2021-08-03第二天学R语言（ 数据类型和向量）

1.数据类型

数值型：可以是整数、小数、科学计数的方式。默认为双精度型数据
字符型：以双引号或单引号夹起来的数据，如"a" ‘a’。
逻辑型：有TRUE和FALSE、NA。

image.png
常见报错：引号、拼写错误、大小写

> class(a) Error: object 'a' not found   （缺少引号）
> calss("a") Error in calss("a") : could not find function "calss"（ 拼写错误）
> class(true) Error: object 'true' not found（ 大小写）
> class(TURE) Error: object 'TURE' not found  拼写错误）
> class（3）Error: unexpected input in "class?（中文括号）

2.逻辑型数据

比较运算的结果是逻辑值
>, <, <=, >=, ==, !=
3==5 ····· FALSE
3!=4·······TRUE
逻辑运算 多个逻辑条件的连接与&、或|、非!
3<5&4>5·····TRUE
3<5|4>5·······FALSE
!4>5············TRUE

3.数据类型的判断和转化

（1）is族函数，判断，返回值为TRUE或 FALSE
is.numeric() 是否数值型数据 > is.numeric("4") [1] FALSE
is.logical() 是否逻辑型数据
is,character()是否字符型数据
（2）as族函数实现数据类型之间的转换
as.numeric() 将其他数据类型转换为数值型> as.numeric("4") [1] 4
as.logical() 将其他数据类型转换为逻辑型
as.character() 将其他数据类型转换为字符型

4.多个数据如何组织

Ø 数据框约等于“表格”。
Ø 向量则是数据框单独拿出的一列，视为一个整体。

Ø 一个向量只能有一种数据类型，可以有重复值。 image.png

5. 向量的生成

（1）用 c（）逐一放到一起
> c(2,5,6,2,9)
[1] 2 5 6 2 9 
 > c("a","f","md","b")
[1] "a" "f" "md" "b" 
（2）连续的数字用冒号”:” 
 > 1:5
[1] 1 2 3 4 5
（3）有重复的用rep(),有规律的序列用seq(),随机数用rnorm()
> rep("gene",times=3) 
 [1] "gene" "gene" "gene"
> seq(from=3,to=21,by=3) 
 [1] 3 6 9 12 15 18 21
> rnorm(n=3) 
 [1] -1.2882504 -0.8186668 -0.1031025
（4）通过组合,产生更为复杂的向量。>paste0(rep("gene",times=3),1:3)
 [1] "gene1" "gene2" "gene3"

6.对单个向量进行的操作

（1）赋值给一个变量名

x = c(1,3,5,6,2) #随意的写法
x
x <- c(1,3,5) #规范的赋值符号
x

（2）简单数学计算

> x+1 [1] 2 4 6 2
 > log(x)  [1] 0.000000 1.098612 1.609438 0.000000 
> sqrt(x) [1] 1.000000 1.732051 2.236068 1.000000

（3）根据某条件进行判断,生成逻辑值向量

> x>3
 [1] FALSE FALSE TRUE FALSE
> x==3
 [1] FALSE TRUE FALSE FALSE

（4）初级统计

max(x) #最大值
min(x) #最小值
mean(x) #均值
median(x) #中位数
var(x) #方差
sd(x) #标准差
sum(x)#总和
>length(x) #长度
[1] 4 
> unique(x) #去重复
[1] 1 3 5
 > duplicated(x)
[1] FALSE FALSE FALSE TRUE
> table(x) #重复值统计x
 1 3 5 2 1 1
 > sort(x) 
[1] 1 1 3 5

7.对两个向量的操作

x = c(1,3,5,1)
y = c(3,2,5,6)
（1）逻辑比较，生成等长的逻辑向量

x == y
[1] FALSE FALSE TRUE FALSE

x %in% y #x的元素是否在y中
[1] FALSE TRUE  TRUE FALSE

（2）数学计算

x + y
[1]  4  5 10 7

（3）连接

paste(x,y,sep=":")
[1] "1:3" "3:2" "5:5" "1:6"

（4）交集、并集、差集

intersect(x,y)
[1] 3 5
union(x,y)
[1] 1 3 5 2 6
setdiff(x,y)
[1] 1
setdiff(y,x)
[1] 2 6

8.x 和 y不一样长：理解一下循环补齐

image.png
利用循环补齐简化代码

paste0(rep(“gene”,3),1:3)
paste0(“gene”,1:3)
##  [1] "gene1"  "gene2"  "gene3"

image.png

9.向量筛选（取子集）

** [ ]：将TRUE对应的值挑选出来，FALSE丢弃**

image.png
image.png

10.如何修改向量中的某个/某些元素？

x <- c( 8  9 10 11 12); x
[1]  8  9 10 11 12> #  改变一个元素
> x[4] <- 40
> x[1]  8  9 10 40 12
> # 改变多个元素
> x[c(1,5)] <- c(80,20)
> x[1] 80  9 10 40 20

11.向量匹配排序-match

x <- c("A","B","C","D","E") 
y <- c("B","D","E","A","C")
 match(x,y) 
#[1] 4 1 5 2 3

y[match(x,y)]
 #[1] "A" "B" "C" "D" "E"
x[match(y,x)]
 #[1] "B" "D" "E" "A" "C"

image.png