R語言練習(xí)題-初級(jí)

R語言基礎(chǔ)知識(shí)的一些檢驗(yàn)喳资，最好是對(duì)照幾本R基礎(chǔ)語法書籍來理解。

全部答案及視頻在：https://github.com/jmzeng1314/R_bilibili

首先做完了周末班工作凡蚜，包括軟件安裝以及R包安裝：http://www.bio-info-trainee.com/3727.html

1. 打開 `Rstudio` 告訴我它的工作目錄。

> getwd()
[1] "C:/Users/wlx/Documents"

2.新建6個(gè)向量，基于不同的`原子類型`。（重點(diǎn)是字符串柬帕，數(shù)值，邏輯值）

> a <- c(1:10)
> b <- c("a","b","c","d")
> c <- c(T,F,F,T)
> a
 [1]  1  2  3  4  5  6  7  8  9 10
> b
[1] "a" "b" "c" "d"
> c
[1]  TRUE FALSE FALSE  TRUE
> a <- c(1, 2, 5, 3, 6, -2, 4)
> b <- c("one", "two", "three")
> c <- c(TRUE, TRUE, TRUE, FALSE, TRUE, FALSE)
> a
[1]  1  2  5  3  6 -2  4
> b
[1] "one"   "two"   "three"
> c
[1]  TRUE  TRUE  TRUE FALSE  TRUE FALSE
>

3 告訴我在你打開的rstudio里面 `getwd()` 代碼運(yùn)行后返回的是什么狡门？

> getwd()
[1] "C:/Users/wlx/Documents"

4新建一些數(shù)據(jù)結(jié)構(gòu)陷寝，比如矩陣，數(shù)組其馏，數(shù)據(jù)框凤跑，列表等重點(diǎn)是數(shù)據(jù)框，矩陣）

4.1 矩陣

> cnames <- c("C1", "C2")
> rnames <- c("g1", "g2")
> mymatrix <- matrix(cells, nrow=2, ncol=2, byrow=TRUE,
+                    dimnames=list(rnames, cnames))
> mymatrix
   C1 C2
g1  1 26
g2 24 68
> mymatrix <- matrix(cells, nrow=2, ncol=2, byrow=FALSE,
+                    dimnames=list(rnames, cnames))
> mymatrix
   C1 C2
g1  1 24
g2 26 68

4.2 數(shù)組

dim1 <- c("A1", "A2")
> dim2 <- c("B1", "B2", "B3")
> dim3 <- c("C1", "C2", "C3", "C4")
> z <- array(1:24, c(2, 3, 4), dimnames=list(dim1, dim2, dim3))
> z
, , C1

   B1 B2 B3
A1  1  3  5
A2  2  4  6

, , C2

   B1 B2 B3
A1  7  9 11
A2  8 10 12

, , C3

   B1 B2 B3
A1 13 15 17
A2 14 16 18

, , C4

   B1 B2 B3
A1 19 21 23
A2 20 22 24

4.3 數(shù)據(jù)框

patientID <- c(1, 2, 3, 4)
> age <- c(25, 34, 28, 52)
> diabetes <- c("Type1", "Type2", "Type1", "Type1")
> status <- c("Poor", "Improved", "Excellent", "Poor")
> patientdata <- data.frame(patientID, age, diabetes, status)
> patientdata
 patientID age diabetes    status
1         1  25    Type1      Poor
2         2  34    Type2  Improved
3         3  28    Type1 Excellent
4         4  52    Type1      Poor

