开始一个新的R语言数据分析新项目，管理脚本、图片、文件的推荐方式：打开Rstudio，新建Rproject，新建脚本（脚本存放在生成的Rproject文件夹中）。
若要逆着优先顺序操作，将返回NA
x %in%y是判断x中的每一个元素是否在y中存在。
若x和y长度不一致，返回x个TRUE或者FALSE。
⚠️练习：按如下方式生成test数据框，提取test中，最后一列值为a或c的行，组成一个新的数据框，赋值给test2。
这里如果使用==来判断，就相当于拿test$n的15个值与c('a','c')的2个值来一一对应着比对，因为两者长度不同，会发生循环补齐，其效果如下图，明显不是我们想要的结果。
x%in%y：选出x是y中一个值时的所有行
另：取交集、差集、并集的函数为：intersect(x,y)、union(x,y)、setdiff(x,y)、setdiff(y,x)
match函数的用法参考： https://blog.csdn.net/woodcorpse/article/details/84927296
使用match函数修改矩阵的信息
方法1--设置CRAN镜像：打开R studio，点击tools--global option--packages，选择Package CRAN reposotory。
方法2--设置CRAN和bioconductor镜像
用于读取/导出文件的R包
rio可以不用区分读入文件类型，大部分文件可直接用import()读取。
@ 是R中，S4类的一个操作符， 用于提取S4对象中的内容（slot） ，比如：
这个时候$是不起作用的，因为被S4类重写了。可以自己定义$的行为。
⚠️： matrix不能直接用$取列
⚠️因此如果想取数据框中的部分行，在方括号中直接输入行数即可，返回的仍然是数据框。但如果加了逗号，会丧失数据框的格式，也就是会使数据框的行名（往往是基因名）丢失。
后面存图时可以用paste0连接GSE编号和图片类型及后缀，这样不同数据的分析得到的图片名就跟数据相一致。
通过将变量因子化来设置柱条的顺序
数据准备
函数：legend(location, title, legend, ....)
参数详解：
x和y：用于定位图例，也可用关键词"bottomright", "bottom", "bottomleft", "left", "topleft", "top", "topright", "right" 和 "center"；当图例用关键词设置位置后，inset = 分数，可以设置其相对位置；
legend：指定图例标签，字符或表达式向量；
fill：用特定的颜色进行填充；
col：设置图例中出现的点或线的颜色；
border：当fill = 参数存在的情况下，用于指定填充的边框颜色；
lty, lwd：图例中线的类型与宽度；
pch：点的类型；
angle：阴影的角度；
density：阴影线的密度；
cex：指定图例显示大小；
bg：指定图例的背景色；
bty：指定图例框是否画出，默认o为画出，n为不画出；
box.lty, box.lwd, box.col： 设置图例边框线型，线粗，颜色，box.lty为虚线，box.lwd决定粗线，box.col决定颜色；
pt.bg：图例中点的背景色；
pt.cex：图例中点的大小；
pt.lwd：图例中点边缘的线宽；
x.intersp：图例中文字离图片的水平距离；
y.intersp：图例中文字离图片的垂直距离；
adj：图例中字体的相对位置；
text.width：图例中字体所占的宽度，调整后图例整个宽度也跟着变化了；
text.col：图例字体的颜色；
text.font：图例字体；
merge：逻辑值，merge=TRUE，合并点与线，但不填充图例框，默认为TRUE；
trace：逻辑值，trace=TRUE显示图例信息；
plot：逻辑值，plot=FALSE不画出图例；
ncol：图例中分类的列数；
horiz：逻辑值，horiz=TRUE，水平放置图例；
title：给图例加标题；
xpd：xpd=FALSE，即不允许在作图区域外作图，改为TRUE即可，与par()参数配合使用；
title.col：标题颜色；
title.adj：图例标题的相对位置，0.5为默认，在中间。0最左，1为最右；
seg.len：指定图例中线的线长，长度单位为字符宽度。
1 图例方位
2 修饰图例
3 图例绘制在图外
4 自定义图例
有时候绘制出的图是分组图，这时候需要自定义绘制图例。
参考资料：
《R语言实战》（中文版），人民邮电出版社，2013.
R语言绘制图例(legend)的各种问题_详细综合解析， https://blog.csdn.net/xiangyong58/article/details/54579293
投必得R语言教程，第二讲 R作图-基础-图形参数设置：标题、图例、文字， https://mp.weixin.qq.com/s?__biz=MzU1Mzc3OTIwNg==&mid=2247495531&idx=1&sn=cdd80d4e950ae2b344cf188c68922fa8&chksm=fbef0602cc988f14e93b71bc6fcc2fda782d3ae9a3a67601a6c87756f4ae85bcc5d9c56d9b51&scene=21#wechat_redirect
一幅图解决R语言绘制图例的各种问题， https://blog.csdn.net/weixin_30469895/article/details/96649305
1.初级入门
《An Introduction to R》，这是官方的入门小册子。其有中文版，由丁国徽翻译，译名为《R导论》。《R4Beginners》，这本小册子有中文版应该叫《R入门》。除此之外，还可以去读刘思喆的《153分钟学会R》。这本书收集了R初学者提问频率最高的153个问题。为什么叫153分钟呢？因为最初作者写了153个问题，阅读一个问题花费1分钟时间，全局下来也就是153分钟了。有了这些基础之后，要去读一些经典书籍比较全面的入门书籍，比如《统计建模与R软件》，国外还有《R Cookbook》和《R in action》，本人没有看过，因此不便评论。
2.高级入门
读了上述书籍之后，你就可以去高级入门阶段了。这时候要读的书有两本很经典的。《Statistics with R》和《The R book》。之所以说这两本书高级，是因为这两本书已经不再限于R基础了，而是结合了数据分析的各种常见方法来写就的，比较系统的介绍了R在线性回归、方差分析、多元统计、R绘图、时间序列分析、数据挖掘等各方面的内容，看完之后你会发现，哇，原来R能做的事情这么多，而且做起来是那么简洁。读到这里已经差不多了，剩下的估计就是你要专门攻读的某个方面内容了。
3、推介你看下这位大咖的CSDN博客，里面有很多有关R语言入门类文章，一定能get到新知识，希望对你有帮助。
博主博客地址：
Data+Science+Insight的博客_CSDN博客-R语言从入门到机器学习,数据科学从0到1,机器学习面试+横扫千军领域博主
博客内容包括：数据科学从0到1、R语言从入门到机器学习、机器学习面试+横扫千军、Python编程技巧高效复用等系列
