美文网首页生信入门之Linux基础与R基础
R实用基础2——常用数据处理命令

R实用基础2——常用数据处理命令

作者: 嘿嘿嘿嘿哈 | 来源:发表于2022-05-28 23:56 被阅读0次

    总结了一些平时常用的数据处理命令


    运算符

    R语言运算符 - R语言教程™ (yiibai.com)

    • 算术运算符
      加法(+) 减法(-) 乘法(*) 除法(/)
      求余(%%) 求指数幂(^) 求模数(%/%)
    • 关系运算符 :返回逻辑值
      大于(>) 小于(<) 等于(==)
      小于或等于(<=) 大于或等于(>=) 不等于(!=)
    • 逻辑运算符
      逻辑与(&) 逻辑或(|) 逻辑非(!)
      逻辑运算符&&和||仅考虑向量的第一个元素,并给出单个元素的向量作为输出
    • 赋值运算符
      <−,<<− 和 = 叫作左分配符,-> 和 ->> 叫作右分配符
    • 其他运算符
      冒号运算符(:) ——为向量创建一系列数字 ;
      成员运算符(%in%) ——用于识别元素是否属于向量;
      转置相乘(%*%) ——用于将矩阵与其转置相乘

    变量类型与数据结构

    • 变量的类型判断及转换
      is.*() 与 as.*() : 如 is.list() as.list()

    • 查看数据结构
      str()

    • 查看变量类型
      class() mode() typeof()
      class:是一种抽象类型,或者理解为一种数据结构,
      mode:表示对象在内存中的存储类型,numeric(Integer/double), complex, character和logical
      当x是数据框的时候,class返回dataframe,mode返回list

    • 如果是list取元素要用双括号[[ ]]来取,不然[ ]只能取到子list


    数据创建、字符连接

    seq(1,10,by=2)                                  #13579                                      
    rep(2:5,times=2)                                #23452345,对整体重复
    rep(2:5,rep(2,4))   或  rep(2:5,c(4,4,4,4))     #22334455, 每个数都重复2遍
    append(x, 0:1, after = 3)                      #追加, 在x的第3个元素后添加0,1
    
    sample(1:100,10)                 #从1-100中随机取10个数,常用于从样本中随机取样
    rnorm(5,mean = 2)                           #平均数为2,服从正态分布的5个数
    runif(5,min=10,max=100) 或 runif(5,10,100)   #10到100的5个随机数  (默认范围是0-1)           
    set.seed()                                           #设定随机数种子,使得结果可复现,常与runif共用 
    
    paste( 'a1', 1:20, sep='_' )                   #粘贴创建a1_1~a1_20(若不指定sep则默认为sep='  ')
    paste0( )  或   paste(  , sep='' )            #无连接字符进行粘贴
    

    搜索和替换

    grep(pattern, x, value = FALSE, invert = FALSE)    #搜索函数,返回pattern在 x中位置下标,
    grepl(pattern, x)                                 #搜索函数,返回逻辑向量
    which (is.na(x),arr.ind =T )                    #会输出TURE的位置\下标, 该例为a中NA值的位置,arr.ind =T显示该值的行列名        
    match("hello",a)                              #等价于which(a=="hello",arr.ind = T)    搜索字符串在a中位置           
    colnames(b) %in% c("c2","c3")                  #返回逻辑向量
    
    • 一次搜索选择多个字符,进行数据集条件选择
    no <- colnames(b)  %in%  c("c2","c3")                  
    c <- b[,!no]
    
    • 根据特定条件选择、更改数据框内容
    celltype <- data.frame(ClusterID=0:6, celltype=NA, stringsAsFactors = F)
    celltype[celltype$ClusterID %in% c(1,3,5), 'celltype'] <- "WT"
    
    • gsub()替换函数,其中pattern是要替换的字符,replacement是替换的字符,x是对应的string或string vector,ignore.case表示是否忽视大小写。
    gsub(pattern,replacement,x,ignore.case=FALSE)           
    