4.4 因子

diabetes <- c("Type1", "Type2", "Type1", "Type1")
> diabetes
[1] "Type1" "Type2" "Type1" "Type1"
> diabetes <- factor(diabetes)
> diabetes
[1] Type1 Type2 Type1 Type1
Levels: Type1 Type2
> status <- c("Poor", "Improved", "Excellent", "Poor")
> status
[1] "Poor"      "Improved"  "Excellent" "Poor"     
> status <- factor(status, ordered=TRUE)
> status
[1] Poor      Improved  Excellent Poor     
Levels: Excellent < Improved < Poor
> status <- factor(status, order=TRUE,
+                  levels=c("Poor", "Improved", "Excellent"))
> status
[1] Poor      Improved  Excellent Poor     
Levels: Poor < Improved < Excellent
> sex <- factor(sex, levels=c(1, 2), labels=c("Male", "Female"))
Error in factor(sex, levels = c(1, 2), labels = c("Male", "Female")) : 
  object 'sex' not found
> patientID <- c(1, 2, 3, 4)
> age <- c(25, 34, 28, 52)
> diabetes <- c("Type1", "Type2", "Type1", "Type1")
> status <- c("Poor", "Improved", "Excellent", "Poor")
> diabetes <- factor(diabetes)
> status <- factor(status, order=TRUE)
> patientdata <- data.frame(patientID, age, diabetes, status)
> str(patientdata)
'data.frame':   4 obs. of  4 variables:
 $ patientID: num  1 2 3 4
 $ age      : num  25 34 28 52
 $ diabetes : Factor w/ 2 levels "Type1","Type2": 1 2 1 1
 $ status   : Ord.factor w/ 3 levels "Excellent"<"Improved"<..: 3 2 1 3
> patientdata
  patientID age diabetes    status
1         1  25    Type1      Poor
2         2  34    Type2  Improved
3         3  28    Type1 Excellent
4         4  52    Type1      Poor
> summary(patientdata)
   patientID         age         diabetes       status 
 Min.   :1.00   Min.   :25.00   Type1:3   Excellent:1  
 1st Qu.:1.75   1st Qu.:27.25   Type2:1   Improved :1  
 Median :2.50   Median :31.00             Poor     :2  
 Mean   :2.50   Mean   :34.75                          
 3rd Qu.:3.25   3rd Qu.:38.50                          
 Max.   :4.00   Max.   :52.00

4.5 list

> g <- "My First List"
> h <- c(25, 26, 18, 39)
> j <- matrix(1:10, nrow=5)
> k <- c("one", "two", "three")
> mylist <- list(title=g, ages=h, j, k)
> mylist
$title
[1] "My First List"

$ages
[1] 25 26 18 39

[[3]]
     [,1] [,2]
[1,]    1    6
[2,]    2    7
[3,]    3    8
[4,]    4    9
[5,]    5   10

[[4]]
[1] "one"   "two"   "three"

> mylist[[2]]
[1] 25 26 18 39
> mylist[["ages"]]
[1] 25 26 18 39

提醒程序員注意的一些事項(xiàng)
經(jīng)驗(yàn)豐富的程序員通常會(huì)發(fā)現(xiàn)R語言的某些方面不太尋常叛复。以下是這門語言中你需要了解
的一些特性仔引。
?對(duì)象名稱中的句點(diǎn)（.）沒有特殊意義，但美元符號(hào)（ $）卻有著和其他語言中的句點(diǎn) 類似的含義褐奥，即指定一個(gè)數(shù)據(jù)框或列表中的某些部分咖耘。例如，A$ x是指數(shù)據(jù)框A中的變
量x撬码。
?R不提供多行注釋或塊注釋功能儿倒。你必須以#作為多行注釋每行的開始。出于調(diào)試目的呜笑，
你也可以把想讓解釋器忽略的代碼放到語句if(FALSE){... }中夫否。將FALSE改為TRUE
即允許這塊代碼執(zhí)行。
?將一個(gè)值賦給某個(gè)向量叫胁、矩陣凰慈、數(shù)組或列表中一個(gè)不存在的元素時(shí)，R將自動(dòng)擴(kuò)展這個(gè)
數(shù)據(jù)結(jié)構(gòu)以容納新值曹抬。舉例來說溉瓶，考慮以下代碼：

