install.packages('xslx')
library(xlsx)
Sys.setlocale("LC_ALL", "zh_cn.utf-8")
a=read.xlsx2('d:/1.xlsx',1,header=F)
2.计算平均值
数据集a中有变量：因变量y，自变量x
install.packages('Rmisc')
library(Rmisc)
单因素：求y的平均值，以x为分类变量
a1=summarySE(a,measurevar='y', groupvars=c('x'))
双因素：求y的平均值，以x1和x2为分类变量
a1=summarySE(a,measurevar='y', groupvars=c('x1','x2'))
如果是简单数据，数据集a中有变量：只有因变量y，没有自变量x。求y的平均值代码如下：
mean(a$y)
如下：
数据集a有变量：x1，x2，x3等等
求各变量的均值方差，代码如下：
mean(a$x1) var(a$x1)。
mean(a$x2) var(a$x2)。
mean(a$x3) var(a$x3)。
……
如果有无效值，需要在括号内加入na.rm=T。
R是用于统计分析、绘图的语言和操作环境。
R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。
R可以看作贝尔实验室（AT&T BellLaboratories）的Rick Becker、John Chambers和Allan Wilks开发的S语言的一种实现。当然，S语言也是S-Plus的基础。
所以，两者在程序语法上可以说是几乎一样的，可能只是在函数方面有细微差别，程序十分容易地就能移植到一程序中，而很多一的程序只要稍加修改也能运用于R。
在基因芯片数据或其他类型数据中，采用计算所有样本的平均值从而进行填充，如果需要用中位数或其他统计量填充时只需修改相应的方法即可
#1. 检查是否有缺失值
which(is.na(mRNA),arr.ind = T)
#2. 计算行均值并填充
#该数据中探针（基因）为行（名），样本为列（名），（数据框内容为表达量数据值型数据数据）格式可见文章最后
row_mean <- apply(mRNA,1,mean,na.rm =T) #1是行，2是列，若用其他方法修改mean即可
mRNA$MEAN <- row_mean
ncol = 样本数
for (i in 1:nrow(mRNA)) {
mRNA[i,is.na(mRNA[i,])] <- mRNA[i,ncol]
}
