数据挖掘20210104学习笔记

通过学习生信技能树的课程,使我受益匪浅,为了更好的理解生信技能树小洁老师的讲解,我开始陆续上传课堂笔记,以便将来查找使用。

R与Rstudio

1.在Rstudio中新建项目

过程:File > New Project > New Directory > New Project > Directory name > Creat Project

2.新建脚本

过程:File > New File > R script

理解一段代码
head(x1) # 查看前6行

pdf("x.pdf") # 新建一个 pdf
plot(x1$len,col = factor(x1$dose)) # 画个简单的散点图
title("Have a try") # 加个标题
dev.off() # 结束

write.table(x1,"x.txt") # 保存成txt

脚本打开是乱码的解决方案

file > Reopen with Encoding > UTF-8 > OK

数据类型和向量

(1)数值型(numeric):单独数字:1、3、1.255

(2)字符型(character):需加引号的单独数字、单独字母、或数字与字母的组合:“1”、“ads”、“15a”

(3)逻辑型(logical):TRUE、FALSE、NA(缺失值,存在但未知)

判断某元素是哪种数据类型时:用class()

> class(TRUE)
[1] "logical"
> class(2655)
[1] "numeric"
> class("25")
[1] "character"

逻辑运算中多个逻辑条件的连接: 与&、或|、非!

> 3<5&3>8
[1] FALSE
> !4>7
[1] TRUE
> 3<5|4>5
[1] TRUE

数据类型的判断与转换

is族函数,判断,返回值为TRUEFALSE
as族函数实现数据类型之间的转换

数据结构

向量、数据框、列表、矩阵

向量是数据框单独拿出来的一列,视为一个整体。一个向量只允许一种数据类型,

向量

向量的生成

(1)、用c()逐一放到一起
> c(1,5,9,8,7)
[1] 1 5 9 8 7
(2)、连续的数字用冒号 ":"
> 1:6
[1] 1 2 3 4 5 6
(3)、有重复的用rep(), 有规律的序列用seq(), 随机数用rnorm()
> rep("gene", times = 3)
[1] "gene" "gene" "gene"

> seq(from = 3, to = 21, by = 3)
[1]  3  6  9 12 15 18 21

> rnorm(n=4)
[1] -0.5485853  1.6685133  2.0597608 -0.8668472
(5)、通过组合,产生更为复杂的向量
> paste0(rep("gene", times =3), 1:3)
[1] "gene1" "gene2" "gene3"
> paste0(rep("gene", times =4), 1:3)
[1] "gene1" "gene2" "gene3" "gene1"
> paste0(rep("gene", times =5), 1:3)
[1] "gene1" "gene2" "gene3" "gene1" "gene2"#循环补齐
练习题:
> c(1,"ab",66)
[1] "1"  "ab" "66"
> seq(from=4,to=30,by=4)
[1]  4  8 12 16 20 24 28
> paste0(rep("sample",7),seq(from=4,to=30,by=4))
[1] "sample4"  "sample8"  "sample12" "sample16" "sample20" "sample24"
[7] "sample28"


数值型+字符型=字符型 ,逻辑型+字符型=字符型 , 逻辑型+数值型=数值型

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,332评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,508评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,812评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,607评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,728评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,919评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,071评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,802评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,256评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,576评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,712评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,389评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,032评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,798评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,026评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,473评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,606评论 2 350

推荐阅读更多精彩内容