> x <- c(8, 6, 4)
> x[7] <- 10
> x
[1] 8 6 4 NA NA NA 10

通過賦值急鳄，向量x由三個(gè)元素?cái)U(kuò)展到了七個(gè)元素。x <- x[1:3]會(huì)重新將其縮減回三個(gè)
元素堰酿。
?R中沒有標(biāo)量疾宏。標(biāo)量以單元素向量的形式出現(xiàn)。
?R中的下標(biāo)不從0開始触创，而從1開始坎藐。在上述向量中，x[1]的值為8哼绑。
?變量無法被聲明岩馍。它們?cè)谑状伪毁x值時(shí)生成。

5. 在你新建的數(shù)據(jù)框進(jìn)行切片操作抖韩，比如首先取第1蛀恩，3行，然后取第4茂浮，6列

> patientID <- c(1, 2, 3, 4)
> age <- c(25, 34, 28, 52)
> diabetes <- c("Type1", "Type2", "Type1", "Type1")
> status <- c("Poor", "Improved", "Excellent", "Poor")
> patientdata <- data.frame(patientID, age, diabetes, status)
> patientdata
  patientID age diabetes    status
1         1  25    Type1      Poor
2         2  34    Type2  Improved
3         3  28    Type1 Excellent
4         4  52    Type1      Poor
> df[c(1,3), ]
Error in df[c(1, 3), ] : object of type 'closure' is not subsettable
> patientdata[c(1,3), ]
  patientID age diabetes    status
1         1  25    Type1      Poor
3         3  28    Type1 Excellent
> patientdata[c(1:3), ]
  patientID age diabetes    status
1         1  25    Type1      Poor
2         2  34    Type2  Improved
3         3  28    Type1 Excellent
> patientdata[,c(2,4) ]
  age    status
1  25      Poor
2  34  Improved
3  28 Excellent
4  52      Poor

5. 使用data函數(shù)來加載R內(nèi)置數(shù)據(jù)集 `rivers` 描述它双谆。并且可以查看更多的R語言內(nèi)置的數(shù)據(jù)集：https://mp.weixin.qq.com/s/dZPbCXccTzuj0KkOL7R31g

> data("rivers")
> class(rivers)
[1] "numeric"
> str(rivers)
 num [1:141] 735 320 325 392 524 ...
> length(rivers)
[1] 141
> summary(rivers)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  135.0   310.0   425.0   591.2   680.0  3710.0 
> head(rivers); tail(rivers)
[1] 735 320 325 392 524 450
[1]  500  720  270  430  671 1770

6下載 https://www.ncbi.nlm.nih.gov/sra?term=SRP133642 里面的 `RunInfo Table` 文件讀入到R里面，了解這個(gè)數(shù)據(jù)框席揽，多少列顽馋，每一列都是什么屬性的元素。（參考B站生信小技巧獲取runinfo table）這是一個(gè)單細(xì)胞轉(zhuǎn)錄組項(xiàng)目的數(shù)據(jù)幌羞，共768個(gè)細(xì)胞寸谜，如果你找不到`RunInfo Table` 文件，可以點(diǎn)擊下載属桦，然后讀入你的R里面也可以熊痴。

7下載 https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE111229 里面的`樣本信息sample.csv`讀入到R里面，了解這個(gè)數(shù)據(jù)框地啰，多少列愁拭，每一列都是什么屬性的元素讲逛。（參考 https://mp.weixin.qq.com/s/fbHMNXOdwiQX5BAlci8brA 獲取樣本信息sample.csv）如果你實(shí)在是找不到樣本信息文件sample.csv亏吝，也可以點(diǎn)擊下載。

