# 使用save()函数保存为RData文件
# 创建一些要保存的变量
study1.df <- data.frame(id = 1:5,
sex = c("m", "m", "f", "f", "m"),
score = c(51, 20, 67, 52, 42))
score.by.sex <- aggregate(score ~ sex,
FUN = mean,
data = study1.df)
study1.htest <- t.test(score ~ sex,
data = study1.df)
# save(变量1,变量2, ..., file = "文件名.RData") 保存于当前工作目录
save(study1.df, score.by.sex, study1.htest,
file = "study1.RData")
# 如果有多个变量想要保存,使用save函数比较繁琐因为必须要输入每个变量名称,可使用save.image()函数保存工作目录下所有的变量。
save.image(file = "study1.RData")
# 使用load()函数加载RData文件
load(file = "study1.RData")
# 删除变量rm()见后文
# 生成10个随机数: rnorm(n=10,mean=0,sd=18),用向量取子集的方法,取出其中小于-2的值
x <- rnorm(n=10,mean=0,sd=18)
x[x< -2]# x[x<-2]会把2赋值给x 要加空格或者加括号
## [1] -30.627262 -5.327866 -18.030441 -3.135825 -16.232720
x[x<(-2)]
## [1] -30.627262 -5.327866 -18.030441 -3.135825 -16.232720
| 向量
| 矩阵 只能有一种数据 是特殊的数据框
| 数据框 一列只能有一种数据
| 列表 没有限制
| 区分矩阵和数据框:根据生成它的函数 或 class() is()族函数
(1)用代码新建
(2)由已有数据转换或处理得到
(3)读取表格文件
(4)R语言内置数据
# data.frame 函数
df1 <- data.frame(gene = paste0("gene",1:4),
change = rep(c("up","down"),each = 2),
score = c(5,3,-2,-4))
df1
## gene change score
## 1 gene1 up 5
## 2 gene2 up 3
## 3 gene3 down -2
## 4 gene4 down -4
# 读取文件
df2 <- read.csv("gene.csv")
#维度 行数 列数
dim(df1)
## [1] 4 3
nrow(df1)
## [1] 4
ncol(df1)
## [1] 3
#行名 列名
rownames(df1)
## [1] "1" "2" "3" "4"
colnames(df1)
## [1] "gene" "change" "score"
# $取列
df1$gene
## [1] "gene1" "gene2" "gene3" "gene4"
mean(df1$score)#删掉score,按tab键试试 自动显示列名
## [1] 0.5
## 按坐标
df1[2,2]# 第二行第二列数据
## [1] "up"
df1[2,]# 第二行 带行名列名,还是数据框
## gene change score
## 2 gene2 up 3
df1[,2]# 第二列 不带行名列名,是向量
## [1] "up" "up" "down" "down"
df1[c(1,3),1:2] # 多行多列 数据框
## gene change
## 1 gene1 up
## 3 gene3 down
df1[,ncol(df1)] # 取最后一列
## [1] 5 3 -2 -4
## 按名字
df1[,"gene"]
## [1] "gene1" "gene2" "gene3" "gene4"
df1[,c('gene','change')]
## gene change
## 1 gene1 up
## 2 gene2 up
## 3 gene3 down
## 4 gene4 down
### 后置的难点,按条件(逻辑值)取子集:1. 根据筛选条件得到逻辑值向量(与被筛选的列向量相对应)2. 用该向量筛选列向量
df1 <- data.frame(gene = paste0("gene",1:4),
change = rep(c("up","down"),each = 2),
score = c(5,3,-2,-4))
k = df1$score>0;k # 返回逻辑值向量,每个逻辑值对标每行
## [1] TRUE TRUE FALSE FALSE
df1[k,]# TRUE的行被保留
## gene change score
## 1 gene1 up 5
## 2 gene2 up 3
#筛选score > 0的基因
df1[k,1]
## [1] "gene1" "gene2"
df1$gene[k] # 也可以先取基因名列再用逻辑值向量筛选
## [1] "gene1" "gene2"
df1$gene[df1$score>0]
## [1] "gene1" "gene2"
#改一个格
df1[3,3] <- 5
df1
## gene change score
## 1 gene1 up 5
## 2 gene2 up 3
## 3 gene3 down 5
## 4 gene4 down -4
#改一整列
df1$score <- c(12,23,50,2)
df1
