學(xué)習(xí)小組筆記Day5-Moore

Day5-數(shù)據(jù)結(jié)構(gòu)

一采章、數(shù)據(jù)類型

  • 向量(vector)
  • 矩陣(Matrix)
  • 數(shù)組(Array)
  • 數(shù)據(jù)框(Data frame)
  • List

Tips:

  • 向量是由元素組成的瘫镇,元素可以是數(shù)字或者字符串(用chr表示)凝果。
  • 表格在R語言中改名叫數(shù)據(jù)框。
  • ?read.table可調(diào)出對應(yīng)命令的幫助文檔粟瞬。

二并闲、向量

1.向量和標(biāo)量區(qū)分

標(biāo)量:一個元素組成的變量倚舀。
向量:多個元素有序排列組成的變量。

  • 一般會給變量“賦值”<-每次定義新的賦值會覆蓋舊的賦值搓侄。
> x <- c(1,2,3)
> x
[1] 1 2 3
> x <- (1:10)
> x
 [1]  1  2  3  4  5  6  7  8  9 10
> x <- seq(1,10,by = 0.5)
> x
 [1]  1.0  1.5  2.0  2.5  3.0  3.5  4.0  4.5  5.0  5.5
[11]  6.0  6.5  7.0  7.5  8.0  8.5  9.0  9.5 10.0
> x <- rep(1:3,times = 2)
> x
[1] 1 2 3 1 2 3

2.從向量中提取元素

  • 根據(jù)元素位置
> x <- c(1:5)
> x[4]
[1] 4
> x[-4]
[1] 1 2 3 5
> x[2:4]
[1] 2 3 4
> x[-(2:4)]
[1] 1 5
> x[c(1,5)]
[1] 1 5
  • 根據(jù)值
> x <- c(1:10)
> x[x==10]
[1] 10
> x <- (-5:6)
> x[x<0]
[1] -5 -4 -3 -2 -1
> x[x %in% c(-1,2,5)]
[1] -1  2  5

3.數(shù)據(jù)框

  • 示例數(shù)據(jù)放在工作目錄中
> X<-read.csv('Moore-1.txt')
> X
  X1 X2
1  A  1
2  B NA
3  C NA
4  D  3
5  E NA
  • 讀取本地數(shù)據(jù)
> read.table(file = "huahua.txt",sep = "\t",header =T)
  X1 X2
1  A  1
2  B NA
3  C NA
4  D  3
5  E NA
> a <- read.table(file = "huahua.txt",sep = "\t",header = T)
  • 設(shè)置行名和列名
> X<-read.csv('doudou.txt')
> colnames(X)
[1] "X1" "X2"
> rownames(X)
[1] "1" "2" "3" "4" "5"
> colnames(X)[1]<-"bioplanet"
> X
  bioplanet X2
1         A  1
2         B NA
3         C NA
4         D  3
5         E NA
> colnames(X)[2]<-"Moore"
> X
  bioplanet Moore
1         A     1
2         B    NA
3         C    NA
4         D     3
5         E    NA
> X<-read.csv(file = "huahua.txt",sep = "   ",header =T,row.names=1)
> X
  X2
A  1
B NA
C NA
D  3
E NA
  • 數(shù)據(jù)框的導(dǎo)出
write.table(X,file = "yu.txt",sep = ",",quote=F)
yu.txt.png
  • 變量的保存與重新加載
> save.image(file="bioinfoplanet.RData")
> save(X,file="test.RData")
> load("test.RData")
保存的格式是RData.png
  • 提取元素
- X[x,y]#第x行第y列
- X[x,]#第x行
- X[,y]#第y列
- X[y] #也是第y列
- X[a:b]#第a列到第b列
- X[c(a,b)]#第a列和第b列
- X$列名#也可以提取列(不過只能提取一列)
> X<-read.csv('doudou.txt')
> X[1,2]
[1] 1
> load("E:/妞兒の文件夾/R/bioinformatics/test.RData")
> X[2,]
  X1 X2
2  B NA

4.課后作業(yè)

  • 問:save(X,file="test.RData")這句代碼如果報錯object X not found瞄桨,是為什么,應(yīng)該怎么解決讶踪?
  • 答:“x”顯示不存在芯侥,可能需改為X,因為大小寫是嚴(yán)格區(qū)分的乳讥。

5. 思維導(dǎo)圖

Day5-數(shù)據(jù)結(jié)構(gòu).png

以上柱查。


?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市云石,隨后出現(xiàn)的幾起案子唉工,更是在濱河造成了極大的恐慌,老刑警劉巖汹忠,帶你破解...
    沈念sama閱讀 212,080評論 6 493
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件淋硝,死亡現(xiàn)場離奇詭異,居然都是意外死亡宽菜,警方通過查閱死者的電腦和手機(jī)谣膳,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,422評論 3 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來铅乡,“玉大人继谚,你說我怎么就攤上這事≌笮遥” “怎么了花履?”我有些...
    開封第一講書人閱讀 157,630評論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長挚赊。 經(jīng)常有香客問我诡壁,道長,這世上最難降的妖魔是什么荠割? 我笑而不...
    開封第一講書人閱讀 56,554評論 1 284
  • 正文 為了忘掉前任妹卿,我火速辦了婚禮,結(jié)果婚禮上涨共,老公的妹妹穿的比我還像新娘。我一直安慰自己宠漩,他們只是感情好举反,可當(dāng)我...
    茶點故事閱讀 65,662評論 6 386
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著扒吁,像睡著了一般火鼻。 火紅的嫁衣襯著肌膚如雪室囊。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,856評論 1 290
  • 那天魁索,我揣著相機(jī)與錄音融撞,去河邊找鬼。 笑死粗蔚,一個胖子當(dāng)著我的面吹牛尝偎,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播鹏控,決...
    沈念sama閱讀 39,014評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼致扯,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了当辐?” 一聲冷哼從身側(cè)響起抖僵,我...
    開封第一講書人閱讀 37,752評論 0 268
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎缘揪,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,212評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡抗斤,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...
    茶點故事閱讀 36,541評論 2 327
  • 正文 我和宋清朗相戀三年八千,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片呻征。...
    茶點故事閱讀 38,687評論 1 341
  • 序言:一個原本活蹦亂跳的男人離奇死亡耘婚,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出陆赋,到底是詐尸還是另有隱情沐祷,我是刑警寧澤,帶...
    沈念sama閱讀 34,347評論 4 331
  • 正文 年R本政府宣布攒岛,位于F島的核電站赖临,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏灾锯。R本人自食惡果不足惜兢榨,卻給世界環(huán)境...
    茶點故事閱讀 39,973評論 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望顺饮。 院中可真熱鬧吵聪,春花似錦、人聲如沸兼雄。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,777評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽赦肋。三九已至块攒,卻和暖如春励稳,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背囱井。 一陣腳步聲響...
    開封第一講書人閱讀 32,006評論 1 266
  • 我被黑心中介騙來泰國打工驹尼, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人庞呕。 一個月前我還...
    沈念sama閱讀 46,406評論 2 360
  • 正文 我出身青樓新翎,卻偏偏與公主長得像,于是被迫代替她去往敵國和親千扶。 傳聞我的和親對象是個殘疾皇子料祠,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,576評論 2 349

推薦閱讀更多精彩內(nèi)容