> aread.table("SraRunTable.txt",sep="\t",header=T,check.names=F)
Error in aread.table("SraRunTable.txt", sep = "\t", header = T, check.names = F) : 
  could not find function "aread.table"
> a<- read.table("SraRunTable.txt",sep="\t",header=T,check.names=F)
Error in file(file, "rt") : cannot open the connection
In addition: Warning message:
In file(file, "rt") :
  cannot open file 'SraRunTable.txt': No such file or directory
> a<- read.table("C:\\Users\\wlx\\Desktop\\scRNA\\SraRunTable.txt",sep="\t",header=T,check.names=F)
> b<- b <- read.csv("C:\\Users\\wlx\\Desktop\\scRNA\\sample.csv",sep="\t",header=T,check.names=F)
> dim(a)
[1] 768  31
> dim(b)
[1] 768   1
> b<- b <- read.table("C:\\Users\\wlx\\Desktop\\scRNA\\sample.csv",sep="\t",header=T,check.names=F)
> b <- read.table("C:\\Users\\wlx\\Desktop\\scRNA\\sample.csv",sep="\t",header=T,check.names=F)
> dim(b)
[1] 768   1
> b <- read.table("C:\\Users\\wlx\\Desktop\\scRNA\\sample.csv")
> dim(b)
[1] 768   6
> a<- read.table("C:\\Users\\wlx\\Desktop\\scRNA\\SraRunTable.txt")
Error in scan(file = file, what = what, sep = sep, quote = quote, dec = dec,  : 
  line 1 did not have 44 elements
> a<- read.table("C:\\Users\\wlx\\Desktop\\scRNA\\SraRunTable.txt",sep="\t",header=T,check.names=F)
> dim(a)
[1] 768  31
> str(a)
'data.frame':   768 obs. of  31 variables:
 $ BioSample         : Factor w/ 768 levels "SAMN08619908",..: 5 4 3 2 1 12 11 14 13 7 ...
 $ Experiment        : Factor w/ 768 levels "SRX3749901","SRX3749902",..: 2 3 4 5 6 7 8 9 10 1 ...
 $ MBases            : int  16 16 8 8 11 7 18 5 11 15 ...
 $ MBytes            : int  8 8 4 4 5 4 9 3 6 8 ...
 $ Run               : Factor w/ 768 levels "SRR6790711","SRR6790712",..: 1 2 3 4 5 6 7 8 9 10 ...
 $ SRA_Sample        : Factor w/ 768 levels "SRS3006136","SRS3006137",..: 3 13 2 1 14 5 15 7 6 4 ...
 $ Sample_Name       : Factor w/ 768 levels "GSM3025845","GSM3025846",..: 1 2 3 4 5 6 7 8 9 10 ...
 $ Assay_Type        : Factor w/ 1 level "RNA-Seq": 1 1 1 1 1 1 1 1 1 1 ...
 $ AssemblyName      : Factor w/ 1 level "GCF_000001635.20": 1 1 1 1 1 1 1 1 1 1 ...
 $ AvgSpotLen        : int  43 43 43 43 43 43 43 43 43 43 ...
 $ BioProject        : Factor w/ 1 level "PRJNA436229": 1 1 1 1 1 1 1 1 1 1 ...
 $ Center_Name       : Factor w/ 1 level "GEO": 1 1 1 1 1 1 1 1 1 1 ...
 $ Consent           : Factor w/ 1 level "public": 1 1 1 1 1 1 1 1 1 1 ...
