R语言数据结构
R语言数据类型有两个重要的概念：向量和数据框。
向量
向量是一排有序排列的元素。元素指的是数字或者字符串（用chr表示），一个元素组成的叫标量，多个元素组成的叫向量。标量和向量统称变量。使用时，一般利用x<- 直接给变量定义，也就是“赋值”。
从变量中提取元素
- 根据元素位置提取
这里的x是你刚才赋值的变量名，根据自己的情况来修改
x[4] #x第4个元素
x[-4]#排除法，除了第4个元素之外剩余的元素
x[2:4]#第2到4个元素
x[-(2:4)]#除了第2-4个元素
x[c(1,5)] #第1个和第5个元素
- 根据值提取
x[x==10]#等于10的元素
x[x<0]
x[x %in% c(1,2,5)]#存在于向量c（1，2，5）中的元素
数据框
首先，很重要的一点是将示例数据放在工作目录下：
示例数据是如何获得的？
（1）新建doudou.txt，输入以下（如果教程里让你新建，又没说在哪里，你就默认在工作目录下新建。）
X1,X2
A,1
B,
C,
D,3
E,
小抄截图中显示的NA表示空值，所以新建的时候像我一样空着就好。
（1）读取本地数据
首先，将huahua.txt一定要放在工作目录里
（2）设置行名和列名
X<-read.csv('doudou.txt') #在示例数据里有doudou.txt 注意这里的变量X是一个数据框
colnames(X) #查看列名
rownames(X) #查看行名,默认值的行名就是行号，1.2.3.4...
colnames(X)[1]<-"bioplanet"#有的公司返回数据，左上角第一格为空，R会自动补为x,用这个命令来修改
X<-read.csv(file = "huahua.txt",sep = " ",header =T,row.names=1)#最后row.names的意思是修改第一列为行名
注意区分大小写。
（3）数据框的导出
write.table(X,file = "yu.txt",sep = ",",quote=F)#分隔符改为逗号，字符串不加双引号（默认格式带由双引号）
（4）变量的保存与重新加载
这次没有处理完的数据下次想接着用怎么办?--学会保存和重新加载。保存的格式是RData。
save.image(file="bioinfoplanet.RData")#保存当前所有变量
save(X,file="test.RData")#保存其中一个变量
load("test.RData")#再次使用RData时的加载命令
（5）提取元素
X[x,y]#第x行第y列
X[x,]#第x行
X[,y]#第y列
X[y] #也是第y列
X[a:b]#第a列到第b列
X[c(a,b)]#第a列和第b列
X$列名#也可以提取列（优秀写法，而且这个命令还优秀到不用写括号的地步，并且支持Tab自动补全哦，不过只能提取一列）（生信星球）
后记：
今天涉及到的代码都很陌生，之前没接触过，所以运行起来不是很顺利，还是需要看看书，了解基本常识。
R包学习
安装和加载R包
镜像设置
首先，安装镜像：
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) #对应清华源
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/") #对应中科大源
分别用options()$repos和options()$BioC_mirror检测镜像是否已经配置好。
安装R包
install.packages(“dplyr”)或者BiocManager::install(“dplyr”)
加载R包
安装加载三部曲：
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
install.packages("dplyr")
library(dplyr)
(生信星球)
dplyr五个基础函数
1.mutate(),新增列
mutate(test, new = Sepal.Length * Sepal.Width)
2.select(),按列筛选
(1)按列号筛选
select(test,1)、select(test,c(1,5))、select(test,Sepal.Length)
(2)按列名筛选
select(test, Petal.Length, Petal.Width)、vars <- c("Petal.Length", "Petal.Width")select(test, one_of(vars))
3.filter()筛选行
filter(test, Species == "setosa")、filter(test, Species == "setosa"&Sepal.Length > 5 )、filter(test, Species %in% c("setosa","versicolor"))
4.arrange(),按某1列或某几列对整个表格进行排序
arrange(test, Sepal.Length)、arrange(test, desc(Sepal.Length))
5.summarise()：汇总
summarise(test, mean(Sepal.Length), sd(Sepal.Length))、group_by(test, Species)、summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
dplyr两个实用技能
1：管道操作 %>% (cmd/ctr + shift + M)
group_by(Species) %>%
summarise(mean(Sepal.Length), sd(Sepal.Length))
2：count统计某列的unique值
count(test,Species)
dplyr处理关系数据
options(stringsAsFactors = F)
test1 <- data.frame(x = c('b','e','f','x'),
z = c("A","B","C",'D'),
stringsAsFactors = F)
test1
test2 <- data.frame(x = c('a','b','c','d','e','f'),
y = c(1,2,3,4,5,6),
stringsAsFactors = F)
test2
1.內连inner_join,取交集
inner_join(test1, test2, by = "x")
2.左连left_join
left_join(test1, test2, by = 'x')、left_join(test2, test1, by = 'x')
3.全连full_join
full_join( test1, test2, by = 'x')
4.半连接：返回能够与y表匹配的x表所有记录semi_join
semi_join(x = test1, y = test2, by = 'x')
5.反连接：返回无法与y表匹配的x表的所记录anti_join
anti_join(x = test2, y = test1, by = 'x')
6.简单合并
在相当于base包里的cbind()函数和rbind()函数;注意，bind_rows()函数需要两个表格列数相同，而bind_cols()函数则需要两个数据框有相同的行数
test1
## x y
## 1 1 10
## 2 2 20
## 3 3 30
## 4 4 40
test2 <- data.frame(x = c(5,6), y = c(50,60))
test2
## x y
## 1 5 50
## 2 6 60
test3 <- data.frame(z = c(100,200,300,400))
test3
## z
## 1 100
## 2 200
## 3 300
## 4 400
bind_rows(test1, test2)
## x y
## 1 1 10
## 2 2 20
## 3 3 30
## 4 4 40
## 5 5 50
## 6 6 60
bind_cols(test1, test3)
## x y z
## 1 1 10 100
## 2 2 20 200
## 3 3 30 300
## 4 4 40 400
后记
其实这两天的代码有点看不懂，虽然按着教程在做，心里却有很多不明白，需要看书理解。
