DAY6 生信技能树-数据挖掘第三期学习笔记

Ruizheng 的学习笔记

感谢 生信技能树 小洁老师

统计变换

library(ggplot2)
ggplot(data = diamonds) + 
  geom_bar(mapping = aes(x = cut))
image.png
ggplot(data = diamonds) + 
  stat_count(mapping = aes(x = cut))
image.png

统计变换使用场景

1. 不统计，数据直接做图

fre = as.data.frame(table(diamonds$cut))

ggplot(data = fre) +
  geom_bar(mapping = aes(x = Var1, y = Freq), stat = "identity")
image.png

2.count改为prop

ggplot(data = diamonds) + 
  geom_bar(mapping = aes(x = cut, y = ..prop.., group = 1))
image.png

位置关系

抖动的点图

ggplot(data = mpg,mapping = aes(x = class, 
                                y = hwy,
                                group = class)) + 
  geom_boxplot()+
  geom_point()
image.png
ggplot(data = mpg,mapping = aes(x = class, 
                                y = hwy,
                                group = class)) + 
  geom_boxplot()+
  geom_jitter()
image.png

堆叠直方图

ggplot(data = diamonds) + 
  geom_bar(mapping = aes(x = cut,fill=clarity), position = "fill")
image.png

并列直方图

ggplot(data = diamonds) + 
  geom_bar(mapping = aes(x = cut, fill = clarity), position = "dodge")
image.png

坐标系

1. 翻转 coord_flip()
ggplot(data = mpg, mapping = aes(x = class, y = hwy)) + 
  geom_boxplot() +
  coord_flip()
image.png
2. 极坐标系coord_polar()
bar <- ggplot(data = diamonds) + 
  geom_bar(
    mapping = aes(x = cut, fill = cut), 
    show.legend = FALSE,
    width = 1
  ) + 
  theme(aspect.ratio = 1) +
  labs(x = NULL, y = NULL)
bar + coord_flip()
image.png
bar + coord_polar()
image.png

练习 画一个简单的图

ggplot(iris, aes(x = Species, y = Sepal.Width))+
  geom_violin(aes(fill = Species))+
  geom_boxplot()+
  geom_jitter(aes(shape = Species))+
  coord_flip()+
  theme_classic()
image.png

ggpubr

based on but easier than ggplot2
library(ggpubr)
ggscatter(iris,x="Sepal.Length",y="Petal.Length",color="Species")
image.png
p <- ggboxplot(iris, x = "Species", y = "Sepal.Length",
          color = "Species", shape = "Species",
          add = "jitter")
p
image.png
my_comparisons <- list( c("setosa", "versicolor"), c("setosa", "virginica"), c("versicolor", "virginica") )
p + stat_compare_means(comparisons = my_comparisons)+ # Add pairwise comparisons p-value
  stat_compare_means(label.y = 9)
image.png

图片保存

1. ggsave

ggsave("iris_box_ggpubr.png")

## Saving 7 x 5 in image

ggsave(p,filename = "iris_box_ggpubr2.png")

## Saving 7 x 5 in image

2. pdf三段论

#通用保存
pdf("iris_box_ggpubr.pdf")
p <- ggboxplot(iris, x = "Species", y = "Sepal.Length",
               color = "Species", shape = "Species",
               add = "jitter")

my_comparisons <- list( c("setosa", "versicolor"), c("setosa", "virginica"), c("versicolor", "virginica") )
p + stat_compare_means(comparisons = my_comparisons)+ # Add pairwise comparisons p-value
  stat_compare_means(label.y = 9) 
dev.off()  ## 关闭画板

## png 
##   2

3. export包

#devtools::install_github("tomwenseleers/export")
#library(export)
#graph2ppt(p,"iris_box_ggpubr.ppt")
练习题 6-4
# 1\. 任意做3张ggplot2图
ggplot(diamonds, aes(x = cut,fill=clarity))+
  geom_bar()+
  coord_polar()
image.png
ggplot(diamonds, aes(x = cut, y = carat))+
  geom_jitter(color = "grey")+
  geom_boxplot(aes(fill = color))+
  coord_flip()
image.png
ggplot(diamonds, aes(x = cut, y = depth,fill=clarity))+
  geom_violin()+
  coord_polar()
image.png
# 2\. 尝试使用labs()
ggplot(mtcars, aes(mpg, wt, colour = cyl)) + geom_point()+
  labs(x = "New x label")+
  labs(title = "New plot title", subtitle = "A subtitle", tag = "A")+
  labs(caption = "(based on data from ...)")+
  labs(title = NULL)
image.png
# 3\. 如何调整图片的长宽比
ggsave(filename = "zz.pdf", height = 10, width = 10)
代码可运行却不出图？