 $ DATASTORE_filetype: Factor w/ 1 level "sra": 1 1 1 1 1 1 1 1 1 1 ...
 $ DATASTORE_provider: Factor w/ 1 level "ncbi": 1 1 1 1 1 1 1 1 1 1 ...
 $ InsertSize        : int  0 0 0 0 0 0 0 0 0 0 ...
 $ Instrument        : Factor w/ 1 level "Illumina HiSeq 2000": 1 1 1 1 1 1 1 1 1 1 ...
 $ LibraryLayout     : Factor w/ 1 level "SINGLE": 1 1 1 1 1 1 1 1 1 1 ...
 $ LibrarySelection  : Factor w/ 1 level "cDNA": 1 1 1 1 1 1 1 1 1 1 ...
 $ LibrarySource     : Factor w/ 1 level "TRANSCRIPTOMIC": 1 1 1 1 1 1 1 1 1 1 ...
 $ LoadDate          : Factor w/ 1 level "2018-03-01": 1 1 1 1 1 1 1 1 1 1 ...
 $ Organism          : Factor w/ 1 level "Mus musculus": 1 1 1 1 1 1 1 1 1 1 ...
 $ Platform          : Factor w/ 1 level "ILLUMINA": 1 1 1 1 1 1 1 1 1 1 ...
 $ ReleaseDate       : Factor w/ 1 level "2018-11-23": 1 1 1 1 1 1 1 1 1 1 ...
 $ SRA_Study         : Factor w/ 1 level "SRP133642": 1 1 1 1 1 1 1 1 1 1 ...
 $ age               : Factor w/ 1 level "14 weeks": 1 1 1 1 1 1 1 1 1 1 ...
 $ cell_type         : Factor w/ 1 level "cancer-associated fibroblasts (CAFs)": 1 1 1 1 1 1 1 1 1 1 ...
 $ marker_genes      : Factor w/ 1 level "EpCAM-, CD45-, CD31-, NG2-": 1 1 1 1 1 1 1 1 1 1 ...
 $ source_name       : Factor w/ 1 level "Mammary tumor fibroblast": 1 1 1 1 1 1 1 1 1 1 ...
 $ strain            : Factor w/ 1 level "FVB/N-Tg(MMTVPyVT)634Mul/J": 1 1 1 1 1 1 1 1 1 1 ...
 $ tissue            : Factor w/ 1 level "Mammary tumor fibroblast": 1 1 1 1 1 1 1 1 1 1 ...
> str(b)
'data.frame':   768 obs. of  6 variables:
 $ Accession.Title.Sample                              : Factor w/ 1 level "musculus\",1,GPL13112,GSE111229,\"SRA": 1 1 1 1 1 1 1 1 1 1 ...
 $ Type.Taxonomy.Channels.Platform.Series.Supplementary: Factor w/ 1 level "Run": 1 1 1 1 1 1 1 1 1 1 ...
 $ Types.Supplementary                                 : Factor w/ 768 levels "Selector\",\"https://www.ncbi.nlm.nih.gov/Traces/study/?acc=SRX3749901\",SRX3749901,\"Kristian",..: 2 3 4 5 6 7 8 9 10 1 ...
 $ Links.SRA                                           : Factor w/ 1 level "Pietras\",\"Nov": 1 1 1 1 1 1 1 1 1 1 ...
 $ Accession.Contact.Release                           : Factor w/ 1 level "23,": 1 1 1 1 1 1 1 1 1 1 ...
 $ Date                                                : Factor w/ 1 level "2018\"": 1 1 1 1 1 1 1 1 1 1 ...

