- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信补给站
编程之路_R(2)
11.用combn或expand.grid()抽取所有可能样本 combn（4，2） expand.grid(1:4,1:4) 12.ginv函数求矩阵的广义逆 library(MASS) Mat <-
50830发布于 2020-08-06 - 来自专栏素质云笔记
R语言︱集合运算——小而美法则
的所有元素 setequal(x,y) #判断x与y是否相等 a %in% y #判断a是否为y中的元素 choose(n, k) #n个里面取k个的组合数 combn (x,n) #x中的元素每次取n个的所有组合 combn(x,n,f) #将这些组合用于指定函数f > x=c(1,4,5) > y=c(2,4,8) > union(x,y)
1.5K40发布于 2019-05-28 文章MSM_metagenomics（三）：Alpha多样性分析
element_text(size = font_size, family = font_style)) } else { group_pairs = my_combn ggplot2::theme(text = ggplot2::element_text(size = font_size, family = font_style)) }}my_combn <- function(x) { combs <- list() comb_matrix <- combn(x, 2) for (i in 1: ncol(comb_matrix)) {
57210编辑于 2024-06-16- 来自专栏生信小驿站
R语言 循环作图
var_list = combn(names(iris)[1:3], 2, simplify=FALSE) # Make plots.
2.2K20发布于 2018-09-29 - 来自专栏生信补给站
scRNA分析|自定义你的箱线图-统计检验，添加p值，分组比较p值
可以先通过combn函数生成两两之间的list ，然后套用stat_compare_means 函数即可。 #生成两两之间的list group=levels(factor(df$celltype)) comp=combn(group,2) comp # [,1] [,2]
6K31编辑于 2023-03-08 - 来自专栏Linux基础入门
R语言 | 差异箱线图的绘制
Treatment=factor(data$Treatment, levels=group) #获得Treatment中元素之间的组合，即：设置比较组（将所有实验组分成两两一组进行后续比较） comp=combn
5K21编辑于 2021-12-08 - 来自专栏最新医学影像技术
LNDb2020——肺结节自动诊断分析
if verb: print('single',p0,p1,p2,p3) # Multiple nodules if len(nd)>1: combN = [] indN = [i for i in range(len(nd))] for i in range(2,len(nd)+1): combN.extend (list(itertools.combinations(indN,i))) combN = [list(c) for c in combN] for cN in combN
1.2K21编辑于 2023-10-30 - 来自专栏小明的数据分析笔记本
R语言利用cds序列计算kaks值
序列 dna<-Biostrings::readDNAStringSet("data1_unaln.fasta") 生成序列id的两两组合 gene_pairs<-as.data.frame(t(combn
58210编辑于 2024-03-12 - 来自专栏生信宝典
R语言一键批量完成差异统计和可视化
ggpubr + 箱线图 + 连线差异标注 由于两组之间的连线需要指定两组信息，这里我又想将所有组之间的差异展示出来，所以使用combn函数得到分组信息两两匹配的结果，并使用tapply结合函数将矩阵改变为列表 wtq = levels(data_wt$group) lis = combn(levels(data_wt$group), 2) x <-lis my_comparisons <- tapply(x,
4.8K30发布于 2019-11-07 - 来自专栏R语言数据分析指南
edgebundleR一行代码优雅的绘制网络图
list", length(sets)) # 针对每个重复的集合，创建组合数据框 for (i in 1:length(sets)) { rel[[i]] <- as.data.frame(t(combn
85000编辑于 2023-07-11 - 来自专栏备份笔记
24种R语言新手入门之箱线图（二）
Group","Expression") #设置分组 group=levels(factor(rt$Group)) rt$Group=factor(rt$Group, levels=group) comp=combn Type","Expression") #设置分组 group=levels(factor(rt$Type)) rt$Type=factor(rt$Type, levels=group) comp=combn
2.7K52编辑于 2023-03-20 - 来自专栏生信菜鸟团
R tips：EBImage用于定量分析细胞荧光图
2] <- 1 green[, 3] <- 1 # 一张彩图 p_col <- rgbImage(red = red, blue = blue, green = green) # 三个单一图形 p_combn as.Image(red), as.Image(blue), as.Image(green)) display(p_col, method = "raster", all = TRUE) display(p_combn
1.8K20发布于 2021-09-17 空间转录组合作项目分析示例(四)
mp_assign <- readRDS('test.rds')return(unique(mp_assign$spot_type_meta_new))}))))max_win_size <- 15pairs <- combn <- readRDS('test.rds') return(unique(mp_assign$spot_type_meta_new))}))))max_win_size <- 15pairs <- combn function(i){ mp_assign <- readRDS('test.rds') return(unique(mp_assign$spot_type_meta_new))}))))pairs <- combn
29720编辑于 2024-09-09- 来自专栏R语言数据分析指南
ggplot2优雅绘制配对关系散点图
is.numeric) %>% names() colors <- c("#788FCE", "#A88AD2", "#E6956F") # 设置颜色 # 获取所有唯一的列对组合 combinations <- combn
91420编辑于 2023-11-06 - 来自专栏医学生物信息
基因芯片数据分析（一）：芯片数据初探
eset <- justRMA(phenoData=phenoData, celfile.path=celfiles) ## differential expression combn pData(phenoData)[,1], pData(phenoData)[,2], sep = "_")) design <- model.matrix(~combn
1.6K11发布于 2020-05-06 - 来自专栏生物信息云
基因芯片数据分析（一）：芯片数据初探
eset <- justRMA(phenoData=phenoData, celfile.path=celfiles) ## differential expression combn pData(phenoData)[,1], pData(phenoData)[,2], sep = "_")) design <- model.matrix(~combn
4.3K12发布于 2019-12-17 - 来自专栏优雅R
「R」使用ggpolar绘制生存关联网络图
95 <dbl>, upper_95 <dbl>, p.value <dbl>, #> # global.pval <dbl> Correlation analysis vars_comb = combn
75120编辑于 2022-06-27 - 来自专栏小明的数据分析笔记本
跟着Nature Biotechnology学作图:R语言pca分析并使用ggplot2可视化结果
group, color, strokeSize, pointSize, strokeColor, alpha, title ){ pair.pcs <- utils::combn
1.1K30编辑于 2023-01-06 - 来自专栏Listenlii的生物信息笔记
rdaenvpart过程探索
7 8 for (i in 1:n) { 9 current.comb <- as.vector(combs[i, ][combs[i, ] > 0]) 10 combn
94721发布于 2020-06-01 - 来自专栏备份笔记
24种R语言新手入门之小提琴图（三）
Type","Expression") #设置分组 group=levels(factor(rt$Type)) rt$Type=factor(rt$Type, levels=group) comp=combn
2.7K20编辑于 2023-03-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号