数据结构
Vector向量—一维
> c(1,2,5,6,7)
[1] 1 2 5 6 7
> sample(1:100,5) #从1到100这100个数中随机挑选5个数
[1] 13 53 89 27 84
>set.seed(564) #设置随机种子后，sample函数随机挑选的结果一样
Matrix矩阵—二维
矩阵：长度相同、数据类型相同；数据框：长度相同、数据类型可以不相同
List列表
列表：长度可以不同、数据类型可以不同，可以有多级元素
数据框
数据框属性描述 （1）维度 （2）行名/列名
数据框取子集（一个、一行、一列、多行多列）
（1）向量 对应 位置；数据框对应 坐标
df[2,2] #第二行二列的元素
df[2,] #取一行
df[,2] #取一列
df[c(1,3),1:2] #行列双选
（2）根据行名或列名
df[,"gene"]
df[,c('gene','exp')]
向量也可按“名字”提取子集
数据框修改
df[3,3]<- 5 ##改一个格
df$exp<-c(12,23,50) ##改一整列
数据框进阶
(1)行数较多的数据框可以截取前/后几行查看
head(iris) #默认前六行
tail(iris) #默认最后六行
head(iris, 3)
(2)行列数都多的数据框可取前几行前几列查看
这种方法不经过赋值，只是看看
iris[1:3, 1:3]
(3)查看每一列的数据类型和具体内容
str(iris)
(4)去除含有缺失值的行
na.omit(df)
仅按照某一列来去除缺失值、缺失值替换：tidyr包
(5)两个表格的连接
按列连接：cbind 行数相同
按行连接：rbind 列数相同
智能连接：merge() 需要有共同的列名
交集、并集、补集、全集等，参考dplyr包
列名不同时，用merge
merge(test1, test3, by.x = "name", by.y = "NAME")
矩阵
矩阵新建和取子集
m <- matrix(1:9, nrow = 3)
矩阵不支持 $
矩阵转置和转换
转置：t(m)
转换：as.data.frame(m)
画热图
pheatmap::pheatmap(m) #默认有聚类
pheatmap::pheatmap(m, cluster_cols = F, cluster_rows = F)
列表
列表新建和取子集
> 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[[2]] #2代表位置
>l$df
删除变量：rm删除的是整个变量，不是一部分
rm(l) #删除一个
rm(df,m) #删除多个
rm(list = ls()) #删除全部
ctrl+l #清除控制台
元素的名字 - names()
元素可命名，用函数names(),
可以根据名字提取子集，
向量、数据框、列表通用。
> x =1:10
> names(x) = letters[1:10]
> x["a"]
a
1 #名字为a的元素是1
练习
> table(iris$Species) #统计重复值用table()
> test <- as.matrix(iris[,1:4])
> rownames(test) <- paste0("flower",1:nrow(test))
> test <- test[-(51:100),]
> tl <- list(x1=iris,x2=test) #最好对iris、test起名字，不然取子集时，子集名字为空值
> tl$x2 或 tl[[2]]
> names(tl)[2] <- "td" #修改的是子集的名字，而[[2]]修改的数据本身
> colnames(y) = x$ID[match(colnames(y), x$file_name)]
总结
