R语言数据结构主要有以下四种:
向量:一串相同类型的数据,不限于数字,字符,逻辑都可以,单独拿出来的一列。什么是看做一个整体,一个向量里有若干个数据,它们组成一个整体之后,可以拥有一个共同的名字。
以下主要讲向量:
向量就是一串数据,串联在一起,组成一个整体,向量由元素组成。
很长的向量要么从数据框提取一列,或是有规律地生成,如连续的数据:
paste0函数连接两个向量,逗号 , 前后各有一个向量,如字符型和数值型向量。
paste0和paste的区别是:
paste0函数 把两个向量的元素一一对应进行 无缝 连接,而 paste函数 把两个向量的元素一一对应进行 空格 连接。paste函数有默认值为空格,在空格处把空格去掉sep=""引号里把默认的空格去掉,即什么没有,就变成无缝连接,也可以用其它的符号连接sep="/",sep="_"等。
数值型、字符型、逻辑型:只要有字符型在,用c()生成向量为字符型。只有逻辑型和数值型,用c()生成向量为数值型。
c()函数生成向量时,要求为生成同一种数据类型
注意的地方:
变量名 :c()为生成向量函数,一般除字母c外,取单个字母或是单词及缩写,组成变量名的字母之间不要有空格,不能以数字为变量名或是以数字开头,变量名不能是中文名,特殊符号等。
<- 与c()函数之间没有空格。
<- 的快捷键输入:
mac电脑: option 和 - ;
windows电脑: Alt 和 -
= 在任何情况下可替代 <- ,但是 = 除了赋值,还有其它用法,比如函数里参数用法。 <- 不能在任意情况下代替 = 。
强大的计算是体现在批量计算上,先把一些数据组成一个整体,
还是以向量x为单位进行
其中五个重要函数,一定要掌握。
能用函数代替的东西,坚决不用手和眼睛去数,比如length()统计向量元素个数。
结论:unique(x)与x[!duplicated(x)]函数相同
用identical()可以判断两个函数是否相同(数据结构与数据类型是否完全相同)
重点和难点:
x==y :x和对应位置的y相等吗?(x和y里的元素,按顺序一一对应比较,讲究位置对应,两者里第一个元素相同就返TRUE,比较完两个向量的第一位置上的元素,接着比较两个向量第二个位置元素...到两个向量最后)。
x和y不一样长:理解“循环补齐”
结论: 如果x与y的向量元素长度不相等,以长度向量说了算,不是由在==前的向量决定。
x%in%y :x的每个元素在y中存在吗?(x的元素挨个到y里和所有元素比较,在y里有的相同的返回TRUE,不讲究位置,有就是TRUE,没有为FALSE)。比如y向量加了一个元素2,返回还是9个逻辑值,返回的逻辑值是与x一一对应,和y没有关系。
加减乘除,两个向量直接可以进行,等位运算。前提是两个向量必须等长,即元素个数一样。
用paste0或是paste连接两个向量,两个向量的长度(元素个数)不一致,循环补齐。
intersect(x,y),union(x,y),setdiff(x,y),setdiff(y,x),x与y顺序颠倒(setdiff()与%in%有点儿相似)。
[] :取子集符号,将TRUE对应的值挑选出来,FALSE丢弃.
例:在13个数中,取出大于7的数,首先把13个数值组成一个向量x,x>7返回是逻辑值。
取值子集的对象放在中括号的外面,取子集的逻辑值向量放在中括号里面。
单独运行中括号里的向量,中括号里各种条件的返回结果有共同的规律,是一个与x等长的逻辑值向量。
下标:代表在哪个位置上。
符号 : []
按照逻辑值: 中括号里是与x等长的逻辑值向量
按照位置: 中括号里是由x的下标组成的向量(支持反选)
思考:从13个彩色(绿,蓝,黄)球中,选出属于蓝色和绿色的:
使用x %in% y还是x ==y,用x %in% y,不是等位循环补齐运算,%in%比较灵活,可以在很多场景中使用,如3选2,50选2,50选20等。
13个球的颜色赋值给向量x,蓝色和绿色赋值给y。
x %in% y
x[x %in% y]
修改向量的元素,修改x里的第四个元素
注意:R于语言里所有的修改,都要赋值,没有赋值就是没有发生过
把随机函数生成的数永远为一组数据:用随机函数生成向量,后运行set.seed(10086)
x[match(y,x)] 和 x[order(x)]
排序,如何调整元素顺序
结论:sort(x)等于x[order(x)],背诵下来
两个向量没有做关联的操作,可以用order函数排序对应信息
向量匹配排序-match,match函数是连线用的
x[match(y,x)] 的以后用法:以y作为模版,给x调顺序。
match:谁在中括号外面,谁就在后面, x[match(y,x)] ,以y作为模板,用x作为原料去取子集,按照一个顺序取子集,取出来的子集和y一样。
需要背诵的两个用法: x[match(y,x)] 和 x[order(x)]
练习题:在以下x和y表格里如何将y的列名一对一替换为ID
切换Rproj的时候出现弹窗:是否将工作空间保存到 .Rdata ?