把前面兩個(gè)步驟的兩個(gè)表（RunInfo Table 文件盏混，樣本信息sample.csv）關(guān)聯(lián)起來蔚鸥，使用merge函數(shù)。

基于下午的統(tǒng)計(jì)可視化

8對(duì)前面讀取的 `RunInfo Table` 文件在R里面探索其MBases列许赃，包括箱線圖(boxplot)和五分位數(shù)(fivenum)止喷，還有頻數(shù)圖(hist)，以及密度圖(density) 混聊。

把前面讀取的樣本信息表格的樣本名字根據(jù)下劃線分割看第3列元素的統(tǒng)計(jì)情況弹谁。第三列代表該樣本所在的plate

根據(jù)plate把關(guān)聯(lián)到的 RunInfo Table 信息的MBases列分組檢驗(yàn)是否有統(tǒng)計(jì)學(xué)顯著的差異。

分組繪制箱線圖(boxplot)，頻數(shù)圖(hist)预愤，以及密度圖(density) 沟于。

使用ggplot2把上面的圖進(jìn)行重新繪制。

使用ggpubr把上面的圖進(jìn)行重新繪制植康。

rm(list = ls())
options(stringsAsFactors = F)
# 或者下載：http://www.bio-info-trainee.com/tmp/5years/SraRunTable.txt
a=read.table('SraRunTable.txt',sep = '\t',header = T)
# 或者下載：http://www.bio-info-trainee.com/tmp/5years/sample.csv 
b=read.csv('sample.csv')
colnames(a)
colnames(b)
d=merge(a,b,by.x = 'Sample_Name',by.y = 'Accession')
e=d[,c("MBases","Title")]
save(e,file = 'input.Rdata')

rm(list = ls())
options(stringsAsFactors = F)
load(file = 'input.Rdata')

e[,2]
plate=unlist(lapply(e[,2],function(x){
 # x=e[1,2]
 x
 strsplit(x,'_')[[1]][3]

}))
table(plate)
boxplot(e[,1]~plate)
t.test(e[,1]~plate)
e$plate=plate
library(ggplot2)
colnames(e)
ggplot(e,aes(x=plate,y=MBases))+geom_boxplot()

library(ggpubr)
p <- ggboxplot(e, x = "plate", y = "MBases",
 color = "plate", palette = "jco",
 add = "jitter")
# Add p-value
p + stat_compare_means(method = 't.test')

