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。

%>%是管道符的意思，把左边的输出（不包括 <- 之前的）当成右边的输入。

都可以shift + alt + 上下 ：快速复制粘贴

alt + 上下 ：移动行

ctrl + alt + 上下 ：多重光标

首先选中要注释掉的行，然后按Ctrl+shift+C ，这样就注释掉了。

sessionInfo()

.libPaths()

一篇关于包的博客

library(installr)

updateR()

COS中文论坛 统计之都旗下的论坛网站(d.cosx.org),它和其主站(cosx.org)一 起，是一个致力于推广与应用统计学知识的网站和社区。

1 help("t.test")

2 ?t.test

3 help.search("t.test")

4 apropos("t.test")

5 RGui>Help>Html help

6 查看R包pdf手册

getwd() 显示工作目录

setwd() 设定工作目录

list.files() 列出目录或文件夹下的文件

demo( ) 显示R的基本程序包

example( ) 显示在线帮助的例子

example(barplot)

可以把若干行命令保存在一个文本文件（比如Eg3.R）中，然 后用source函数来运行整个文件： source("E:/R demo/Chapter1-Eg3.R")

sum, mean, var, sd, min, max, range, median, IQR（四分位间距）等为统计量， sort，order，rank与排序有关， 其它还有ave，fivenum，mad，quantile， stem等

-1:1/0 当中/是优先级靠后的操作。相当于c(-1,0,1)/0

names(df) <- c("male", "female", "unknown")

对于矩阵，我们可以使用属性rownames和colnames来访问行名和列名。

我们也可以先定义矩阵x然后再为dimnames(x)赋值：

数值型数据 ：1.2345e30

复数常量就用3.5-2.1i

缺失值：NA（Not Available）

是否含有缺失值：

NaN表示不确定的数

• NaN属于NA的一种

• NA不是NaN

注意下面例子的比较 :

assign("x1", c(1, 2))

sort(x)返回x的元素从小到大排序的结果向量。

x=c(2,10,6,8,4,5)sort(x) [1] 2 4 5 6 8 10  order(x)返回使得x从小到大排列的元素下标向量(x[order(x)]等效于sort(x))。

此外numeric(n)可以产生一个长度为n的零向量（numeric(n)是一个 很好用的外部存储器）

paste函数用来把它的自变量连成一个字符串，中间用空格分开

Re( )计算实部，Im( )计算虚部， Mod( ) 计算复数模，Arg( )计算复数幅角。

v为一个向量，取值在－length(x)到－1之间，表示扣除相应 位置的元素。例如:

可以用x[]的写法：

R的对象有两个基本的属性：类型属性(mode)和长度属性(length)。

长度为零的向量 numeric( ) 或者 numeric(0) character( ) 或者 character(0)

数组(array): 带多个下标的类型相同的元素的集合，

函数matrix()：用于构造二维数组，即矩阵

函数factor( )用来把一个向量编码成为一个因子。

可以自行指定各离散取值水平（levels），不指定时由x的不同值来求得。

• labels可以用来指定各水平的标签，不指定时用各离散取值的对应字符串。

• exclude参数用来指定要转换为缺失值（NA）的元素值集合。

• ordered取真值时表示因子水平（Levels）是有次序的

因子可以用来作为另外的同长度变量的分类变量，使用tapply() 函数可以完成分类统计

nchar()这个函数简单，统计向量中每个元素的字符个数

tolower()和toupper()可以进行大小写字母的转换

chartr()把字符串里的元素，按要求进行转换

拆分字符串用strsplit()函数,strsplit得到的结果是列表，后面的处理要调用列表

其任何一个语句都可以看成是一个表达式。

表达式之间以分号分隔或用换行分隔。

表达式可以续行，只要前一行不是完整表达式，则下一行为上一行的继续。

线性回归模型：

lm()函数的返回值叫做模型拟合结果对象，本质上是一个列表， 有model 、coefficients、residuals等成员。lm()的结果显示十分 简单，为了获得更多的拟合信息，可以使用对lm类对象有特 殊操作的通用函数，这些函数包括：

add1 coef effects kappa predict residuals alias deviance family labels print summary anova drop1 formula plot proj

加号+或 者减号－，表示在模型中加入一项或去掉一项，第一项前面如果是加号可以 省略

在非交互运行（程序）中应使用print()来输出。

• digits参数指定每个数输出的有效数字位数；

• quote 参数指定字符串输出时是否带两边的撇号；

• print.gap参数指定矩阵或数组输出时列之间的间距

也用来输出，但它可以把多个参数连接起来再输出（具有paste() 的功能）。例如：

读取文件：

strsplit()得到的结果是 列表。

grep() 和 grepl()

sub()和gsub()

但严格地说R语言 没有字符串替换的函数，因为R语言不管什么操作对参数都是传值不传址，区别如下：

用substr()和substring() 可以通过位置进行字符串拆分或提取，两者的参数设置基本相同：

strtrim() 函数可以用于将字符串修剪到特定的显示宽度通过位置进 行字符串拆分或提取：

由于日期内部是用double存储的天数，所以是可以相减的。

weekdays ( )取日期对象所处的周几；

months ( )取日期对象的月份；

quarters ( )取日期对象的季度；

其任何一个语句都可以看成是一个表达式。

表达式之间以分号分隔或用换行分隔。

表达式可以续行，只要前一行不是完整表达式，则下一行为上一行的继续。

quantile(x, probs=seq(0,1,0.25), na.rm=FALSE, names=TRUE, type=7, …)

probs给出相应的百分位数，默认值是0，0.25，0.5，0.75，1；na.rm是处 理缺失数据的，na.rm=TRUE时，NA和NaN将从数据中移走，向量取值中 若有NA或NaN，要添加这一参数，否则会出错；names若为TRUE，返回 值当中有names这个属性"type是取值1-9的整数，选择了九种分位数算法 (具体算法见帮助文件)中的一种。

数据的分布主要考察分布函数(p), 密度函数(d), 分位数函数(q)及产生随机数(r)

以正态分布为例：

hist(x, breaks="Sturges", freq=NULL, probability=!freq,… )

break规定了直方图的组距(必须覆盖数据的范围)；freq是逻辑变量，TRUE是频率直方图， FALSE是密度直方图；probability和freq相反，TRUE是密度直方图，FALSE是频率直方图

其形式为 coplot(y ~ x | z)，其中x 和y是数值型向量，z是同长度的因子。 对z的每一水平，绘制相应组的x和y的散点图

R缺省的图形边空常常太大，以至于有时图形窗口较小时边空占了整个图形的很大一部分。

R可以在同一页面开若干个按行、列排列的窗格，在每个窗格中可以作一 幅图。每个图有自己的边空，而所有图的外面可以包一个“外边空”。

一页多图用 mfrow 参数或 mfcol 参数规定，如

函数 mtext 用来在外边空加文字标注。其用法为

在多图环境中还可以用 mfg 参数来直接跳到某一个窗格，比如

可以不使用多图环境而直接在页面中的任意位置产生一个窗格来绘图，参数为 fig ，如：

先用as.factor()转化成因子。因为levels()函数里面必须是因子。

dat$Genre没有转化成因子形式，as.factor(dat$Genre)就可以了

该消息表明文件的最后一行不以行尾 (EOL) 字符结尾（换行符 ( \n ) 或回车 + 换行符 ( \r\n )）。此消息的初衷是警告您该文件可能不完整；大多数数据文件都有一个 EOL 字符作为文件中的最后一个字符。

这是因为R读取文件的时候，是一整段character，所以它只会返回1，适当给他分一下段。

---