二、数据结构

1. 数据结构

（1）向量为一维，只有长度（sample函数为从1到100中任取28个数字）

SWMPQ`ME0FPCZST3L@L6OEN.png
（2）矩阵有两个维度，长度相同，数据类型相同（matrix函数为把向量x变为7行的矩阵）
2.png

matrix(x,nrow = )#把向量变成几行的矩阵
cbind(x1,x2,x3)#把几个向量组合成一个矩阵

3.png
（3）数据框：多个长度相同，数据类型可以不同的向量按列组合

data.frame(y1,y2,y3)

（4）list 列表：长度可以不相同，数据类型也可以不同的数据

2.数据框

（1） 数据框来源
a.在R中新建 b. 由已有数据转换或处理得到 c. 从文件中读取 d. 内置数据集
（2）新建数据框

4.png

（列的内容为向量，列与列以逗号分隔）

options(stringsAsFactors = F)#3.6及以下要运行，4.0不用
df <- data.frame(gene = c("gene1","gene2","gene3"),
                 sam  = c("sample1","sample2","sample3"),
                 exp  = c(32,34,45))
df
df <- data.frame(gene  = paste0("gene",1:3),
                 sam   = paste0("sample",1:3),
                 exp   = c(32,34,45))
df

df2 <- read.csv("gene.csv")#读取文件得到数据框
df2

3.数据框属性描述

#维度（有几行几列）
dim(df)#返回行数和列数
nrow(df)#行数
ncol(df)#列数
#行名/列名
rownames(df)
colnames(df)

4.数据框取子集

df[2,2]#取一个
df[2,]#取一行，逗号左边是行右边是列，不选等于全选
df[,2]#取一列
df[c(1,3),1:2]#前面为取第一行和第三行，后面取第一列和第二列

df[,"gene"]#根据行名和列名取
df[,c('gene','exp')]#取两列
nn=c('gene','exp');df[,nn]#等同于上面但此方式变换变量时更方便
df[,ncol(df)]#取最后一列
df[,ncol(df)]#去掉最后一列

df$exp  #取一列的简单方法，按tab键出现列名自动补齐,$只能取一列不能取多列
mean(df$exp)#取均值，能对向量进行的计算和统计，都能对df$exp做

(中括号里的逗号，表示维度的分割）

5.数据框编辑

#改一个格
df[3,3]<- 5#把数据框的第三行第三列改成5
#改一整列
df$exp<-c(12,23,50)#一列改成一个向量，如果只改成一个数字就全等于一个数字     
#增加一列，且列名为abc
df$abc <-c(23,15,37) 
df
#改行名和列名
rownames(df) <- c("r1","r2","r3")
#只修改某一行/列的名，取子集再赋值
rownames(df)[2]="x"

6.数据框进阶

（1）去除含有缺失值的行

#生成一个有NA的数据框（仅按照某一列来去除缺失值、缺失值替换：tidyr包）
df<-data.frame(X1 = LETTERS[1:5],X2 = 1:5)
df[2,2] <- NA
df[4,1] <- NA
df

na.omit(df)

（2）两个表格的连接（交集、并集、补集、全集等，参照dplyr包）

1.png

test1 <- data.frame(name = c('jimmy','nicker','doodle'), 
                    blood_type = c("A","B","O"))
test1
test2 <- data.frame(name = c('doodle','jimmy','nicker','tony'),
                    group = c("group1","group1","group2","group2"),
                    vision = c(4.2,4.3,4.9,4.5))
test2 

test3 <- data.frame(NAME = c('doodle','jimmy','lucy','nicker'),
                    weight = c(140,145,110,138))
tmp  =merge(test1,test2,by="name")#按共同的一列智能连接，取交集
merge(test1,test3,by.x = "name",by.y = "NAME")#两列名字不一样的时候

（3）矩阵新建和取子集（$只适用于数据框和列表取子集，不适用矩阵）

m <- matrix(1:9, nrow = 3)#生成矩阵
colnames(m) <- c("a","b","c") #列名
m
#整行
m[2,]
#整列
m[,1]
#单个格
m[2,3]
#多个格
m[2:3,1:2]
#转置和转换
m
t(m)
as.data.frame(m)#转换为数据框
pheatmap::pheatmap(m)#画热图

（4）列表新建和取子集

l <- list(m=matrix(1:9, nrow = 3),#（等号左边为列表里元素的名字，等号右面是列表里元素的内容）
          df=data.frame(gene  = paste0("gene",1:3),
                        sam   = paste0("sample",1:3),
                        exp   = c(32,34,45)),
          x=c(1,3,5))
l

l[[2]]#向量df如果未定义名字就可写为这个，列表的向量分别为[[1]]、[[2]]、[[3]]
l$df

（5）删除变量

22.png

#删除 
#删除一个
rm(l)
#删除多个
rm(df,m)
#删除全部
rm(list = ls()) 

（6）元素的名字

#(1)向量
x=1:10
names(x)=letters[1:10]
x
x["a"]#根据名字取子集
#(2)数据框
df
names(df)
df[,"X1"]
#(3)列表
names(l)
l[["df"]]

练习

#1.统计iris最后一列有哪几个重复值，分别重复了多少次
table(iris$Species)#重复值提取用table，数据框提取一列
#2.提取iris的前4列，并转换为矩阵，赋值给test。
test <- as.matrix(iris[,1:4])
#3.将test的行名改为flower1，flower2...flower149，flower150。
rownames(test) <- paste0("flower",1:nrow(test))
#4.将test的第51到100行删除(不能用rm因为rm删除的是整个变量)
test <- test[-(51:100),]
#5.将iris和test组成一个列表，赋值给tl
tl <- list(x1=iris,x2=test)
#6.提取tl的第二个元素
tl[[2]]
tl$x2
identical(tl([2],tl[[2]])#判断两个数据类型是否相同
#7.修改tl第二个元素的名字为td
names(tl)[2] <- "td"

7. 数据框修改

df[3,3]<-5#改一个格

df$exp<-c(12,23,50)#$后的列名若存在则为修改该列的内容

df$abc<-c(23,4,67)#$后的列名若不存在则表示新增一列

* 误操作时

重新运行数据框赋值原命令然后再进行正确操作（运行错了的代码不能撤销，但可以覆盖，多次赋值以最后以此为准 ）

8. match使用

两个顺序不一致的表格相匹配

#方法一
load("matchtest.Rdata")
x$file_name
colnames(y)
match(x$file_name,colnames(y))#返回了y按x顺序排列的下标
a=match(x$file_name,colnames(y))
y=y[,a]#调整y的顺序，排列成和x一样的
identical(x$file_name,colnames(y))#判断调整的是否正确
colnames(y)=x$ID

#方法二
load("matchtest.Rdata")
colnames(y)=x$ID[match(colnames(y),x$file_name)]