答案是:不保存,之前单独保存好脚本和图片,这里出现的提示是否临时保存,不需要保存。
.Rdata ?是什么:
以 . 开头的文件,通常用作配置,系统默认隐藏这类文件
.Rdata 是保存工作空间的默认文件
.History 是保存历史命令的默认文件
如果打开Rstudio特别慢,可能是因为 .Rdata 保存了很大的变量,可以找到 .Rdata 文件将其删除。
在Rproj右下角打开脚本时,编辑器脚本的中文注释出现乱码,解决如下:
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。
之前学习过R语言,那时对向量认识不够深,也没有重视,数据框的列单独拿出来就是一个向量。认真听小洁老师的讲解以及最近跑几个GEO数据集发现学会对向量的熟练操作以及熟练一些重要的函数,在实战过程中会顺利些。
R语言中,和排序相关的常用函数有: order() , sort() , rank() ,一般是对向量进行操作,也可以对数据框的列进行操作。
1. order(..., decreasing = FALSE)
“...” 中可以是一个向量(数值型,字符型,逻辑型, 因子型 均可),也可以是多个向量( 长度必须相同 )
它返回的是排列后(默认是升序)的元素在该向量中所处的位置,即 索引 ,所以返回的不是原来向量的那些数值,而是排序后那些数值所对应的位置。它在常在数据框中运用,可以根据某一列和某几列来调整数据框。
1.1 单个向量
1.2 多个向量(数据框的多列)
上面最左边的一列数值(不是var1这一列)就是 order(df$var1) 生成的,列var1的顺序就是order后的,注意和前面df 的列var1进行比较,还有一点要牢记的就是这种在数据框里的调整,是 整行变动(都按列var1来) 。故而本质上,对于数据框而言, order函数出来的是原始数据框中的行号,行号顺序一变,意味着行号代表的整行跟着变 。
接着再按列var2排序(注意是在列var1已经排好的基础上再按列var2重新排序,即此时列var1里的 非重复值的行顺序不会再变了,只有列var1里有重复值(数值相同的)的行才会变换 ,而且是按照列var2来变换,。如还要按其它列再排,以此类推):
最后再按列var3排序,此时只有列var2中 有重复值的行 (当然这时var1肯定也是重复的)才会变换------这里是含有9的那两行,并且是按照这些重复值对应到列var3的那些行的数值(数值1和2)来变的
总结提升,order()函数中,如果第一个向量(或者说是数据框里你想要根据它来调整的那一列)里没有重复值,那么按照后面的所有向量(不管有多少个)的重排都不会进行(或者说重排的结果不会变),order(vec1,vec2,vec3,...) 返回的行号及其顺序和 order(vec1) 的是一样。
同理,也可以处理对应的行(比如矩阵或是数据框的行)
1.3 factor(因子型向量)
2. sort(x, decreasing = FALSE)
x 只能是 一个 向量(数值型,字符型,逻辑型, 因子型 均可)
返回的是排序后(默认是升序)的那个数值向量( 还是那些数值,只不过是排序过了的 )
3. rank(x, na.last = TRUE)
求秩的函数,x 只能是 一个**向量(数值型,字符型,逻辑型), 该向量一般不会有重复值 ,返回的是该向量中对应元素的“排名”,即元素顺序它不会改变,只是告诉你每个元素在整个向量中的名次(如果要排序(默认是升序)的话)。
如果向量有重复值,出现的结果会有些不太好处理
匹配两个向量,返回的是第一个向量 x中的各个元素在第二个向量 y中所匹配的元素的位置值(索引,下标值),即 返回的是第二个向量的下标值组成的向量 。
注意事项:
1. 返回的下标值向量的长度与第一个向量相等,即 length(x) == length(match(x,y)) 为 TRUE。
2. 第一个向量可以是只有一个元素的向量。
3. 两个向量的长度不一定要相等。
4. 返回的是 x中每个元素在y中的位置,可用来提取y中的元素,没有匹配上的会返回 NA。
拓展用法:
y [match(x, y)] : x中 和y 相同的元素都是哪些,前提是x中的元素在y中都有(即x是y的子集),否则会返回 NA。( 最好是用x[ x %in y] )
y[-match(x, y)] : 找出 y里面有 x里面没有的数值,前提是x中的元素在y中都有(即x是y的子集),否则会报错。
当两个向量类型不一样时, match函数会进行类型转换,然后再匹配。
x %in% y
判断x中的元素是否都在y中,返回的是个长度和 x 一样的逻辑值向量,存在的话返回TRUE,否则返回FALSE。
sum(x %in% y) : 统计 x 中有多少个元素在y中,或者说 x 和 y 有几个相同元素
x[x %in% y] :x中 和y 相同的元素都是哪些
sort()是对向量进行从小到大的排序rank()返回的是对向量中每个数值对应的秩
order()返回的值表示位置,依次对应的是向量的最小值、次小值、第三小值......最大值
rank() sort() order() 和 reorder()
data<=c(2,3,6,1)
reorder()函数在ggplot2中见过:
x = reorder(Var1, -Freq) Var1是分类变量,Freq是数值型变量
help(recorder) 的结果:
Reorder Levels of a Factor
Description
reorder is a generic function. The "default" method treats its first argument as a categorical variable, and reorders its levels based on the values of a second variable, usually numeric.
Usage
reorder(x, ...)
Default S3 method:
reorder(x, X, FUN = mean, ...,
order = is.ordered(x))