转置之后的数据结构如下
他发现转置之后多了一行，也就是有了geneid这一行，和他预期的不符合。按照预期，geneid这一行应该是成为列名，而不是作为输出的第一行。那么，为什么会出现这个情况呢？这就需要从 t() 这个函数说起。
使用 ?t ，你会得到关于这个函数的函数说明。在函数的Detials部分中，有这样一段
即，数据框会先用 as.matrix() 转成矩阵格式，然后再引用 t() ，最终你对一个数据框使用 t() 函数时，你会得到一个矩阵，而非原先的data.frame.
举个例子:
因为矩阵要求存放的内容是同一种数据类型，对于输入的数据框而言，一般都会有字符串，数值这些，那么最终都会被转成字符串。
对于最开始的问题而言，因为原先的数据框的第一列是字符串，那么自然而然会把所有的数据都变成字符串，然后把第一列变成第一行。而如果要实现他真正的目的，需要先将第第一行变成行名，然后删掉第一行在转置，也就是
其结果就是先保证原来的数据框里面都是数值数据，而不是让第一列充当行名。
延伸一下，对于超过2维的数组，我们要用到 aperm 函数才能对数据进行转置。当然，超过二维的转置，你甚至都无法直观感受到这是一个什么过程。
在进行 t 检验之前让我们先看看它的定义： t 检验法就是在假设检验时利用 t 分布 进行概率计算的检验方法。那问题来了，什么是 t 分布呢？
所以我们在进行 t 检验之前，应该对数据进行 正态性检验 以及 方差齐性检验 。
t 检验可以分为单样本 t 检验和双样本 t 检验（见下图）。
单样本 t 检验步骤如下。
1. 提出假设
2. 计算 t
3. 统计推断
看看R的结果：
①正态性检验结果
② t 检验结果
p=0.3738>0.05，所以拒绝Ho，接受HA。
1. 提出假设
2. 计算 t
其中：
3. 统计推断
①方差齐性检验结果
② t 检验结果
p-value = 0.07238>0.05，所以不能否定Ho。
步骤及算法
1. 提出假设
2. 计算 t’
其中：
3. 统计推断
t 检验结果
p-value = 0.07238>0.05，所以不能否定Ho。
1.提出假设
2.计算 t
其中
3. 统计推断
#配对两样本T检验
t检验结果：
p-value = 2.548e-05 <0.01，所以否定Ho，接受HA。
[1]. 学生 t - 分布 （Wikipedia）
R语言t数据转置中一个简单的小问题，不注意就会犯错。
我有一个数据框如下：
此时，需要重新转换为数据框，即：
data.frame(t(df))