画板被占用了兄弟

  1. dev.off(), 表示关闭画板。多次运行，到null device 为止。再运行出图代码，或dev.new()
  2. 重启 Rstudio

人见人爱 “R数据科学”

tidyr dplyr stringr
tidyr

gather-spread # 列的聚集与分散 separate-unite # 列的拆分与合并

dplyr

基础

  1. mutate(), 新增列
  2. select(), 按列筛选
  3. filter(), 按行筛选
  4. arrange(), 按某一行对数据框进行排序
  5. summarise(), 汇总

进阶
count()
管道符号 %>% (ctr+shift+M) ： 上一步的输出作为下一步的输入

tidyr

一、数据清理

rm(list = ls())
options(stringsAsFactors = F)
if(!require(tidyr))install.packages("tidyr")

## Loading required package: tidyr

library(tidyr)
test <- data.frame(geneid = paste0("gene",1:4),
                 sample1 = c(1,4,7,10),
                 sample2 = c(2,5,0.8,11),
                 sample3 = c(0.3,6,9,12))
test

##   geneid sample1 sample2 sample3
## 1  gene1       1     2.0     0.3
## 2  gene2       4     5.0     6.0
## 3  gene3       7     0.8     9.0
## 4  gene4      10    11.0    12.0

扁变长

test_gather <- gather(data = test,
                    key = sample_nm,
                    value = exp,
                    - geneid)
head(test_gather)

##   geneid sample_nm exp
## 1  gene1   sample1   1
## 2  gene2   sample1   4
## 3  gene3   sample1   7
## 4  gene4   sample1  10
## 5  gene1   sample2   2
## 6  gene2   sample2   5

长变扁

test_re <- spread(data = test_gather,
                key = sample_nm,
                value = exp)
head(test_re)

##   geneid sample1 sample2 sample3
## 1  gene1       1     2.0     0.3
## 2  gene2       4     5.0     6.0
## 3  gene3       7     0.8     9.0
## 4  gene4      10    11.0    12.0

二、分割和合并

原始数据

test <- data.frame(x = c( "a,b", "a,d", "b,c"));test

##     x
## 1 a,b
## 2 a,d
## 3 b,c

分割

test_seprate <- separate(test,x, c("X", "Y"),sep = ",");test_seprate

##   X Y
## 1 a b
## 2 a d
## 3 b c

合并

test_re <- unite(test_seprate,"x",X,Y,sep = ",");test_re  

##     x
## 1 a,b
## 2 a,d
## 3 b,c

三、处理NA

原始数据

X<-data.frame(X1 = LETTERS[1:5],X2 = 1:5)
X[2,2] <- NA
X[4,1] <- NA;X

##     X1 X2
## 1    A  1
## 2    B NA
## 3    C  3
## 4 <NA>  4
## 5    E  5

1.去掉含有NA的行,可以选择只根据某一列来去除

drop_na(X)

##   X1 X2
## 1  A  1
## 2  C  3
## 3  E  5

drop_na(X,X1)

##   X1 X2
## 1  A  1
## 2  B NA
## 3  C  3
## 4  E  5

drop_na(X,X2)

##     X1 X2
## 1    A  1
## 2    C  3
## 3 <NA>  4
## 4    E  5

2.替换NA

replace_na(X$X2,0)

## [1] 1 0 3 4 5

3.用上一行的值填充NA

X

##     X1 X2
## 1    A  1
## 2    B NA
## 3    C  3
## 4 <NA>  4
## 5    E  5

fill(X,X2)

##     X1 X2
## 1    A  1
## 2    B  1
## 3    C  3
## 4 <NA>  4
## 5    E  5

小抄

dplyr

rm(list = ls())
if(!require(dplyr))install.packages("dplyr")

## Loading required package: dplyr

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(dplyr)
test <- iris[c(1:2,51:52,101:102),]
rownames(test) =NULL

