R语言-基础
原创
一. R的使用
- 在Rstudioy中新建项目（R project） File-New Project-New Directory-New Project-Directory name-Creat Project (文件中不要有中文和字符）
- 新建脚本 (Ctr+shift+N)
- 更改字号 (Tools-Global options-Apearance-Editor font size)
- 重启 session-restart R (Ctr+shift+F10)
- 工作目录（working directory）默认在 .Rproject文件夹下
- 打开文件时，双击打开 .Rproject 即可打开RStudio,打开后工作目录自动设置好了
- R界面文字放大 “control” + “shift” + “+” R界面文字缩小 “control” + “-”
二.报错
- 报错: Error 。 解决：检查命令，检查环境，修正后重新运行
- 结果出错时(Error)，只看最后一个冒号的后半句
- 解决报错信息的两大思路，1. 检查代码有没有问题，2. 看报错信息关键词
- 错误（Error） Error：后出现unexpected...代表代码写错啦！
- 错误（Error） could not found function... 代表函数写错了或者还没有加载这个函数，function就是函数
- 错误（Error） object..not found 没有对象，代表函数写错了(忘加" "等 ) 错误（Error): no such file or directory #可能是工作目录不对，找不到这个文件
- Tab键自动补齐代码
- 上下键可翻动，在控制台上，光标放在 > 后面，按上键，即可修改上一条命令重新运行
操作中的常见错误
class(a) # 字符型加" "
Error: object 'a' not found
> calss("a") # class写错了
Error in calss("a") : could not find function "calss"
> class(true) # true写大写
Error: object 'true' not found
> class(TURE) # TURE写错了
Error: object 'TURE' not found
> class（TRUE）# 括号是中文的，是错误的！
Error: unexpected input in "class（"note
- Warning 忽略，后面有报错或意外结果在检查
- > 代表已经运行运行完成
- 太长时间卡住不动，中止（红色键）或重启 （三个等级的重启： 重启session ，重启RStudio , 重启电脑）
- 出 “+” ， 代表命令不完整，补全或ESC退出
- a/s/n :图省事回答n, （但被问问题了，不能不理）
三.数据类型与数据结构
查看字符型、逻辑型和数值型向量的方式
class("a")
class(TRUE)
class(3)比较运算的结果是逻辑值
- , <, <=, >=, ==, != 比较运算 多个逻辑条件的连接与&、或|、非！ !(4>5)
!(4>5) #!的作用：是变否、否变是
[1] TRUE- 数据类型 数值型（numeric）,字符型（character）,逻辑型（logical）#is.
- 数据结构（向量、数据框、矩阵、列表）
- 字符型向量必须加引号（单双皆可）不能为中文值
- 逻辑型（logical）包括TRUE(T)、FALSE(F)、 NA(缺失值）
- 判断数据类型的函数class（）
- 数据框单独拿出来一列是向量，视为一个整体,一列只能有一种类型。
- 一个向量只能有一种数据类型，可以有重复值。
is.numeric('4') #是否数值型数据
is.logical(F) #是否逻辑型数据
is.character('4') #是否字符型数据#.as
as.numeric("4") #转换为数值型数据
as.logical() #转换为逻辑型数据
as.character() #转换为字符型数据3.1向量
3.1.1向量的生成
（1）用c( ) 逐一放到一起
c(1,2,3)（2）连续的数字用" ："
1:5（3）有重复的用rep(),有规律的用seq(),随机数用rnorm()
rep("handsome",times = 3)
seq(from = 1,to = 100 ,by = 2)
rnorm(n = 5) #符合正态分布的随机数(4)通过组合产生更为复杂的向量
paste0(rep("gene",times = 4),1:4) #无空格连接赋值+输出一齐实现的方法
(x <- c(seq(1,10,2))) # 法一
1 1 3 5 7 9
x <- c(seq(1,10,2));x # 法二
1 1 3 5 7 9初级统计函数 max() ，min() ， mean() ， median() ，var()方差 ， sd()标准差 ， sum()总和， length(x) # 长度（x中元素的个数）， unique(x) #去重复（第一次出现不为重复，第二次出现为重复），duplicated(x)#检查重复值 ， table(x) 重复值(因子）统计 ，sort(x) #排序 ， dim() 查看行列数， nrow()查看行数，ncol() 查看列数
x <- c(1,3,5,1)
unique(x)
1 1 3 5
duplicated(x)
1 FALSE FALSE FALSE TRUE
table(x)
x
1 3 5
2 1 1
sort(x)
1 1 1 3 5
sort(x,decreasing = T) #从大到小
1 5 3 1 1
dim(iris)
ncol(iris)两个向量（长度一致）的操作
x <- c(1,3,5,1)
y <- c(3,2,5,6)
x==y #比较运算
1 FALSE FALSE TRUE FALSE
x\*y #计算
1 3 6 25 6
paste(x,y,sep = "/")
1 "1/3" "3/2" "5/5" "1/6"两个向量（长度不一致）的操作
x <- c(1,3,5,1,6)
y <- c(3,2,5)
