框内的数字是行变量和列变量之间的相关系数R，相关系数R绝对值越大，颜色越深（红正，蓝负）。统计学中，P值越小相关性越显著，一般来说 一个*代表显著相关（P值为0.01，选取不同参数可能不一样）、两个**代表极显著相关（P值为0.001）、三个***代表极极显著相关（P值为0.0001）. 图中还可以看出，相关系数R的绝对值0.67（变量P50与T之间）以上的都显著相关，至少一个*。符合一般关于相关系数R值的显著性统计。
1. NaN
R中的无定义数用NaN表示，即“Not a Number（非数）”。
不过在R中，R实际上是把NaN视作一个数的，当其参与运算时，返回结果总是NaN。我们可以使用is.nan()函数来检测计算结果有无定义，但是需要注意的是，对于NaN而言，is.finite()和is.infinite()都会返回FALSE。
2. NA
NA表示缺失值，即“Missing value”，是“not available”的缩写
3. Inf
R中的无穷大用Inf表示（即Infinity，无穷大），负无穷表示为-Inf。
要检查一个数是否为无穷，可以使用is.finite()或者is.infinite()函数
3. NULL
R语言中，NA代表位置上的值为空，NULL代表连位置都没有，变量为空，其长度为0，表明“空无一物”
将两个数据进行除法运算
而log2_foldchange就是我们需要的数据，发现里面有许多 NaN、 -Inf 、Inf ，想办法进行数据清洗。
都到这一步了，再绘制两个图形玩玩:
R语言中的几种数据结构一 R中对象的5种基本类型
字符（character）
整数 （integer）
复数（complex）
逻辑（logical：True/False）
数值（numeric：real numbers）
查看对象类型的命令：class(x)
二 R语言中有如下几种数据结构：
向量 vector() 组内元素必须类型一致，否则将会被强制转换。
(1) 创建向量的三种方式：
<span style="font-size:18px">x <- vector("numeric", length = 10)
x <- 1:4
x <- c("a",12,TRUE)</span>
(2) 强制转换的几个函数：
as.numeric(x) / as.character(x) / as.logical(x)
矩阵 matrix()一列一列的填充元素
按行合并：rbind()按列合并：cbind()
数组 array() 可以有多个维度
列表 list() 可以包含不同类型的元素
因子 factor()
(1) 分类数据/有序 vs. 无序
(2) 整数向量+标签（label）（优于整数向量）
Male/Female vs. 1/2
常用于lm(),glm()
(3) levels设置基线水平
table() 查看因子信息unclass() 去除因子属性日期
x <- Sys.Date() 得到系统当前日期
julian(x) x距离1970-01-01的天数
时间 POSIXct / POSIXlt
POSIXct：整数，常用于存入数据框 as.POSIXct()
POSIXlt：列表，还包含星期、年月日等信息。as.POSIXlt()
strptime(x, format = "...") 将一般格式转化为时间格式