五个基础函数

1.mutate(),新增列

mutate(test, new = Sepal.Length * Sepal.Width)

##   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species   new
## 1          5.1         3.5          1.4         0.2     setosa 17.85
## 2          4.9         3.0          1.4         0.2     setosa 14.70
## 3          7.0         3.2          4.7         1.4 versicolor 22.40
## 4          6.4         3.2          4.5         1.5 versicolor 20.48
## 5          6.3         3.3          6.0         2.5  virginica 20.79
## 6          5.8         2.7          5.1         1.9  virginica 15.66

2.select(),按列筛选

(1)按列号筛选
select(test,1)

##   Sepal.Length
## 1          5.1
## 2          4.9
## 3          7.0
## 4          6.4
## 5          6.3
## 6          5.8

select(test,c(1,5))

##   Sepal.Length    Species
## 1          5.1     setosa
## 2          4.9     setosa
## 3          7.0 versicolor
## 4          6.4 versicolor
## 5          6.3  virginica
## 6          5.8  virginica
(2)按列名筛选
select(test,Sepal.Length)

##   Sepal.Length
## 1          5.1
## 2          4.9
## 3          7.0
## 4          6.4
## 5          6.3
## 6          5.8

select(test, Petal.Length, Petal.Width)

##   Petal.Length Petal.Width
## 1          1.4         0.2
## 2          1.4         0.2
## 3          4.7         1.4
## 4          4.5         1.5
## 5          6.0         2.5
## 6          5.1         1.9

vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))

##   Petal.Length Petal.Width
## 1          1.4         0.2
## 2          1.4         0.2
## 3          4.7         1.4
## 4          4.5         1.5
## 5          6.0         2.5
## 6          5.1         1.9
(3)一组来自tidyselect的有用函数
select(test, starts_with("Petal"))

##   Petal.Length Petal.Width
## 1          1.4         0.2
## 2          1.4         0.2
## 3          4.7         1.4
## 4          4.5         1.5
## 5          6.0         2.5
## 6          5.1         1.9

select(test, ends_with("Width"))

##   Sepal.Width Petal.Width
## 1         3.5         0.2
## 2         3.0         0.2
## 3         3.2         1.4
## 4         3.2         1.5
## 5         3.3         2.5
## 6         2.7         1.9

select(test, contains("etal"))

##   Petal.Length Petal.Width
## 1          1.4         0.2
## 2          1.4         0.2
## 3          4.7         1.4
## 4          4.5         1.5
## 5          6.0         2.5
## 6          5.1         1.9

select(test, matches(".t."))

##   Sepal.Length Sepal.Width Petal.Length Petal.Width
## 1          5.1         3.5          1.4         0.2
## 2          4.9         3.0          1.4         0.2
## 3          7.0         3.2          4.7         1.4
## 4          6.4         3.2          4.5         1.5
## 5          6.3         3.3          6.0         2.5
## 6          5.8         2.7          5.1         1.9

select(test, everything())

##   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
## 1          5.1         3.5          1.4         0.2     setosa
## 2          4.9         3.0          1.4         0.2     setosa
## 3          7.0         3.2          4.7         1.4 versicolor
## 4          6.4         3.2          4.5         1.5 versicolor
## 5          6.3         3.3          6.0         2.5  virginica
## 6          5.8         2.7          5.1         1.9  virginica

select(test, last_col())

##      Species
## 1     setosa
## 2     setosa
## 3 versicolor
## 4 versicolor
## 5  virginica
## 6  virginica

select(test, last_col(offset = 1)) # offset 就是 ncol - 1

##   Petal.Width
## 1         0.2
## 2         0.2
## 3         1.4
## 4         1.5
## 5         2.5
## 6         1.9
(4)利用everything()，列名可以重排序
select(test,Species,everything())

##      Species Sepal.Length Sepal.Width Petal.Length Petal.Width
## 1     setosa          5.1         3.5          1.4         0.2
## 2     setosa          4.9         3.0          1.4         0.2
## 3 versicolor          7.0         3.2          4.7         1.4
## 4 versicolor          6.4         3.2          4.5         1.5
## 5  virginica          6.3         3.3          6.0         2.5
## 6  virginica          5.8         2.7          5.1         1.9

