Part2：数据类型和向量

1.数据类型

• 三种类型

  • 数值型：1 ，2

• 字符型：’a' 'm'

  • 逻辑型

    • TRUE: T

    • FALSE：F

    • NA

• 判断数据类型函数：class（）

  • 逻辑运算 多个逻辑条件的连接与&、或|、非!

• 判断函数

  • is.numeric()
  • is.logical()
  • is.charactor()

• 转换

  • as.numeric()
  • as.logical()
  • as.charactor()

2.数据结构

• 向量
  • 向量则是数据框单独拿出的一列，视为一个整体
  • 一个向量只能有一种数据类型，可以有重复值
• 数据框
  • ​ 数据框约等于表格
• 矩阵
• 列表

3.向量

• 2.1向量的生成

  • 用c()逐一放到一起
  • 连续的数字用冒号”:”
  • 有重复的用rep(),有规律的序列用seq(),随机数用rnorm
    • rep("gene",times=3)
    • seq(from=3,to=21,by=3)
    • rnorm(n=3)

  • paste0()
    image-20201118161221541.png

• tips：数据类型转换的优先顺序

  • 数值型和逻辑型优先转换为字符型
  • 逻辑型优先转换为数值型

• 2.2对一个向量进行的操作

  • 1.赋值

    • x = c(1,3,5,6,2) #随意的写法
    • x <- c(1,3,5) #规范的赋值符号
    • 赋值+输出一起执行：
      • （x <- c(1,3,5)）
      • x <- c(1,3,5);x

  • 2.简单数学计算

    > x+1 [1] 2 4 6 2
    > log(x) [1] 0.000000 1.098612 1.609438 0.000000
    > sqrt(x) [1] 1.000000 1.732051 2.236068 1.000000
    

• 3.根据某条件进行判断，生成等长的逻辑向量

  > x>3 [1] FALSE FALSE TRUE FALSE
  > x==3 [1] FALSE TRUE FALSE FALSE
  

• 4.初级统计

  max(x) #最大值
  min(x) #最小值
  mean(x) #均值
  median(x) #中位数
  var(x) #方差
  sd(x) #标准差
  sum(x) #总和
  
  >length(x) #长度
  [1] 4
  > unique(x) #去重复
  [1] 1 3 5
  > duplicated(x)
  [1] FALSE FALSE FALSE TRUE
  > table(x) #重复值统计
  x
  1 3 5
  2 1 1
  > sort(x)
  [1] 1 1 3 5
  

• 2.3对两个向量进行的操作

  • 1.逻辑比较，生成等长的逻辑向量

    x = c(1,3,5,1)
    y = c(3,2,5,6)
    
    x == y
    [1] FALSE FALSE TRUE FALSE
    
    x %in% y #x的元素是否在y中
    [1] FALSE TRUE TRUE FALSE
    

• 2.数学计算

  x + y                                     
  

• 3.“连接”

  paste(x,y,sep=":")
  [1] "1:3" "3:2" "5:5" "1:6"
  

• 4.交集、并集、差集

  intersect(x,y)
  [1] 3 5
  union(x,y)
  [1] 1 3 5 2 6
  setdiff(x,y)
  [1] 1
  setdiff(y,x)
  [1] 2 6
  

• 5.当两个向量长度不一致：循环补齐

image-20201118165909004.png

* 利用循环补齐简化代码

image-20201118170155239.png

4.向量筛选

• （取子集） [ ]：将TRUE对应的值挑选出来，FALSE丢弃

• 根据逻辑值：中括号里是与x等长的逻辑值向量

image-20201118170518680.png

• 根据位置：中括号里是由x的下标组成的向量

image-20201118170645934.png

5.修改向量中的元素

• 修改某个元素

  x =8:12;x 
  [1]8 9 10 11 12
  
  x[4] <- 40
  取子集+赋值
  

• 修改某些元素

  x =8:12;x
  [1]8 9 10 11 12
  
  改符合某个逻辑条件的多个元素
  x[x>10] <- 10
  

6.简单向量作图

> k1 = rnorm(12)
> k2 = rep(c("a","b","c","d"),each = 3)
> plot(k1)
> boxplot(k1~k2)

7.向量匹配排序

match：谁在外面，谁就在后面

y[match(x,y)]

8.矩阵(matrix)

