喜欢R语言的朋友们可以参考以下的题目哦！

                        此部分为基础篇，共计9题（包含答案）

1、打开 Rstudio 告诉我它的工作目录。

 #工作目录    getwd() 

---

2、新建6个向量，基于不同的原子类型。（重点是字符串，数值，逻辑值）

#字符串型向量  

 a <- c("I","like","sea") 

#数值型向量（integer）  

 b <- c(1:10)

#逻辑值向量   

d <- c(T,F,F,F,T,F)

#数值型向量（小数）    

e <- c(2.1,4.2,5.5,6.7,9.3,10.6)

#利用rep函数创建向量    

f <- rep(e,times=3)

#复合型向量     

g <- c(1,2,3,"yes")

[ps]在设置向量名称时，尽量避免使用c，因为c代表一个函数。

---

3、告诉我在你打开的rstudio里面 getwd() 代码运行后返回的是什么？

#1.工作目录        

getwd()   

[1] "E:/生信技能树/Qi_study(1 month)/7.3初级作业"

---

4、新建一些数据结构，比如矩阵，数组，数据框，列表等重点是数据框，矩阵）

#创建矩阵 

V1 <- matrix(data=c(1:20),nrow=4,ncol=5) 

---

#创建数组     

V2 <- array(1:48,dim=c(6,4,2))

---

#创建数据框   

ID <- c(1,2,3,4,5)

Name <- c("Liming","Xiaofang","Xiaohong","Lihua","Shanshan")

Gender <- c("M","F","M","M","F")

Birthday <- c("1999-10","2000-1","1998-6","2000-6","1999-6")

Score <- c(99,100,69,90,99)

Grade <- c(1,2,2,1,1)

V3 <- data.frame(ID,Name,Gender,Birthday,Score,Grade)

V3

---

#创建列表

V4 <- list(Name <- c("Liming","Xiaofang","Xiaohong","Lihua","Shanshan"),Gender <- c("M","F","M","M"),score <- matrix(1:12,3,4))

---

5、在你新建的数据框进行切片操作，比如首先取第1，3行， 然后取第4，6列

#索引data.frame行1、3 列4、6

ID <- c(1,2,3,4,5)

Name <- c("Liming","Xiaofang","Xiaohong","Lihua","Shanshan")

Gender <- c("M","F","M","M","F")

Birthday <- c("1999-10","2000-1","1998-6","2000-6","1999-6")

Score <- c(99,100,69,90,99)

Grade <- c(1,2,2,1,1)

V3 <- data.frame(ID,Name,Gender,Birthday,Score,Grade)

V3

tmp1 <- c(T,F,T,F,F)

tmp2 <- c(F,F,F,T,F,T)

V3[tmp1,tmp2]

---

6、使用data函数来加载R内置数据集 rivers 描述它。并且可以查看更多的R语言内置的数据集

rivers

class(rivers)

---

7、下载 https://www.ncbi.nlm.nih.gov/sra?term=SRP133642 里面的 RunInfo Table 文件读入到R里面，了解这个数据框，多少列，每一列都是什么属性的元素。

#查看行数、列数

a <- read.csv('SraRunTable.txt',header = T,sep = "\t")

dim(a)

str(a[F,T])

8、下载 https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE111229 里面的样本信息sample.csv读入到R里面，了解这个数据框，多少列，每一列都是什么属性的元素。

b <- read.csv('sample.csv',header = T,sep = ",") 

dim(b)

class(b[,1:ncol(b)])  #or str(b[F,T])

9、前面两个步骤的两个表（RunInfo Table 文件，样本信息sample.csv）关联起来，使用merge函数。

d <- merge(a,b,by.x = 'Sample_Name',by.y = 'Accession')

d