我是伪放假的小洁，回学校走毕业的各项流程，老板跟我说，我有一百多兆的代码要传授给你！我需要把踩坑过程和解决过程记录下来，emmm然后就有了今天的推文😄如果你也想学习，请找到生信菜鸟团数据挖掘系列：
GEO数据挖掘-第一期-胶质母细胞瘤（GBM）
跟着这个文章跑代码，突然报了一个错
（不需要示例数据了，看一看型推文😄）
AssayData <- newAssayData[ID2gene$V1,]
Error in newAssayData[ID2gene$V1, ] : subscript out of bounds
猜测一：索引范围大于向量范围
subscript out of bounds这个报错我见过，有可能是因为索引范围大于向量范围，例如一个向量只有三列，你索引取第四列，就报这个错。所以我来验证一下：
先看看这两个向量：
head(ID2gene$V1)
#[1] "1007_s_at" "1007_s_at" "1053_at" "117_at" "121_at"
#[6] "1255_g_at"
head(rownames(newAssayData))
#[1] "1007_s_at" "1053_at" "117_at" "121_at" "1255_g_at"
#[6] "1294_at"
length(ID2gene$V1)
#[1] 53249
nrow(newAssayData)
#[1] 54613
看起来数据类型是一样的，并且索引没有比向量长，那么问题出在哪里？
all(rownames(ID2gene$V1 %in% newAssayData ))
[1] TRUE
猜测二：行名重复
众所周知，行名不能重复，会不会是因为重复值
length(unique(ID2gene$V1))
#[1] 6792
这个结果让我很震惊，五万多行，去重复完了剩六千？？？？
不太相信，换个函数再确认
library(dplyr)
nrow(count(ID2gene,V1))
#[1] 6792
啊？？？哦
那么用count看一下每个探针重复多少次。
head(count(ID2gene,V1))
# A tibble: 6 x 2
# V1 n
# <chr> <int>
#1 NA 45857
#2 1007_s_at 2
#3 1053_at 1
#4 117_at 1
#5 121_at 1
#6 1255_g_at 1
原来是有缺失值？而且四万多个？
查看缺失值的另一种方法：
table(is.na(ID2gene$V1))
#FALSE TRUE
# 7392 45857
谜底揭开，就是因为NA。在顺着代码往上看，发现上游的featureData数据框长这样
而这个数据框是这样来的：
featureData <- exprSet@featureData@data
再网上找，就会找到下载文件那一步，所以是数据下载或者读取不完整的锅巴。
GEOquery还有一个需要注意的问题，下载不完整，需要删除原来下载的文件，再重新下载。因为它可以自行判断，本地有原始文件，就从本地读取，本地没有才会下载。
需要重新下载，就删掉他俩
这个让我想联想到一件事，数据框下载和读取，是这样现有了行数列数，确定了框架再一行行往里填，如果中断，就会留下一大片NA。画图和写文件都是这样，如果错了，就会生成一个0K的空文件，存在但是打不开。
网友评论