数据基础模式
- vector向量：一维
sample(1:100,7) #随机取样（不放回）
[1] 71 40 77 26 91 15 28
- matrix矩阵：二维，向量长度相同，数据类型相同，可合并为矩阵
matrix(sample(1:100,20), nrow = 4) #nrow行，ncol列
[,1] [,2] [,3] [,4] [,5]
[1,] 20 10 18 65 9
[2,] 26 86 73 51 23
[3,] 55 54 69 4 68
[4,] 78 41 7 61 49
cbind(x1,x2,x3) #向量合并为矩阵
- 数据框：二维，向量长度相同，数据类型可以不相同也可以相同
data.frame(y1,y2,y3)
-
列表：长度可以不同，数据类型可以不同，没有行和列概念，可以有多级元素
image.png
R语言中两种显示形式：控制台、View
数据框
1.数据框来源
（1）在R中新建
（2）由已有数据转换或处理得到
（3）从文件中读取，默认情况表格文件读取到R里就是数据框
（4）内置数据集，不需要赋值也可以使用变量名
2.新建和读取数据框（本质上是向量按列组合）
df <- data.frame(gene = c("gene1","gene2","gene3"),
sam = c("sample1","sample2","sample3"),
exp = c(32,34,45))
df
df <- data.frame(gene = paste0("gene",1:3),
sam = paste0("sample",1:3),
exp = c(32,34,45))
df
df2 <- read.csv("gene.csv") #读取文件
df2
#若报错，工作表未在project目录下
3.数据框属性描述
dim(df) #维度（有几行几列）
nrow(df) #行
ncol(df) #列
rownames(df) #行名
colnames(df) #列名
4.数据框取子集（一个、一行、一列、多行多列）
df[2,2] #坐标，左边是行，右边是列，哪边空着就是全选
df[2,] #选一行
df[,2] #选一列
df[c(1,3),1:2] #中括号里的逗号，表示维度的分割
df[,"gene"] #根据行名或列名
df[,c('gene','exp')]
#向量也可以根据名字取子集
nn = c('gene','exp') #该赋值就赋值，为简化和防止出错
df[,nn]
df[,-ncol(df)] #去除最后一列
df$exp #取列（只能取一列），取出向量，能对向量进行的计算和统计都能对df$进行
mean(df$exp) #各类计算均可
5.数据框编辑
df[3,3]<- 5 #改一个格
df$exp<-c(12,23,50) #改一整列
df$abc <-c(23,15,37) #新列名，新增一列
取子集$或[]+赋值操作
运行错的代码，不能撤销，但可以覆盖，赋值以最后一次为准
#改行名和列名
rownames(df) <- c("r1","r2","r3") #改全部行名
rownames(df)[2]="x" #只修改某一行/列的名
思考题
读取excise.csv这个文件，赋值给test，提取test中，最后一列值为versicolor或setosa的行，组成一个新的数据框，赋值给test2
test <- read.csv("excise.csv");test
test2 <- test[test$Species %in% c('versicolor','setosa'),];test2
test2 <- test[!(test$Species=='virginica'),];test2 #另种方法
table(test$Species) #计数
6.数据框进阶
(1)行数较多的数据框可截取前/后几行查看
iris
head(iris) #默认前6行
head(iris,3) #取前3行
tail(iris)
(2)行列数都多的数据框可取前几行前几列查看
iris[1:3,1:3] #不经过赋值，就只是输出、看看
(3) 查看每一列的数据类型和具体内容
str(df) #obs 行，variables 列
>str(iris)
'data.frame': 150 obs. of 5 variables:
$ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
$ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
$ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
$ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
$ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
(4)去除含有缺失值的行
#生成一个有NA的数据框
df<-data.frame(X1 = LETTERS[1:5],X2 = 1:5)
df[2,2] <- NA
df[4,1] <- NA
df
na.omit(df) #如果有缺失值就去掉该行
#仅按照某一列去除缺失值、缺失值替换：Tidyr包
(5)两个表格的链接【重点！】
test1 <- data.frame(name = c('jimmy','nicker','doodle'),
blood_type = c("A","B","O"))
test1
test2 <- data.frame(name = c('doodle','jimmy','nicker','tony'),
group = c("group1","group1","group2","group2"),
vision = c(4.2,4.3,4.9,4.5))
test2
test3 <- data.frame(NAME = c('doodle','jimmy','lucy','nicker'),
weight = c(140,145,110,138))
tmp = merge(test1,test2,by="name") #直接连接，“name”共同列的列名
merge(x = test1,y = test3,by.x = "name",by.y = "NAME") #列名不一样时
#cbind 按列连接，行数相同
#rbind 按行连接，列数相同
#交集、并集、补集、全集等，参考dplyr包
(6)如果列名顺序错乱，如何按照指定顺序重排？
step1：示例数据
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
step2：写出正确数据
s=letters[1:5]
s
## [1] "a" "b" "c" "d" "e"
step3：match排列，生成索引
sy=match(s,colnames(df))
sy
## [1] 2 3 1 5 4
step4：取子集
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
矩阵
m <- matrix(1:9, nrow = 3) #矩阵新建
colnames(m) <- c("a","b","c") #列名
t(m) #转置
as.data.frame(m) #转换为数据框
pheatmap::pheatmap(m) #自动cluster聚类
pheatmap::pheatmap(m,cluster_cols = F,cluster_rows = F) #去除cluster聚类
#矩阵不能用$
列表
l <- list(m=matrix(1:9, nrow = 3),
df=data.frame(gene = paste0("gene",1:3),
sam = paste0("sample",1:3),
exp = c(32,34,45)),
x=c(1,3,5))
l
#若无名字则显示[[1]]，若有名字则显示$名字
l[[2]] #数字2位置，l[2]代表整个第2个数据框，包括名字，l[[2]]代表第2个数据框内的数据
l$df #选择整个$df数据
补充：元素的名字
(1)向量
x=1:10
names(x)=letters[1:10]
x
x["a"]
(2)数据框
df
names(df)
df[,"X1"]
(3)列表
names(l)
l[["df"]]
补充：删除
#删除一个变量
rm(l)
#删除多个变量
rm(df,m)
#删除全部变量
rm(list = ls())
