生信技能树数据挖掘笔记

————————图片转载自小洁忘了怎么分身

R/Rstudio

数据类型与向量

tab键、上下键、ctr+L(back)

逻辑型数据

转换和判断

数据的结构

脚本直接双击打开，数据要load加载

向量的生成

数据类型的转换优先顺序

对单个向量进行操作

赋值是实际改变文件的方法

sort()默认从小到大，可以添加decreasing=T，改为由大到小

duplicated()判断是否重复

R语言默认思想；

R语言函数思想，能用函数替代的，不要手动去数

对两个向量的操作

发生循环补齐

% in %

向量取子集

x <- 8:12

[]中括号的作用可以把T挑选处理，丢弃F

[]中括号里面的可以是逻辑值判断，可以是具体的值（即下标），可以是函数，可以是向量

如何修改向量中的某个或者某些元素

简单的向量作图

数据框、矩阵和列表

向量是一维的

矩阵是二维的

lis列表t可装万物

数据框的来源

新建数据框

从文件中读取（放在工作目录下）

数据框的属性

dim()多少行、多少列，nrow()多少行，ncol（）多少列，rownames（）行名

数据框取子集

中括号里面的逗号，表示维度的分割

数据框的修改

原有的元素，修改，原无的元素，增加

矩阵新建和取子集（不支持$）

矩阵的的转置、转换

矩阵画热图

列表的的新建和取子集

l[[2]]:取第二个子集，再取矩阵的子集

列表支持$

元素的名字——names()

数据结构的总结

函数和R包

用函数替代粘贴复制

R包

1.CRAN网站

2.bioconductor

3.github

安装需要加引号，library不需要

包是不断在更新的

依赖包版本不够新

网络

文件的读取

win10不显示后缀的解决办法

CSV打开方式：默认excel；记事本；sublime（适用于大文件）；R语言读取

常见分隔符：逗号；空格；制表符（\t）

直接读取如果失败，就需要给指定一些参数

Rdata是R特有的数据保存格式

实战项目组织方式1

实战组织方式2

表格取子集（列、行）

读取表头

数据框不允许重复行名

R语言作图

ggplot2语法

作图数据和坐标

映射，根据数据框某一列的属性来定义图的某个属性

以Species进行单分面

双分面

letters小写字母，LETTERS大写字母，默认relplace=F

写在前面的为下图层

统计变换

完整绘图模板

ggplot2语法

ggpubr

图片的保存

R语言的综合应用

1.玩转字符串

stringr

列表

列表取子集

由于有多个字符串和多个拆分站点,参数simplify=T给我们提供了一个矩阵(每行是x中的一个字符串,拆分后的每列是一个片段),它可以转换为data.frame

按位置提取字符

字符检测

字符替换

字符删除

玩转数据框

数据框排序

去重复

keep_all=T时,考察完输入列的独立性后,其他列保留输出

新增数据列

select(),filter()筛选列、行

管道符号

条件语句和循环语句

ifelse

ifelse+str_detect

多个条件

for循环

下标循环利于保存结果

表达矩阵画箱线图

转置t

原有行名改为第一列

宽变长

长变宽

round（）指定小数点后几位

分面

隐式循环

# 如何挑出100个数字中最大的10个？

sort(a)

tail(a,3)

tail(sort(a),10)

head(sort(a,decreasing = T),10)

load("test2.Rdata")

a = apply(test,1,var)

names(tail(a,1000))

a = names(tail(apply(test,1,var),1000))

pheatmap::pheatmap(test[a,],show_rownames = F,scale = "row")

两个数据框的连接

inner_join()交集

left_join（）左连接

right_join（）右连接

full_join()全连接