x==y #长度不一致，发生循环补齐
Warning: longer object length is not a multiple of shorter object length
1 FALSE FALSE TRUE FALSE FALSE
paste0(rep("student",time = 7),seq(from = 2,to = 15,by = 2)
paste0("student",seq(2,15,2)) #循环补齐简化代码
1 "student2" "student4" "student6" "student8"
5 "student10" "student12" "student14"交集，并集，差集 ，%in%
x <- c(1,3,5,1,6)
y <- c(3,2,5)
intersect(x,y)
union(x,y)
setdiff(x,y)
setdiff(y,x)
x %in% y #中的元素在y中存在吗（逻辑值）PDF文件保存的1种方式
pdf("x.pdf") #空壳
plot(x1$len,col = factor(x1$dose)) #画图
title("Have a try")
dev.off() #关掉图片编辑器，在文件中保存图片 3.1.2向量取子集
1.逻辑值取子集 xx > 4
里是与x等长且一一对应的逻辑值向量
2.下标/位置取子集 x4 ， x-4
里是由x组成的向量
- 修改向量中的某个或某些元素
x<-c(8:15)
[1] 8 9 10 11 12 13 14 15
x[4] <- 20 ;x
[1] 8 9 10 20 12 13 14 15
x[c(5:6)] <- 3;x
[1] 8 9 10 20 3 3 14 15画图
k1 <- rnorm(12);k1
plot(k1) # index(位置下标)作为x, x值作为y~~删除线~~
k2 <- rep(1:6,each = 2);k2
boxplot(k1~k2) # k1作为x, k2作为y取交集会去重复，而%in%取子集不会
赋值符号（<-） 和小于+符号，遇见要注意负号前加空格，才能区分
运行顺序
x <- rnorm(10)
sort(x[x<0]) #运行顺序：有嵌套的先里后外，无嵌套的从左到右
sort(x)[x<0] #与下面的相同
#y <- sort(x)
#y[x<0]
（1:10）[c(T,F)] #循环补齐 T,F3.2 数据结构
用class() 或is()族函数进行判断数据结构
新建数据框
data.frame（colname=data）
Error:no such file or dirextory #可能是工作目录不对，找不到这个文件
data.frame取子集1. $ df$csore 2.按坐标[] df 2,2 ,3. 按名字 df,c("gene",change") 4. 按条件 df$scoredf$score > 0, 数据框按照逻辑取子集，TURE对应的行/列留下，FALSE对应的行/列丢掉。
df1 <- data.frame(gene = paste0("gene",1:4),
change = rep(c("up","down"),each = 2),
score = c(5,3,-2,-4))
df1
df1$gene[df1$score!=5]#取gene的方式，类似于向量取子集
df1[,length(df1)] #获取最后一列数据
df1[,-length(df1)] #删除最后一列数据数据框修改
df1[3,3] <- 5 #改一个格
df1[3,] <- c(3,3,3,3) #改一列
df1$p.value <- c(0.1,0.1,0.1,0.1) #添加一列
df1
row.names<- c(1,2,3,4) #修改行名两个数据框的连接
merge(x, y, by = intersect(names(x), names(y)),
by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all,
sort = TRUE, suffixes = c(".x",".y"), no.dups = TRUE,
incomparables = NULL, ...)矩阵的新建和取子集
矩阵不支持$
matrix(1:9,nrow = 3)
t(matrix(1:9,nrow = 3))#转置
as.data.frame(matrix(1:9,nrow = 3)) #转换为数据框
class(matrix(1:9,nrow = 3))
[1] "matrix" "array" # "array"是特殊的数组，不用看这个热图
m <- matrix(1:9,nrow = 3)
pheatmap::pheatmap(m) #默认聚类
pheatmap::pheatmap(m,cluster_cols = F,cluster_rows = F)#不聚类列表新建与取子集
L <- list(m1 = matrix(1:9,nrow = 3),
m2 = matrix(2:10,nrow = 3))
L$m2 #列表取子集
L[[2]] 与上同元素的“名字”-names()
score <- c(50,20,40,55,60)
names(score) <- c("a","w","q","f","g")
names(score)[score>54] #向量取子集删除
rm()
rm(list=ls())
ctrl+L #清空控制台
调整顺序的方式 ac(1,3,2),
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读
目录
相关产品与服务
图片处理
图片处理（Image Processing，IP）是由腾讯云数据万象提供的丰富的图片处理服务，广泛应用于腾讯内部各产品。支持对腾讯云对象存储 COS 或第三方源的图片进行处理，提供基础处理能力（图片裁剪、转格式、缩放、打水印等）、图片瘦身能力（Guetzli 压缩、AVIF 转码压缩）、盲水印版权保护能力，同时支持先进的图像 AI 功能（图像增强、图像标签、图像评分、图像修复、商品抠图等），满足多种业务场景下的图片处理需求。
腾讯云开发者
