R语言笔记Day1（一数据类型与向量）

作者: 养猪场小老板 | 来源:发表于2020-01-12 00:28 被阅读0次

R语言中的向量和标量
R语言基础--数据类型-总结
学习小组Day5笔记--kan
生信学习小组Day5笔记-lamyusam_
Day5—刘强
R语言笔记Day1（一数据类型与向量）
2019-08-10 Day-5 杜诗蓓
R语言之基础
R语言--变量与数据结构
学习小组Day5笔记--尤少林

R语言笔记（一）

1.1 数据类型

#数值型
2 3 4 5 6 7
#字符串型
"a"  "b"  "c"
#逻辑型
FALSE（F） TRUE（T） NA
判断函数
class()

小技巧 1 ：在 > 后面按向上键，可以修改上一条命令重新运行

[如图所示] 修改上一条命令.png

1.2 比较运算的返回的结果是逻辑值

#   >, <, <=, >=, ==, !=
3==5      FALSE
3!=4       TRUE

1.3 逻辑运算

与&、或|、非!

多个逻辑条件的连接 与&、或|、非!
2<5&3>5    FALSE
2<5|3>5     TRUE
!2>5        TRUE

1.4 数据类型的转换与判断

as 族函数实现数据类型之间的转换

**1. as.numeric()**     将其他数据类型转换为数值型
**2. as.logical()**       将其他数据类型转换为逻辑型
**3. as.charactor()**  将其他数据类型转换为字符型

is族函数，判断，返回值为TRUE或FALSE

**1.is.numeric()**是否*数值型数据*
**2.is.logical()** 是否逻辑型数据
**3.is.charactor()** 是否字符型数据

1.5 数据的结构

Gene	logFC	positive	group
ACTR38	-0.7488384	FALSE	group1
ANLN	6.5536345	FALSE	group2
BAG1	5.7768669	TRUE	group3
BLC2	0.4474848	TRUE	group2
BIRC5	0.4453222	TRUE	group1
RAB	4.6776686	FALSE	group2
ABCT	7.9993303	FALSE	group2
ANF	3.5858595	FALSE	group1
BALV	3.8929289	TRUE	group1

1）向量 vector
数据框中的一列，只有一种数据类型
2）数据框 data.frame
数据框是每个组件长度都相等的列表
数据框是列表的一种，数据框每一列就是列表的一个元素，所以每一列可以是不同类型但长度要相等
3）矩阵 matrix
多个向量组成矩阵
4) 列表 list

小技巧 2
当你打开脚本时，出现乱码，可以按照下列顺序解决

第一步：File
第二步：Reopen with Encoding
第三步：UTF-8

2.1 向量的生成

(1）用 c（）逐一放到一起
> c("a","f","md","b")
[1] "a"  "f"  "md" "b" 
(2）连续的数字用冒号“:”
> 1:10
[1]  1  2  3  4  5  6  7  8  9 10
(3) 有重复的用rep(),有规律的序列用seq(),随机数用rnorm
> rep("gene",times=10)
[1] "gene" "gene" "gene" "gene" "gene" "gene" "gene" "gene" "gene" "gene"
> seq(from = 3,to = 21,by = 3)#等差数列
[1]  3  6  9 12 15 18 21
> rnorm(n = 5, mean = 3, sd = 5)
[1]  7.286638 -2.147017 10.547481  2.308747  5.017196
（4）通过组合,产生更为复杂的向量。
> paste0(rep("gene",times=15),1:15)
 [1] "gene1"  "gene2"  "gene3"  "gene4"  "gene5"  "gene6"  "gene7"  "gene8" 
 [9] "gene9"  "gene10" "gene11" "gene12" "gene13" "gene14" "gene15"

小技巧3:

1、数值1和0可被转换为逻辑值TURE和FALSE
2、仅有部分字符串可转换为数值和逻辑值
“2” “TRUE”
3、强行转换会引入NA

2.2 对单个向量进行的操作

向量的赋值+输出

/规范的写法
x<-c(1,2,3)#赋值符号等号“=”是不规范的
#快捷方式是ALT 加 -
/赋值+输出
第一种
> (x <- c(1,3,5))
[1] 1 3 5
第二种
> x <- c(1,3,5);x
[1] 1 3 5
第三种
> x <- c(1,3,5)
> x
[1] 1 3 5

简单的数学计算

> x <- c(1,3,5)
> x
[1] 1 3 5
> x+1   #加法
[1] 2 4 6
> log(x)   #取对数
[1] 0.000000 1.098612 1.609438
> sqrt(x)  #开平方
[1] 1.000000 1.732051 2.236068
> x %/% 10   #取整
[1] 0 0 0    
> x %% 3    #取余
[1] 1 0 2