## gene change score
## 1 gene1 up 12
## 2 gene2 up 23
## 3 gene3 down 50
## 4 gene4 down 2
#新增一列
df1$p.value <- c(0.01,0.02,0.07,0.05)
df1
## gene change score p.value
## 1 gene1 up 12 0.01
## 2 gene2 up 23 0.02
## 3 gene3 down 50 0.07
## 4 gene4 down 2 0.05
#改行名和列名
rownames(df1) <- c("r1","r2","r3","r4")
#只修改某一行/列的名
colnames(df1)[2] <- "CHANGE" # 修改第二列的列名,就是修改列名这个向量的第二个元素
# 建立要连接的数据框
test1 <- data.frame(name = c('jimmy','nicker','Damon','Sophie'),
blood_type = c("A","B","O","AB"))
test1
## name blood_type
## 1 jimmy A
## 2 nicker B
## 3 Damon O
## 4 Sophie AB
test2 <- data.frame(name = c('Damon','jimmy','nicker','tony'),
group = c("group1","group1","group2","group2"),
vision = c(4.2,4.3,4.9,4.5))
test2
## name group vision
## 1 Damon group1 4.2
## 2 jimmy group1 4.3
## 3 nicker group2 4.9
## 4 tony group2 4.5
test3 <- data.frame(NAME = c('Damon','jimmy','nicker','tony'),
weight = c(140,145,110,138))
test3
## NAME weight
## 1 Damon 140
## 2 jimmy 145
## 3 nicker 110
## 4 tony 138
merge(test1,test2,by="name") # 根据指定的列连接
## name blood_type group vision
## 1 Damon O group1 4.2
## 2 jimmy A group1 4.3
## 3 nicker B group2 4.9
merge(test1,test3,by.x = "name",by.y = "NAME")# 要合并的列名不一致,注意x y的顺序和test的顺序一致
## name blood_type weight
## 1 Damon O 140
## 2 jimmy A 145
## 3 nicker B 110
m <- matrix(1:9, nrow = 3) # 创建矩阵
colnames(m) <- c("a","b","c") #加列名
m
## a b c
## [1,] 1 4 7
## [2,] 2 5 8
## [3,] 3 6 9
m[2,] # 取子集不支持$
## a b c
## 2 5 8
m[,1]
## [1] 1 2 3
m[2,3]
## c
## 8
m[2:3,1:2]
## a b
## [1,] 2 5
## [2,] 3 6
m
## a b c
## [1,] 1 4 7
## [2,] 2 5 8
## [3,] 3 6 9
t(m) # 转置
## [,1] [,2] [,3]
## a 1 2 3
## b 4 5 6
## c 7 8 9
as.data.frame(m) # 转换为数据框,注意赋值给新变量
## a b c
## 1 1 4 7
## 2 2 5 8
## 3 3 6 9
pheatmap::pheatmap(m) # pheatmap可以接受矩阵也可以接受数据框,heatmap只能接受矩阵,看函数说明
#列表建立
x <- list(m1 = matrix(1:9, nrow = 3),
m2 = matrix(2:9, nrow = 2))
x
## $m1
## [,1] [,2] [,3]
## [1,] 1 4 7
## [2,] 2 5 8
## [3,] 3 6 9
##
## $m2
## [,1] [,2] [,3] [,4]
## [1,] 2 4 6 8
## [2,] 3 5 7 9
# 取第一个元素 双中括号或$, 只用一个中括号取出来的是只有一个元素的列表
x[[1]]
## [,1] [,2] [,3]
## [1,] 1 4 7
## [2,] 2 5 8
## [3,] 3 6 9
x$m1
## [,1] [,2] [,3]
## [1,] 1 4 7
## [2,] 2 5 8
## [3,] 3 6 9
scores = c(100,59,73,95,45)
names(scores) = c("jimmy","nicker","Damon","Sophie","tony")
scores
## jimmy nicker Damon Sophie tony
## 100 59 73 95 45
scores["jimmy"]
## jimmy
## 100
scores[c("jimmy","nicker")]
## jimmy nicker
## 100 59
names(scores)[scores>60]
## [1] "jimmy" "Damon" "Sophie"
rm(x)
rm(df1,df2)
rm(list = ls())
# 清空控制台 快捷键ctrl+L
引用自生信技能树
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。