| output |
|---|
github_document |
knitr::opts_chunk$set(
collapse = TRUE,
comment = "#>",
fig.path = file.path("man", "figures", "README-"),
out.width = "100%"
)
R scripts om de in LIMS bewaarde gegevens van het INBO op te halen. Dit werkt enkel binnen het netwerk van het instituut of indien verbonden via vpn met het netwerk.
Voorlopig zijn er 3 hoofdbrokken in dit pakket:
- Inlezen van rapportagegegevens van het labo uit het LIMS datawarehouse
- parsen textuurmetingen uit de output van het laserdiffractietoestel
- Kwaliteitskenmerken digital droplet PCR voor het genetisch labo
Daarnaast zijn er ook nog enkele andere voorzieningen toegevoegd zoals inlezen van textuurdata en verwerken van gegevens.
Zorg dat het pakket remotes of een equivalent pakket geïnstalleerd is
install.packages("remotes")
Indien dit in orde is kan je de bibliotheek installeren met volgend commando
remotes::install_github("inbo/inbolims")
Iedere keer R opnieuw opgestart wordt zal je de inbolims library moeten laden
library(inbolims)
De belangrijkste functionaliteit in het script is de connectie met de databank en het ophalen van gegevens van een project. Dit doe je als volgt:
library(tidyverse)
library(inbolims)
#maak connectie met databank
connection <- lims_connect()
#haal de rapportgegevens binnen uit de databank
rapport_data <- read_lims_data(connection = connection,
project = c("I-19W001-02"),
sql_template = "default",
show_query = FALSE)
Bovenstaande code haalt de data op voor het project I-19W001-02 (project = "I-19W001-02") volgens de standaardtemplate (template = "default") en de query die gebruikt is om het datawarehouse te bevragen wordt getoond (show_query = TRUE). Als eerste variabele moet de databank connectie opgegeven worden, zodat de routine weet waar de gegevens uit gehaald moeten worden.
Om een overzicht van de stalen te hebben van de ingelezen rapport_data.
staaloverzicht <- lims_report_samples(rapport_data)
view(staaloverzicht)
Op dit moment vereist bovenstaande routine nog heel wat velden, daarom dat dit enkel gegarandeerd is te werken met de default sql_template.
Het formaat van rapport_data is in een lang dataformaat, waarbij ieder resultaat op een andere regel staat. Vaak is eerder gewenst de resultaten van een staal naast elkaar te zien:
kruistabel <- lims_report_xtab(rapport_data)
View(kruistabel)
Bovenstaande kruistabel kan je gemakkelijk naar een door excel leesbaar csv bestand converteren:
lims_report_export(kruistabel, path = "test_xtab.csv")
lims_report_export(rapport_data, path = "test.csv")
Ook hier op dit moment enkel gegarandeerd voor de "default" sql_template gebruikt bij read_lims_data.
De export van de textuur voor 30 stalen van het laserdiffractietoestel kan via dit pakket omgezet worden naar allemaal losse bestanden met de correcte naam en een bruikbare inhoud.
getwd() #gewoon om te tonen in welke werkdirectory je zit
library(tidyverse) #package met veel datafunctionaliteit
library(inbolims) #package die de verwerking van de tekstuurfiles regelt
library(DBI) #package voor DB communicatie
#definieer het path naar de resultatenfile
filename <- system.file("extdata", "textuur_export_voorbeeld.txt", package = "inbolims")
#definieer de directory voor de geparste bestandjes
target_dir <- "tijdelijk"
system2("mkdir", target_dir)
#parse de file naar een geldige R dataset
textuur_parsed <- parse_texture_content(filename, delim = "\t")
#interpreteer de dataset tot een inhoudelijk bruikbaar formaat
textuur_interpreted <- interpret_texture_content(textuur_parsed)
#maak een connectie met het LIMS datawarehouse
conn <- lims_connect() #connect to dwh
textuur_linked <- link_labo_id(conn, textuur_interpreted)
#schrijf de files weg
write_texture_files(target_dir, textuur_linked)
Zal aangevuld worden eens er vraag naar is vanuit het genetisch labo.