根据某条件进行判断,生成等长的逻辑向量

> x <- c(1,3,5)
> x
[1] 1 3 5
> x>3
[1] FALSE FALSE  TRUE
> x==3
[1] FALSE  TRUE FALSE

初级统计

> x <- c(1,3,5);x
[1] 1 3 5
> max(x) #最大值
[1] 5
> min(x) #最小值
[1] 1
> range(x) #max和min
[1] 1 5
> which.max(x) #最大值下标
[1] 3
> which.min(x) #最小值下标
[1] 1
> mean(x) #均值
[1] 3
> median(x) #中位数
[1] 3
> var(x) #方差
[1] 4
> sd(x) #标准差
[1] 2
> sum(x) #总和
[1] 9
> sort(x)  # 排序
[1] 1 3 5
> length(x)  # 长度
[1] 3
> unique(x)  # 去重复
[1] 1 3 5
> table(x)   #  返回第一值
x
1 3 5 
1 1 1

2.3 对两个向量进行的操作

> y=c(3,2,5)
> x=c(1,3,5)
（1）逻辑比较，生成等长的逻辑向量
> x==y
[1] FALSE FALSE  TRUE
> x %in% y #x的元素是否在y中
#对x里的每个元素进行判断，判断它是否在y中存在，存在就返回TRUE，不存在就返回FALSE”。
[1] FALSE  TRUE  TRUE
（2）数学计算
> x+y
[1]  4  5 10
（3）连接
> paste(x,y,sep=":")
[1] "1:3" "3:2" "5:5"
（4）交集、并集、差集
> intersect(x,y)
[1] 3 5
> union(x,y)
[1] 1 3 5 2
> setdiff(x,y)
[1] 1

接下来引入一个概念

循环补齐

当两个向量的长度不一致时，短的自动按照之前的补齐
> y = c(3,2,5)
> x = c(1,3,5,6,2)
> x == y
[1] FALSE FALSE  TRUE FALSE  TRUE
Warning message:
In x == y : longer object length is not a multiple of shorter object length

先了解两个函数

rnorm()和sample()的区别

//rnorm(n, mean = 0, sd = 1)
n 为产生随机值个数（长度），mean 是平均数， sd 是标准差 
使用该函数的时候后，一般要赋予它3个值
例如：
> rnorm(10, mean = 4, sd = 1)
 [1] 4.334495 2.470896 3.875235 2.694793 2.930649 2.699544 3.886282 4.680146
 [9] 4.873911 3.903600

//sample(x, size, replace = FALSE, prob = NULL)
命令是从x中随机抽取size大小的样本；
replace是否放回抽样
prob 设置所要抽取的每个元素被抽取的概率
> sample(1:100,size=8)
[1] 74 22 88 46 67 18 77 53

了解下set.seed()函数
//set.seed()函数是为了保证你随机生成的随机数前后一致
set.seed()括号里面的参数可以是任意数字，是代表你设置的第几号种子而已，不会参与运算，是个标记而已。
> set.seed(5)
> rnorm(10)
 [1] -0.84085548  1.38435934 -1.25549186  0.07014277
 [5]  1.71144087 -0.60290798 -0.47216639 -0.63537131
 [9] -0.28577363  0.13810822
> set.seed(5)
> rnorm(10)
 [1] -0.84085548  1.38435934 -1.25549186  0.07014277
 [5]  1.71144087 -0.60290798 -0.47216639 -0.63537131
 [9] -0.28577363  0.13810822

下面作业来了

如何从50个数中筛选小于7的？

> x=sample(1:20,size=15);x
 [1] 11 14 18 16 17  9 10 19  4  8 20 12 15 13  5
> x<7
 [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE
[10] FALSE FALSE FALSE FALSE FALSE  TRUE
> y=x[x<7]
> y
[1] 4 5

有一个思考题

从1000个基因名当中挑选出指定的30个
思路一：运用     %in%
step1:将1000个基因名赋值给x
step2:将指定的30个基因复制给y
step3: x %in% y     #x当中的元素是否在y中

举例说明：
>  a=c(1,2,3,4,5,6,7,8,9,10)
>  b=c(3,4,5)
> a%in%b
 [1] FALSE FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE
[10] FALSE
>  a[a%in%b] #注意a、b的顺序
[1] 3 4 5
思路二：取交集
函数intersect（）
> g=intersect(a,b);g
[1] 3 4 5

2.4 向量取子集(主要分为按逻辑值和下标)

1）根据逻辑值取子集
> (x <- 8:12)
[1]  8  9 10 11 12
> x[x==8:10]     # 1.1）==
[1]  8  9 10
> x[x<10]       #1.2） <
[1] 8 9
> x[x %in%c(9,13)]   #1.3) %in%
[1] 9
2)  根据位置（下标）取子集
> x[4]  #第4个位置
[1] 11
> x[2:4]  # 第2到第4
[1]  9 10 11
> x[c(1,5)]  #第1和第5
[1]  8 12
> x[-4]   # 除去第4位置
[1]  8  9 10 12
> x[-c(2:4)]  #除去第2到4位置
[1]  8 12