3.filter()筛选行

filter(test, Species == "setosa")

##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa

filter(test, Species == "setosa"&Sepal.Length > 5 )

##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa

filter(test, Species %in% c("setosa","versicolor"))

##   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
## 1          5.1         3.5          1.4         0.2     setosa
## 2          4.9         3.0          1.4         0.2     setosa
## 3          7.0         3.2          4.7         1.4 versicolor
## 4          6.4         3.2          4.5         1.5 versicolor

4.arrange(),按某一列对整个表格进行排序

arrange(test, Sepal.Length) #默认从小到大排序

##   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
## 1          4.9         3.0          1.4         0.2     setosa
## 2          5.1         3.5          1.4         0.2     setosa
## 3          5.8         2.7          5.1         1.9  virginica
## 4          6.3         3.3          6.0         2.5  virginica
## 5          6.4         3.2          4.5         1.5 versicolor
## 6          7.0         3.2          4.7         1.4 versicolor

arrange(test, desc(Sepal.Length)) #用desc从大到小

##   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
## 1          7.0         3.2          4.7         1.4 versicolor
## 2          6.4         3.2          4.5         1.5 versicolor
## 3          6.3         3.3          6.0         2.5  virginica
## 4          5.8         2.7          5.1         1.9  virginica
## 5          5.1         3.5          1.4         0.2     setosa
## 6          4.9         3.0          1.4         0.2     setosa

arrange(test, desc(Sepal.Width),Sepal.Length) #按照多列进行排序

##   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
## 1          5.1         3.5          1.4         0.2     setosa
## 2          6.3         3.3          6.0         2.5  virginica
## 3          6.4         3.2          4.5         1.5 versicolor
## 4          7.0         3.2          4.7         1.4 versicolor
## 5          4.9         3.0          1.4         0.2     setosa
## 6          5.8         2.7          5.1         1.9  virginica

5.summarise()：汇总

对数据进行汇总操作,结合group_by使用实用性强
summarise(test, mean(Sepal.Length), sd(Sepal.Length))

##   mean(Sepal.Length) sd(Sepal.Length)
## 1           5.916667        0.8084965
计算Sepal.Length的平均值和标准差：
先按照Species分组，计算每组Sepal.Length的平均值和标准差
group_by(test, Species)

## # A tibble: 6 x 5
## # Groups:   Species [3]
##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species   
##          <dbl>       <dbl>        <dbl>       <dbl> <fct>     
## 1          5.1         3.5          1.4         0.2 setosa    
## 2          4.9         3            1.4         0.2 setosa    
## 3          7           3.2          4.7         1.4 versicolor
## 4          6.4         3.2          4.5         1.5 versicolor
## 5          6.3         3.3          6           2.5 virginica 
## 6          5.8         2.7          5.1         1.9 virginica

tmp = summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length));tmp

## `summarise()` ungrouping output (override with `.groups` argument)

## # A tibble: 3 x 3
##   Species    `mean(Sepal.Length)` `sd(Sepal.Length)`
##   <fct>                     <dbl>              <dbl>
## 1 setosa                     5                 0.141
## 2 versicolor                 6.7               0.424
## 3 virginica                  6.05              0.354

两个实用技能

1：管道操作 %>% (cmd/ctr + shift + M)
library(dplyr)
x1 = filter(iris,Sepal.Width>3)
x2 = select(x1,c("Sepal.Length","Sepal.Width" ))
x3 = arrange(x2,Sepal.Length)

colnames(iris)

## [1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"  "Species"

iris %>% 
  filter(Sepal.Width>3) %>% 
  select(c("Sepal.Length","Sepal.Width" ))%>%
  arrange(Sepal.Length)