所有列的数据类型相同，两个维度（行数和列数）

image-20201120153606662.png

• 矩阵新建和取子集

  m <- matrix(1:9, nrow = 3)
  
  m[2, ]
  m[, 1]
  m[2, 3]
  m[2:3,1:2]
  

• 矩阵的转置和转换

  t(m)      #将行变成列，列变成行
  
   as.data.frame(m)         #将矩阵转换为数据框
  

• 矩阵画热图

   pheatmap::pheatmap(m)
    pheatmap::pheatmap(m,cluster_cols = F,cluster_rows = F)     #默认的设置不符合你心意，那就自定义
  

9.数据框(data.frame)

多个长度相同、数据类型可以不同的向量按列组合

image-20201120153736664.png

1.数据框来源

（1）在R中新建

（2）由已有数据转换或处理得到

（3）从文件中读取

（4）内置数据集

2.新建数据框

• 本质上是向量按列组合

  df <- data.frame(gene =c("gene1","gene2","gene3"),
                sam = c("sample1","sample2","sample3"),
                exp = c(32,34,45))
  df <- data.frame(gene = paste0("gene",1:3),
                sam = paste0("sample",1:3),
                exp = c(32,34,45))
  

• 读取数据框

df2 <- read.csv("gene.csv")

3.数据框属性描述

• 维度（有几行几列）

  dim(df)
  nrow(df) /ncol(df)
  

• 行名/列名

rownames(df)/colnames(df)

4.数据框取子集（一个、一行、一列）

4.1

• df[2,2]  #数据框[行，列]
  

• df [2,]   #取第二行
  df [,2]   #取第二列
  

• df[c(1,3),1:2]    #对行和列进行选择
  

4.2根据行名或列名

df[,“exp”]
df[,c(“gene”,“exp”)]

进阶—理解以下代码

df[,ncol(df)]      #选取最后一列
df[,-ncol(df)]     #删除最后一列

4.3提取列的常用操作

 df$exp
 
 能对向量进行的计算和统计，都能对df$exp做

• max(df$exp) 最大值
• min(df$exp) 最小值
• range(df$exp) 数值的范围
• mean(df$exp) 均值
• median(df$exp) 中位数
• var(df$exp) 方差
• sd(df$exp) 标准差
• length(df$exp) 长度
• sum(df$exp) 总和

5.数据框编辑

• 取子集$或[] +赋值操作

df[3,3]<- 5
df$abc <-c(23,15,37)

df$abc <-c(23,15,37)        #新增一列，如果原数据框没有这个列名

• 误操作该怎么办？

  • 对df多次赋值，以最后一次为准
  • 运行了错误的代码，不能撤销，但可以覆盖或重来

• 修改行名和列名

  rownames(df) <- c("r1","r2","r3")    #改全部行名
  rownames(df)[2] <-"x"                #改一个行名
  

6.数据框进阶

• 行数较多的数据框可截取前/后几行查看

  head(data.frame)      #查看数据框全部的行
  head(data.frame，3)    #查看数据框的前3行
  

• 行列数都多的数据框可取前几行前几列查看

  iris[1:3,1:3]     #数据框[]
  

• 查看每一列的数据类型和具体内容

  str(df)
  

• 去除含有缺失值的行：

  na.omit(df)   #仅按照某一列来去除缺失值、缺失值替换：tidyr包
  

• 两个表格的连接

  cbind     #按列连接,行数相同
  rbind     #按行连接,列数相同
  
  merge(test1,test2,by="name")      #共同列的列名
  merge(test1,test3,by.x = "name",by.y = "NAME")
  

• 6)如果列名顺序错乱，如何按照指定顺序重排？

https://mp.weixin.qq.com/s/rA92iZS8HUiuwlyrPirHdA

10.列表(list)

长度可以不同、数据类型可以不同 向量 数据框 矩阵或数据框 列表 没有行和列的概念，可以有多级元素

image-20201120153917317.png

• 列表新建和取子集

  l <- list(m = matrix(1:9, nrow = 3),
        df = data.frame(gene = paste0("gene",1:3), sam = paste0("sample",1:3), exp = c(32,34,45)),
        x = c(1,3,5))
        
  [[2]] l$df        #取子集
  

11.删除变量

 rm(l)          #删除一个
 rm(df,m)       #删除多个
 rm(list = ls())        #删除全部
 ctrl+l         #清空控制台

12.元素的“名字”-names()

元素可命名，用函数names()，可根据名字提取子集，向量、数据框、列表通用。

image-20201121162646036.png