2.5 修改向量中的某个或某些元素

1）例子1
> (x=8:12)
[1]  8  9 10 11 12
> x[3] <- 16      #修改第3个元素；取子集+赋值
> x
[1]  8  9 16 11 12
2）例子2
> (x=8:12)
[1]  8  9 10 11 12
> x[x>10] <- 10   #将大于10的元素修改为10
> x
[1]  8  9 10 10 10

练习题

1.将基因名“ACTR3B”,“ANLN”,“BAG1”,“BCL2”,“BIRC5”,“RAB”,“ABCT”,“ANF”,“BAD”,
“BCF”,“BARC7”,“BALV” 组成一个向量，赋值给x。
> x=c("ACTR3B","ANLN","BAG1","BCL2","BIRC5","RAB","ABCT","ANF","BAD","BCF","BARC7","BALV");x
 [1] "ACTR3B" "ANLN"   "BAG1"   "BCL2"   "BIRC5"  "RAB"   
 [7] "ABCT"   "ANF"    "BAD"    "BCF"    "BARC7"  "BALV" 
2.用函数计算向量长度
> length(x)
[1] 12
3.用向量取子集的方法，选出第1,3,5,7,9,11个基因名
> y=c(1,3,5,7,9,11)
> x[y]
[1] "ACTR3B" "BAG1"   "BIRC5"  "ABCT"   "BAD"    "BARC7" 
4.用向量取子集的方法，除倒数第2个以外所有的基因名
> x[-(length(x)-1)]
 [1] "ACTR3B" "ANLN"   "BAG1"   "BCL2"   "BIRC5"  "RAB"   
 [7] "ABCT"   "ANF"    "BAD"    "BCF"    "BALV" 
5.用向量取子集的方法，选出在c(“ANLN”, “BCL2”,“TP53”)中有的基因名。x %in% y ，如何确定两个向量谁在前、谁在后?
需要确定的是，你的操作对象谁，对谁进行判断？
根据题目，是对12个进行判断。所以它在前，返回的逻辑值向量长度为12,才可以将这个向量放入[ ]中，对x取子集，将对应结果为TRUE的留下，而FALSE 丢掉。
> x%in%c("ANLN","BCL2","TP53")
 [1] FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE
[10] FALSE FALSE FALSE
> x[x%in%c("ANLN","BCL2","TP53")]
[1] "ANLN" "BCL2"
6.修改第6个基因名为“a” 并查看是否成功
> x[6] <- "a";x
 [1] "ACTR3B" "ANLN"   "BAG1"   "BCL2"   "BIRC5"  "a"     
 [7] "ABCT"   "ANF"    "BAD"    "BCF"    "BARC7"  "BALV" 
7.生成100个随机数: rnorm(n=100,mean=0,sd=18)
将小于-2的统一改为-2，将大于2的统一改为2
z[z< -2]=-2#这里注意赋值符号和大于号减号的区别
 z[z>2]=2

向量的进阶的几个问题

1.两个不同类型的向量合并在一起会怎么样？
> x=c(1,2,3,4,5,6)
> y=c("a","b","c","d","e","f")
> z=paste(x,y);z #注意paste()和paste0()的区别
[1] "1 a" "2 b" "3 c" "4 d" "5 e" "6 f"
> class(z)
[1] "character"
2.如何将两个向量合到一起，组成一个长向量？
> d=c(x,y);d  #未去重复值
 [1] "1" "2" "3" "4" "5" "6" "a" "b" "c" "d" "e" "f"
> union(x,y) #去重复值
 [1] "1" "2" "3" "4" "5" "6" "a" "b" "c" "d" "e" "f"
3.如何在向量首/尾/中间某位置增加一个元素？
1）首尾
x=c(3,x)
x=c(x,4)
2）中间第n 位
n=3
x=c(1,3,5,8,6)
x
[1] 1 3 5 8 6
y=c(x[1:n-1],7,x[n:length(x)])#元素为 7
y
[1] 1 3 7 5 8 6
写成函数形式
join <- function(x,n,y){
  c(x[1:n-1],y,x[n:length(x)])
}
x=c(1,3,5,8,6)
join(x,3,7)
[1] 1 3 7 5 8 6
4.如果向量x和y内容一致但顺序不一致，如何按照x的顺序排列y？
x=letters[1:5]
y=letters[c(3,1,2,5,4)]
match(x,y)  #按照x的顺序重排y
[1] 2 3 1 5 4
y[match(x,y)]
[1] "a" "b" "c" "d" "e"
5.数据框列的顺序错乱，如何重排？

