋友可以下載xml包，通過幫助文檔進行學習。

5.從網頁抓取數據

不僅Python可以爬取網頁數據，R也可以在Web數據抓取。在這個的過程中，用戶可以從互聯網上提取嵌入在網頁中的信息，並將其保存為R中的數據結構以做進一步的分析。 完成這個任務的一種途徑是使用函數 readLines()下載網頁，然後使用如 grep() 和 gsub() 一類的函數處理它。對於結構複雜的網頁，可以使用RCurl 包和 XML 包來提取其中想要的信息。

6.導入SPSS數據

我們可以調用通過 foreign 包中的函數 read.spss() 將SPSS數據集可以導入到R中，也可以使用 Hmisc 包中的 spss.get() 函數。函數 spss.get() 是對 read. spss() 的一個封裝，它可以為你自動設置後者的許多參數，讓整個轉換過程更加簡單一致，最後得到數據分析人員所期望的結果。使用的時候我們只需要安裝Hmisc 包，在較新的R中foreign 包已被默認安裝。

[plain] view plain copy

mydata-spss.get(“data.sav”,use.value.labels=TRUE)

這段代碼中，data.sav 是要導入的SPSS數據文件， use.value.labels=TRUE 表示讓函數將帶有值標籤的變數導入為R中水平對應相同的因子， mydataframe 是導入後的R數據框。

python 導入數據包的幾種方法

1.直接導入整個數據包：improt 數據包

2.導入數據包中的某一個函數： from 數據包 improt 函數(當函數這一項為 * 時為導入整個數據包)

3. 導入之定義的數據包()

將R環境下的Seurat RDS格式數據轉化成為到python環境下scanpy的anndata格式

無論是單細胞、空間組還是ATAC的數據，有時由於下游分析的需求或可視化的需求，同時由於python的運算速度的優勢，目前越來越多單細胞分析的工具開始在python環境下開發（scanpy/spGCN/scVelo……），但是大家大多都習慣了R的分析環境（Seurat/Harmony/Monocle3……），所以我們經常需要在不同的環境中運行同一個分析對象，這所以涉及到的數據類型的轉變就非常關鍵了。

想直接想找工具將RDS轉為python可讀數據對象的包，目前還沒有……（如果有大佬可以開發一下）。

目前所以從數據本身出發有三種方式，總結自目前網路上一些可行的方法：

1，提取矩陣（稀疏/稠密）和特徵信息（metadata），手動構築 anndata （單細胞分析時python中的一種數據結構，具體了解可以看一下： ，寫得挺好）就好。前提是對R的S4對象和python的anndata對象有基礎的認識，就可以搞定，這是最本質也是最萬能的方法，除了門檻高。

2，存儲的時候就注意，不要保存成rds，或者已經這樣保存了也無所謂，可以讀入再重新存：

（1）存儲成 h5ad格式 。Seurat數據寫成h5需要藉助包 SeuratDisk :

從R環境下Seurat的對象保存成h5ad的格式：

然後用python的anndata包/scanpy包直接讀入就好，因為h5ad本來就是單細胞在跑一python環境中分析最基礎的格式，對標R中的seurat對象或sce對象

這個方法可以具體參考： 他寫得更加詳細一點

（2）Seurat官方設置 loom格式 也是可行方式之一：

參見：

將Seurat對象轉為loom:

在python環境下讀入loom，成為adata:

總而言之，經個人使用和實際操作來說， 第二個存儲成為h5ad的方法時最好用的、也最友好 ，除了只能保存一個assay之外，就都沒問題，但是如果許多保存多個assay成為anndata中的多個layer，這就的用手動的方法了。