##    Sepal.Length Sepal.Width
## 1           4.4         3.2
## 2           4.6         3.1
## 3           4.6         3.4
## 4           4.6         3.6
## 5           4.6         3.2
## 6           4.7         3.2
## 7           4.7         3.2
## 8           4.8         3.4
## 9           4.8         3.4
## 10          4.8         3.1
## 11          4.9         3.1
## 12          4.9         3.1
## 13          4.9         3.6
## 14          5.0         3.6
## 15          5.0         3.4
## 16          5.0         3.4
## 17          5.0         3.2
## 18          5.0         3.5
## 19          5.0         3.5
## 20          5.0         3.3
## 21          5.1         3.5
## 22          5.1         3.5
## 23          5.1         3.8
## 24          5.1         3.7
## 25          5.1         3.3
## 26          5.1         3.4
## 27          5.1         3.8
## 28          5.1         3.8
## 29          5.2         3.5
## 30          5.2         3.4
## 31          5.2         4.1
## 32          5.3         3.7
## 33          5.4         3.9
## 34          5.4         3.7
## 35          5.4         3.9
## 36          5.4         3.4
## 37          5.4         3.4
## 38          5.5         4.2
## 39          5.5         3.5
## 40          5.7         4.4
## 41          5.7         3.8
## 42          5.8         4.0
## 43          5.9         3.2
## 44          6.0         3.4
## 45          6.2         3.4
## 46          6.3         3.3
## 47          6.3         3.3
## 48          6.3         3.4
## 49          6.4         3.2
## 50          6.4         3.2
## 51          6.4         3.1
## 52          6.5         3.2
## 53          6.7         3.1
## 54          6.7         3.1
## 55          6.7         3.3
## 56          6.7         3.1
## 57          6.7         3.3
## 58          6.8         3.2
## 59          6.9         3.1
## 60          6.9         3.2
## 61          6.9         3.1
## 62          6.9         3.1
## 63          7.0         3.2
## 64          7.2         3.6
## 65          7.2         3.2
## 66          7.7         3.8
## 67          7.9         3.8
2：count统计某列的unique值
count(test,Species)

##      Species n
## 1     setosa 2
## 2 versicolor 2
## 3  virginica 2
处理关系数据:即将2个表进行连接，注意：不要引入factor
options(stringsAsFactors = F)

test1 <- data.frame(name = c('jimmy','nicker','doodle'), 
                    blood_type = c("A","B","O"))
test1

##     name blood_type
## 1  jimmy          A
## 2 nicker          B
## 3 doodle          O

test2 <- data.frame(name = c('doodle','jimmy','nicker','tony'),
                    group = c("group1","group1","group2","group2"),
                    vision = c(4.2,4.3,4.9,4.5))
test2 

##     name  group vision
## 1 doodle group1    4.2
## 2  jimmy group1    4.3
## 3 nicker group2    4.9
## 4   tony group2    4.5

test3 <- data.frame(NAME = c('doodle','jimmy','lucy','nicker'),
                    weight = c(140,145,110,138))
test3

##     NAME weight
## 1 doodle    140
## 2  jimmy    145
## 3   lucy    110
## 4 nicker    138

merge(test1,test2,by="name")

##     name blood_type  group vision
## 1 doodle          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")

##     name blood_type weight
## 1 doodle          O    140
## 2  jimmy          A    145
## 3 nicker          B    138
1.內连inner_join,取交集
inner_join(test1, test2, by = "name")

##     name blood_type  group vision
## 1  jimmy          A group1    4.3
## 2 nicker          B group2    4.9
## 3 doodle          O group1    4.2

inner_join(test1,test3,by = c("name"="NAME"))

##     name blood_type weight
## 1  jimmy          A    145
## 2 nicker          B    138
## 3 doodle          O    140
2.左连left_join
left_join(test1, test2, by = 'name')

##     name blood_type  group vision
## 1  jimmy          A group1    4.3
## 2 nicker          B group2    4.9
## 3 doodle          O group1    4.2

left_join(test2, test1, by = 'name')

##     name  group vision blood_type
## 1 doodle group1    4.2          O
## 2  jimmy group1    4.3          A
## 3 nicker group2    4.9          B
## 4   tony group2    4.5       <NA>
3.全连full_join
full_join(test1, test2, by = 'name')

##     name blood_type  group vision
## 1  jimmy          A group1    4.3
## 2 nicker          B group2    4.9
## 3 doodle          O group1    4.2
## 4   tony       <NA> group2    4.5
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 = 'name')

##     name blood_type
## 1  jimmy          A
## 2 nicker          B
## 3 doodle          O
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 = 'name')

##   name  group vision
## 1 tony group2    4.5
6.数据的简单合并
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 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
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

练习6-1

1.将iris数据框的前4列gather，然后还原
tmp <- iris
tmp_gather <- tmp %>% 
  gather(key = bioinformation, value = number, -Species)
head(tmp_gather)

