数据预处理(第一天)

将excel文件另存为csv格式（不支持多个sheet，每个sheet保存为独立的csv文件）

4个csv文件：

1.基因型：genotype.csv，375行105列，每行为一个line（第一列为line编号）。编码方式：纯合体用1位数1~n（n种不同等位基因型，n最大为7）表示，杂合体用2位数xy（x,y:1~n）表示，未测定的用-9表示（原文件中line 332, RM10376，闪闪标为13?，改为-9）。

2.表型：为产量形状。

2.1：phenotype_IRRI.csv，392行7列，有缺失值（闪闪原文件中用点“.”表示，需要处理），第1列为line编号，第2、3、4列为旱季不同氮水平的3个实验，第5、6、7列为雨季不同氮水平的3个试验。

2.2：phenotype_JX.csv，351行2列，无缺失值，第1列为line编号，第2列为国内JX省实验。

2.3：phenotype_SC.csv，376行2列，无缺失值，第1列为line编号，第2列为国内SC省实验。

对IRRI表型缺失的两种处理方法：

方法一：在excel文件中，手动将点"."全改为0（共有51处，不能用“查找/替换"，因为其它数据含有小数点），然后用R处理

phenotype_IRRI<-read.csv("phenotype_IRRI.csv",sep=',') 
  #读入excel文件

phenotype_IRRI[phenotype_IRRI==0]<-NA
  #将0修改为NA，不能在excel中直接改为NA，否则读入R后会自动将含有字符串的列识别为factor类别。

save(phenotype_IRRI,file="phenotype_IRRI_backup.RData",ASCII=T)
  #将工作区数据保存为R数据文件

load("phenotype_IRRI_backup.RData")

  #需要使用时再读入R数据文件

方法二：整个过程全部用R处理

irri<-read.csv("irri.csv",sep=',')

#irri.csv为含有点"."表示缺失数据的原始文件，含有点“.”的列全被识别为factor。

n<-dim(irri)[1]

p<-dim(irri)[2]

colname<-colnames(irri)

irri[irri=='.']<-NA

irri<-as.matrix(irri)

  #将data frame转换为matrix，否则as.numeric不起作用

irri<-as.numeric(irri)
  #将factor转换为numeric，结果为一个vector

irri<-matrix(irri,n,p)
  #先转换为matrix

irri<-as.data.frame(irri)
  #转换为data frame

colnames(irri)<-colname

  #恢复列的名称

irri[,1]<-as.integer(irri[,1])

  #将第1列line编号转换为int

save(irri,file="irri.RData",ASCII=T)

#将工作区数据保存为R数据文件