R语言数据结构主要有以下四种：

四种数据结构，重点掌握 向量 和 数据框

判断数据结构的函数： class()

向量的详细讲解在上一篇文章，以下主要讲数据框，矩阵，列表：

以下大部分操作使用的数据框为df

几个重要的函数：查看数据框的行数和列数，行名和列名；以及单独查行的数量，列的数量

数据框取子集有几种方法 ： $ 符号，坐标，名字，逻辑值

在 [,] 里，行在前面（左边），列在后面（右边），行与列用逗号 , 隔开： [行,列]

中括号里的逗号，表示维度的分割

数据框按照逻辑值取子集，TRUE对应的行/列留下，FALSE对应的行/列去掉。

修改第二列的列名，就是修改列名这个向量的第二个元素

https://blog.csdn.net/weixin_39718006/article/details/110516670

后续的笔记会有详细介绍

矩阵不能用 $ 符号取子集

t()：转置函数，行与列的互换

as.data.frame()：转换，把矩阵变为数据框 ，用as.matrix()函数也能把数据框变为矩阵

聚类，相似的行，相似的列会聚在一起。热图自动聚类，行和列的相对位置发生了变化，只是列与列，行与行之间的变化规律。

![热图自动聚类]]( https://upload-images.jianshu.io/upload_images/17511166-f6e2432a04cffbbe.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240 )

热图默认聚类，修改参数，不让聚类，热图与表达矩阵对应。

默认的设置不符合自己的预期，可以子啊作者允许的范围内定义。

查看函数帮助文档，参考修改，达到自己的要求。

列表没有列名和行名，只有元素的名字。列表可以由数据框，矩阵，向量，单独的一个数字都可以组成。

列表没有行和列的概念，只有元素，取子集的两种方式： [[]] ， $ ，

$ 有两个作用：数据框取子集和列表取子集。在矩阵和向量里不能用 $ 。

用 class() 函数更能具体说明问题， 判断数据结构和数据类型

以上内容是听 生信技能树 小洁老师的 R语言线上课 ，根据自己的理解记录下来，小洁老师授课非常细心，对不同水平的同学都照顾到，并且补充很多技巧以及注意事项。

认识R语言的四种数据结构，小洁老师强调重点掌握向量和数据框，在实战中遇到很多数据结构都是数据框，表达矩阵可以转化为数据框，数据框的一列可以看做是一个向量。小洁老师把实战中会需要的操作融入到练习题，在实战中能联想起小洁老师讲过的知识点。

阵是一个二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型）。可通

过函数matrix()创建矩阵。一般使用格式为

其中vector包含了矩阵的元素，nrow和ncol用以指定行和列的维数，dimnames包含了可选

的、以字符型向量表示的行名和列名。选项byrow则表明矩阵应当按行填充（byrow=TRUE）

还是按列填充（byrow=FALSE），默认情况下按列填充

数组（array）与矩阵类似，但是维度可以大于2， 数组可通过array函数创建，形式如下：

myarray <- array(vector, dimensions, dimnames)

其中vector包含了数组中的数据，dimensions是一个数值型向量，给出了各个维度下标的最大

值，而dimnames是可选的、各维度名称标签的列表

由于不同的列可以包含不同模式（数值型、字符型等）的数据，数据框的概念较矩阵来说更

为一般。它与你通常在SAS、SPSS和Stata中看到的数据集类似。数据框将是你在R中最常处理的

数据结构

数据框可通过函数data.frame()创建

其中的列向量col1、col2、col3等可为任何类型（如字符型、数值型或逻辑型）。每一列的名

称可由函数names指定

每一列数据的模式必须唯一，不过你却可以将多个模式的不同列放到一起组成数据框。由于数据框与分析人员通常设想的数据集的形态较为接近，我们在讨论数据框时将交替使用术语列和

变量

类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor）。因子在R中非常重要，因为它决定了数据的分析方式以及如何进行视觉呈现

函数factor()以一个整数向量的形式存储类别值，整数的取值范围是[1...k]（其中k是名义型变量中唯一值的个数），同时一个由字符串（原始值）组成的内部向量将映射到这些整数上

对于字符型向量，因子的水平默认依字母顺序创建。这对于因子status是有意义的，因为

“Excellent”“Improved”“Poor”的排序方式恰好与逻辑顺序相一致。如果“Poor”被编码为

“Ailing”，会有问题，因为顺序将为“Ailing”“Excellent”“Improved”。如果理想中的顺序是“Poor” “Improved”“Excellent”，则会出现类似的问题。按默认的字母顺序排序的因子很少能够让人满意.

你可以通过指定levels选项来覆盖默认排序。例如：

各水平的赋值将为1=Poor、2=Improved、3=Excellent。请保证指定的水平与数据中的真实值

相匹配，因为任何在数据中出现而未在参数中列举的数据都将被设为缺失值。数值型变量可以用levels和labels参数来编码成因子。如果男性被编码成1，女性被编码成2，则以下语句

列表（list）是R的数据类型中最为复杂的一种。一般来说，列表就是一些对象（或成分，component）的有序集合

数据框(data.frame)是R中最常处理的数据结构。

函数：data.frame(col1,col2,col3,....,row.name=NULL, check.rows = FALSE, check.names=TRUE, stringsAsFactors = default.stringsAsFactors())

其中的列向量col1, col2, col3,...可为任何类型(如字符型、数值型或逻辑型)，每一列的名称可由函数names指定；

row.name用于指定各行（样本）的名称，默认没有名称，使用从1开始自增的序列来标识每一行；

check.rows用于用来检查行的名称和数量是否一致，默认为FALSE；

check.names来检查变量（列）的名称是否唯一且符合语法，默认为TRUE；

stringsAsFactors用来描述是否将字符型向量自动转换为因子，默认转换，若不改变的话使用stringsAsFactors = FALSE来指定即可。

每一列数据的模式必须唯一，不过你却可以将多个模式的不同列放到一起组成数据框。

先构建向量，再组成数据框。

直接用data.frame函数构建数据框。

R语言的下标索引是从1开始的，且下标索引为负数的话表示删除某个元素。

[] 可进行索引，括号内对应的是[行下标, 列下标]。

[1] 1 2 3 4 5 6 7 8

[1] "four"

[1] 1 2 3 4 5 6 7 8

[1] "four"

[1] 1 2 3 4 5 6 7 8

[1] "one" "two" "three"

attach、detach和with()

函数attach()可将数据框添加到R的搜索路径中。

函数detach()将数据框从搜索路径中移除。

函数attach()和detach()最好在你分析一个单独的数据框，并且不太可能有多个同名对象时使用。

with()就是把所有操作都限制在数据框上。

The following objects are masked by .GlobalEnv:

[1] 1 2 3 4 5 6 7 8

[1] "n1" "n2" "n3" "n4" "n5" "n6" "n7" "n8"

[1] 8

[1] 3

[1] 8

[1] "name""values" "values2"

[1] "r1" "r2" "r3" "r4" "r5" "r6" "r7" "r8"

[1] 8 3

[1] "data.frame"

[1] "numeric"

[1] "character"

Length:8 Min. :1.00 Min. :1.00

Class :character 1st Qu.:2.75 1st Qu.:2.75

Mode :character Median :4.50 Median :4.50

Mean :4.50 Mean :4.50

3rd Qu.:6.25 3rd Qu.:6.25

Max. :8.00 Max. :8.00

[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

---