##   Species bioinformation number
## 1  setosa   Sepal.Length    5.1
## 2  setosa   Sepal.Length    4.9
## 3  setosa   Sepal.Length    4.7
## 4  setosa   Sepal.Length    4.6
## 5  setosa   Sepal.Length    5.0
## 6  setosa   Sepal.Length    5.4

tmp_re <- tmp_gather %>%
  group_by(bioinformation) %>% 
  mutate(id=1:n()) %>%
  spread(bioinformation,number)
head(tmp_re)

## # A tibble: 6 x 6
##   Species    id Petal.Length Petal.Width Sepal.Length Sepal.Width
##   <fct>   <int>        <dbl>       <dbl>        <dbl>       <dbl>
## 1 setosa      1          1.4         0.2          5.1         3.5
## 2 setosa      2          1.4         0.2          4.9         3  
## 3 setosa      3          1.3         0.2          4.7         3.2
## 4 setosa      4          1.5         0.2          4.6         3.1
## 5 setosa      5          1.4         0.2          5           3.6
## 6 setosa      6          1.7         0.4          5.4         3.9

小洁老师本人的解答

2.将第二列分成两列（以小数点为分隔符）然后合并
#### 点号表示任意字符
x=separate(test,
           Sepal.Width,
           into = c('a','b'),
           sep = "\\.") 

## Warning: Expected 2 pieces. Missing pieces filled with `NA` in 1 rows [2].

x$b <- replace_na(x$b,0);x 

##   Sepal.Length a b Petal.Length Petal.Width    Species
## 1          5.1 3 5          1.4         0.2     setosa
## 2          4.9 3 0          1.4         0.2     setosa
## 3          7.0 3 2          4.7         1.4 versicolor
## 4          6.4 3 2          4.5         1.5 versicolor
## 5          6.3 3 3          6.0         2.5  virginica
## 6          5.8 2 7          5.1         1.9  virginica

x_re=unite(x,
           "Sepal.Width",
           a,b,sep = ".");x_re

##   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
## 1          5.1         3.5          1.4         0.2     setosa
## 2          4.9         3.0          1.4         0.2     setosa
## 3          7.0         3.2          4.7         1.4 versicolor
## 4          6.4         3.2          4.5         1.5 versicolor
## 5          6.3         3.3          6.0         2.5  virginica
## 6          5.8         2.7          5.1         1.9  virginica

x_re$Sepal.Width <- as.numeric(x_re$Sepal.Width)
str(x_re)

## 'data.frame':    6 obs. of  5 variables:
##  $ Sepal.Length: num  5.1 4.9 7 6.4 6.3 5.8
##  $ Sepal.Width : num  3.5 3 3.2 3.2 3.3 2.7
##  $ Petal.Length: num  1.4 1.4 4.7 4.5 6 5.1
##  $ Petal.Width : num  0.2 0.2 1.4 1.5 2.5 1.9
##  $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 2 2 3 3
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
  • 人面猴
    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 204,921评论 6赞 478
  • 死咒
    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 87,635评论 2赞 381
  • 救了他两次的神仙让他今天三更去死
    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 151,393评论 0赞 338
  • 道士缉凶录：失踪的卖姜人
    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 54,836评论 1赞 277
  • 港岛之恋（遗憾婚礼）
    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 63,833评论 5赞 368
  • 恶毒庶女顶嫁案：这布局不是一般人想出来的
    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 48,685评论 1赞 281
  • 城市分裂传说
    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 38,043评论 3赞 399
  • 双鸳鸯连环套：你想象不到人心有多黑
    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 36,694评论 0赞 258
  • 万荣杀人案实录
    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 42,671评论 1赞 300
  • 护林员之死
    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 35,670评论 2赞 321
  • 白月光启示录
    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 37,779评论 1赞 332
  • 活死人
    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 33,424评论 4赞 321
  • 日本核电站爆炸内幕
    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 39,027评论 3赞 307
  • 男人毒药：我在死后第九天来索命
    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 29,984评论 0赞 19
  • 一桩弑父案，背后竟有这般阴谋
    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 31,214评论 1赞 260
  • 情欲美人皮
    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 45,108评论 2赞 351
  • 代替公主和亲
    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 42,517评论 2赞 343