最后編輯于：2020.01.31 19:26:43

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者

人面猴
序言：七十年代末旷太，一起剝皮案震驚了整個(gè)濱河市，隨后出現(xiàn)的幾起案子销睁，更是在濱河造成了極大的恐慌供璧，老刑警劉巖，帶你破解...
沈念sama閱讀 222,865評(píng)論 6贊 518
死咒
序言：濱河連續(xù)發(fā)生了三起死亡事件冻记，死亡現(xiàn)場離奇詭異睡毒，居然都是意外死亡，警方通過查閱死者的電腦和手機(jī)冗栗，發(fā)現(xiàn)死者居然都...
沈念sama閱讀 95,296評(píng)論 3贊 399
救了他兩次的神仙讓他今天三更去死
文/潘曉璐我一進(jìn)店門吕嘀，熙熙樓的掌柜王于貴愁眉苦臉地迎上來，“玉大人贞瞒，你說我怎么就攤上這事偶房。” “怎么了军浆？”我有些...
開封第一講書人閱讀 169,631評(píng)論 0贊 364
道士緝兇錄：失蹤的賣姜人
文/不壞的土叔我叫張陵棕洋，是天一觀的道長。經(jīng)常有香客問我乒融，道長掰盘，這世上最難降的妖魔是什么？我笑而不...
開封第一講書人閱讀 60,199評(píng)論 1贊 300
?港島之戀（遺憾婚禮）
正文為了忘掉前任赞季，我火速辦了婚禮愧捕，結(jié)果婚禮上，老公的妹妹穿的比我還像新娘申钩。我一直安慰自己次绘，他們只是感情好，可當(dāng)我...
茶點(diǎn)故事閱讀 69,196評(píng)論 6贊 398
惡毒庶女頂嫁案：這布局不是一般人想出來的
文/花漫我一把揭開白布撒遣。她就那樣靜靜地躺著邮偎，像睡著了一般。火紅的嫁衣襯著肌膚如雪义黎。梳的紋絲不亂的頭發(fā)上禾进，一...
開封第一講書人閱讀 52,793評(píng)論 1贊 314
城市分裂傳說
那天，我揣著相機(jī)與錄音廉涕，去河邊找鬼泻云。笑死艇拍，一個(gè)胖子當(dāng)著我的面吹牛，可吹牛的內(nèi)容都是我干的宠纯。我是一名探鬼主播淑倾，決...
沈念sama閱讀 41,221評(píng)論 3贊 423
雙鴛鴦連環(huán)套：你想象不到人心有多黑
文/蒼蘭香墨我猛地睜開眼，長吁一口氣：“原來是場噩夢(mèng)啊……” “哼征椒！你這毒婦竟也來了娇哆？” 一聲冷哼從身側(cè)響起，我...
開封第一講書人閱讀 40,174評(píng)論 0贊 277
萬榮殺人案實(shí)錄
序言：老撾萬榮一對(duì)情侶失蹤勃救，失蹤者是張志新（化名）和其女友劉穎碍讨，沒想到半個(gè)月后，有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體蒙秒，經(jīng)...
沈念sama閱讀 46,699評(píng)論 1贊 320
?護(hù)林員之死
正文獨(dú)居荒郊野嶺守林人離奇死亡勃黍，尸身上長有42處帶血的膿包…… 初始之章·張勛以下內(nèi)容為張勛視角年9月15日...
茶點(diǎn)故事閱讀 38,770評(píng)論 3贊 343
?白月光啟示錄
正文我和宋清朗相戀三年，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了晕讲。大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片覆获。...
茶點(diǎn)故事閱讀 40,918評(píng)論 1贊 353
活死人
序言：一個(gè)原本活蹦亂跳的男人離奇死亡，死狀恐怖瓢省，靈堂內(nèi)的尸體忽然破棺而出弄息，到底是詐尸還是另有隱情，我是刑警寧澤勤婚，帶...
沈念sama閱讀 36,573評(píng)論 5贊 351
?日本核電站爆炸內(nèi)幕
正文年R本政府宣布摹量，位于F島的核電站，受9級(jí)特大地震影響馒胆，放射性物質(zhì)發(fā)生泄漏缨称。R本人自食惡果不足惜，卻給世界環(huán)境...
茶點(diǎn)故事閱讀 42,255評(píng)論 3贊 336
男人毒藥：我在死后第九天來索命
文/蒙蒙一祝迂、第九天我趴在偏房一處隱蔽的房頂上張望睦尽。院中可真熱鬧，春花似錦型雳、人聲如沸当凡。這莊子的主人今日做“春日...
開封第一講書人閱讀 32,749評(píng)論 0贊 25
一樁弒父案四啰，背后竟有這般陰謀
文/蒼蘭香墨我抬頭看了看天上的太陽宁玫。三九已至粗恢，卻和暖如春柑晒，著一層夾襖步出監(jiān)牢的瞬間，已是汗流浹背眷射。一陣腳步聲響...
開封第一講書人閱讀 33,862評(píng)論 1贊 274
情欲美人皮
我被黑心中介騙來泰國打工匙赞，沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留佛掖，地道東北人。一個(gè)月前我還...
沈念sama閱讀 49,364評(píng)論 3贊 379
代替公主和親
正文我出身青樓涌庭，卻偏偏與公主長得像芥被，于是被迫代替她去往敵國和親。傳聞我的和親對(duì)象是個(gè)殘疾皇子坐榆，可洞房花燭夜當(dāng)晚...
茶點(diǎn)故事閱讀 45,926評(píng)論 2贊 361

R語言練習(xí)題-初級(jí)

1. 打開 Rstudio 告訴我它的工作目錄。

2.新建6個(gè)向量，基于不同的原子類型。（重點(diǎn)是字符串柬帕，數(shù)值，邏輯值）

3 告訴我在你打開的rstudio里面 getwd() 代碼運(yùn)行后返回的是什么狡门？

4新建一些數(shù)據(jù)結(jié)構(gòu)陷寝，比如矩陣，數(shù)組其馏，數(shù)據(jù)框凤跑，列表等重點(diǎn)是數(shù)據(jù)框，矩陣）

4.4 因子

5. 在你新建的數(shù)據(jù)框進(jìn)行切片操作抖韩，比如首先取第1蛀恩，3行， 然后取第4茂浮，6列

5. 使用data函數(shù)來加載R內(nèi)置數(shù)據(jù)集 rivers 描述它双谆。并且可以查看更多的R語言內(nèi)置的數(shù)據(jù)集：https://mp.weixin.qq.com/s/dZPbCXccTzuj0KkOL7R31g