    加载数据与添加数据集内容

    with(x,{ })                           #{ }内操作都可不用输入x$, 在{}内赋值用<<-代替<-
    attach(x)                              #添加数据框x到路径,之后可不用输入x$                                
    detach(x)                              #移除数据框x
    within(x,{ })                         #和with函数类似,但是可以更改数据框内容,
    
    #例如:
    a <- data.frame(c1=1:6,
                    c2=7:12)
    a <- within(a,{ 
      c6 <- NA            ##注意要先创建新一列,赋值NA
      c6[c1<=3] <-"F"
      c6[c1>3] <-"M"
    })
    
    • transform( ) 函数也可以按需创建新变量并保存在数据框 ,更方便
    a <- data.frame(c1=1:6,
                    c2=7:12)
    transform(a,
              c3=c1+c2,
              c4=1:6)
    

    数据集的条件选择

    • subset( )函数 : subset(dataframe, choose_condition, choose_zone)
    • 或者用以下笨方法:
    attach(d)
    e <- d[SEX=="M" & c5>25, which(colnames(d)=="c3"):which(colnames(d)=="SEX")]
    detach(d)
    
    • select( )函数 按名称选取列
    install.packages("dplyr")
    library(dplyr)
    select(x, c1, c2, c3) # 选取x中的c1到c3列
    select(x, -(c1: c3))  # 选取x中的c1到c3之外的所有列
    

    数据合并与比较

    merge(x, y , by ="ID" )                 # 根据ID列来合并数据框x与y
    rbind( )                               #按照行合并、纵向追加
    cbind( )                              #按照列合并、 横向追加
    intersect( )                           #取交集
    union( )                               #并集
    setdiff( )                              #找不同
    setequal( )                            #判断相同
    

    转置、排序

    t()                            #  对行列进行转置互换
    sort( )                      #从小到大排序 , 设置 decreasing = T则从大到小排序
    order( )                    # 返回向量从小到大排序的位置下标,decreasing = T则从大到小降序排序(或者变量前加-),
    reorder(v1,v2)              #根据v2的值对v1进行排序
    

    字符串提取、大小写转化

    substr("HELLOW",1,3)             #从字符串“HELLOW”中提取1-3位
    substring("HELLOW",1)            #从字符串“HELLOW”中提取1到最后一位
    strsplit("a.b.c", "[.]")           #从字符串"a.b.c"中以“.”为分割提取字符,结果为"a" "b" "c"                                                                          
    toupper(a)                         #字符串变大写
    tolower(a)                         #字符串变小写
    

    数理统计常用函数

    • 统计
    table()                     #分类统计每个因子的counts数
    summary()                   # 统计概要,给出每列中位数、均值、大小值等
    length( )                   #显示对象中元素或成分的数量
    nchar( )                    #统计字符串长度
    
    • 各类运算
    na.omit()                     #去除NA值,若为数据框等会直接删除NA所在行
    sum(x,na.rm = T)               #na.rm = T表示去除无效值
    max(x)                         #最大值
    min(x)                         #最小值
    rowSums( y , na.rm=T )         #对行列求总和, 设置na.rm=T去除na值
    colSums()      
    rowMeans()                      #对行列求均值     
    colMeans()
    
    which.max(x)                     #返回向量最大值坐标
    which.min(x)                     #返回向量最小值坐标
    
    range(x)                        #最大最小值
    mean(x)                         #平均数
    var(x)                          #方差
    sd(x)                           #标准差
    median(x)                       #中位数
    quantile(m.mad,na.rm = TRUE,probs=0.25)     #四分位数  probs可以指定想要的百分位数
    abs(x)                           #绝对值
    sqrt(x)                          #取平方根
    exp(x)                           #以e为底的指数 
    log(100,base=10)                 #直接还有log10(),log2()等
    scale( )                         #默认按照每列进行归一化
    

    相关文章

      网友评论

        本文标题:R实用基础2——常用数据处理命令

        本文链接:https://www.haomeiwen.com/subject/rpgwprtx.html