步骤1: 生成示例数据框
df=data.frame(matrix(rnorm(15),ncol=5))
colnames(df)=letters[c(3,1,2,5,4)]
df
##           c          a          b          e            d
## 1 0.0791991  0.2823956  1.5775594  0.3532114  0.005290532
## 2 0.1520918 -0.5809870  0.7543086  0.2400143 -0.107861008
## 3 0.1016834 -0.5116693 -0.6895286 -0.5309626 -0.300314420
步骤2: 写出正确顺序
s=letters[1:5];s
## [1] "a" "b" "c" "d" "e"
步骤3：match排列,生成索引
sy=match(s,colnames(df));sy
## [1] 2 3 1 5 4
步骤4:取子集
基础知识：x[m,n]取子集，m表示行，n表示列，m和n的数据结构应为向量。
df2=df[,sy]
df2
##            a          b         c            d          e
## 1  0.2823956  1.5775594 0.0791991  0.005290532  0.3532114
## 2 -0.5809870  0.7543086 0.1520918 -0.107861008  0.2400143
## 3 -0.5116693 -0.6895286 0.1016834 -0.300314420 -0.5309626

部分为内容链接：https://www.jianshu.com/p/09a22a1cdcd1

R语言中的向量和标量
R语言中最基本的数据类型是向量，与C语言家族不同，R语言中，单个数据(标量)没有单独的数据类型，它只是向量的一种特...
R语言基础--数据类型-总结
R语言基础--数据类型-总结 1、R语言基础--数据类型之向量 2、R语言基础--数据类型之因子 3、R语言基础-...
学习小组Day5笔记--kan
笔记来自生信星球学习小组资料 Day5 学习内容-R语言数据类型 1.思维导图镇楼 2.R语言数据类型向量 ve...
生信学习小组Day5笔记-lamyusam_
R语言学习今天，了解了R中的数据类型，初步学习R语言的数据结构。 R的数据类型向量（vector） R语言中的...
Day5—刘强
R语言的数据结构数据类型 R语言主要数据类型如下：向量（vector）矩阵（Matrix）数组（Array...
R语言笔记Day1（一数据类型与向量）
R语言笔记（一） 1.1 数据类型小技巧 1 ：在 > 后面按向上键，可以修改上一条命令重新运行[如图所示]...
2019-08-10 Day-5 杜诗蓓
今日重点：R语言数据类型：向量和数据框
R语言之基础
一：R语言之基本数据结构 1. 向量向量是 R 语言中最基本的数据类型，在 R 中没有单独的标量（例如 1 本质...
R语言--变量与数据结构
R语言的数据分类 R语言的数据类型较多，但都是动态声明，即变量不会声明为某种数据类型。变量分配为R对象向量列表...
学习小组Day5笔记--尤少林
R语言的简单使用数据类型：向量，矩阵，数组，数据框，列表向量1.1.向量的赋值；向量的四种赋值1.2. 从向量...

R语言笔记Day1（一数据类型与向量）

R语言笔记（一）

1.1 数据类型

1.2 比较运算的返回的结果是逻辑值

1.3 逻辑运算

1.4 数据类型的转换与判断

1.5 数据的结构

2.1 向量的生成

2.2 对单个向量进行的操作

向量的赋值+输出

简单的数学计算

根据某条件进行判断,生成等长的逻辑向量

初级统计

2.3 对两个向量进行的操作

接下来引入一个概念

循环补齐

下面作业来了

如何从50个数中筛选小于7的？

有一个思考题

2.4 向量取子集(主要分为按逻辑值和下标)

2.5 修改向量中的某个或某些元素

练习题

向量的进阶的几个问题

相关文章

R语言中的向量和标量

R语言基础--数据类型-总结

学习小组Day5笔记--kan

生信学习小组Day5笔记-lamyusam_

Day5—刘强

R语言笔记Day1（一数据类型与向量）

2019-08-10 Day-5 杜诗蓓

R语言之基础

R语言--变量与数据结构

学习小组Day5笔记--尤少林

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

R语言笔记Day1（一 数据类型与向量）

R语言笔记（一）

1.1 数据类型

1.2 比较运算的返回的结果是逻辑值

1.3 逻辑运算

1.4 数据类型的转换与判断

1.5 数据的结构

2.1 向量的生成

2.2 对单个向量进行的操作

向量的赋值+输出

简单的数学计算

根据某条件进行判断,生成等长的逻辑向量

初级统计

2.3 对两个向量进行的操作

接下来引入一个概念

循环补齐

下面作业来了

如何从50个数中筛选小于7的？

有一个思考题

2.4 向量取子集(主要分为按逻辑值和下标)

2.5 修改向量中的某个或某些元素

练习题

向量的进阶的几个问题

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

R语言笔记Day1（一数据类型与向量）