数据处理
背景在使用 R 语言的过程中，需要给函数正确的数据结构。因此，R 语言的数据结构非常重要。通常读入的数据并不能满足函数的需求，往往需要对数据进行各种转化，以达到分析函数的数据类型要求，也就是对数据进行“塑形”，因此，数据转换是 R 语言学习中最难的内容，也是最重要的内容。
一、R 与 Linux 和 Python 相似的操作
1、获取工作目录
Linux: pwd (print word directory)
R:getwd()函数，获取工作目录
python：import os;os.getcwd()
2、清空屏幕
ctrl+L 快捷键
3、移动光标
ctrl+A：行首
ctrl+E:行尾
4、转义字符
\n:换行符
\t：制表符5、for 循环
Linux:for i in {1..10};do echo $i;done;
R:for (i in 1:10){print (i)}
for i in range(1,10):print (i);
6、head，tail
Linux: head,tail 命令，默认 10 行
R:head()，tail()函数，默认文件六行
python：import pandas as pd;pd.head(),pd.tail()函数
7、cut
Linux: cut 用来拆分文件，可以按大小，字符数，行以及分隔符来拆分；
R:可以将一个连续型向量拆分为离散型，例如0-100，拆分成0-60,60-70,70-80,80-90,90-100几份。
python：pandas 中 cut 函数，与 R 中 cut 类似。
8、grep
Linux: 用于搜索文件内的内容，支持正则表达式
R:用于搜索变量内的内容，支持正则表达式
python：用于搜索变量内的内容，支持正则表达式
9、paste
Linux: 粘贴不同文件内容，与 cut 刚好相反
R:合并不同向量，可以指定分隔符，
python：与 R 类似。
10、cat
Linux，R，python 中都是查看文件，将文件内容在终端输出。
11、sort
排序，可以按照数值大小，也可以按照 ascii 码排序。
12、printf
pirntf 主要用于格式化打印，例如可以直接在 printf 中设置保留有效数字，转换类型等，支持各种转义。
printf "姓名：%s\n 身高：%dcm\n 体重：%dkg\n" "小明" "180" "75"
姓名：小明
身高：180cm
体重：75kg
二、判断数据类型
R中包含很多查看数据属性的函数，例如mode(),class()，str()等，此外还有is*系列函数与as系列函数。
x <- c(1:100)
x
is.vector(x)
is.numeric(x)
is.character(x)
as.character(x)
letters
as.numeric(letters)
mtcars
mtcars$cyl
is.numeric(mtcars$cyl)
as.factor(mtcars$cyl)
plot(as.numeric(mtcars$cyl))
plot(as.factor(mtcars$cyl))
x <- read.csv('heatmap.csv',row.names = 1)
head(x)
heatmap(x)
heatmap(as.matrix(x))
三、筛选
筛选主要是将满足一定条件的内容挑选出来，例如等于某个值，或者大于，小于等，如果是字符串就是字符串的匹配。
data('mtcars')
mtcars$mpg >= 20
mtcars
mtcars$mpg >= 20 & mtcars$cyl == 4
mtcars
四、排序
排序需要给定排序标准，首先确定是对数字排序还是字符串排序，数字一般是按照大小顺序，字符串按照首字母顺序排序。可以对一维数据排序，也可以对多维数据排序。R 提供了 sort和 order 等排序方法，order 是对索引进行排序，在 R 中使用的更多。
#排序
rivers
sort(rivers)
sort(rivers, decreasing = T)
rev(sort(rivers))
order(rivers) #从小到大排序的索引值
rivers
rivers
#对二维数据排序
mtcars$cyl
order(mtcars$cyl)
sort(mtcars$cyl,decreasing = T)
order(mtcars$cyl,decreasing = T)
mtcars
#多个值排序
order(mtcars$cyl,mtcars$mpg,decreasing = T)
mtcars
mtcars
五、修改数据内容
数据分析中经常需要对原数据中的某些地方进行修改。修改数据属于赋值操作，也就是将原有的值赋一个新的值，这就需要首先能够将要修改的值索引出来，然后重新赋值即可。如果要修改某一行或者某一列的内容，则可以先索引出这一行或一列的内容，然后批量赋值。如果需要增加或者删除某一行或者某一列，可以使用 rbind 或者 cbind 函数。
#修改数据
mtcars
mtcars$cyl
mtcars$cyl <- 'four'
mtcars$cyl <- 'six'
mtcars$cyl <- 'eight'
as.factor(mtcars$cyl)
data('mtcars')
ncol(mtcars)
mtcars$cylinders <- NA
mtcars$cylinders <- 'eight cylinders'
mtcars$cylinders <- 'four cylinders'
mtcars$cylinders <- 'six cylinders'
mtcars$cyl <- as.factor(mtcars$cyl)
levels(mtcars$cyl)
levels(mtcars$cyl) <- c('four', 'six', 'eight')#rbind,cbind
state <- cbind(as.data.frame(state.x77),state.region)
tapply(state$Population, state$state.region, mean)
a <- head(mtcars,20)
b <- tail(mtcars,20)
c <- rbind(a,b)
length(rownames(c))
duplicated(c)
c
c[!duplicated(c),]
unique (c)
#取子集 subset
dta <- read.csv("gene93.csv")
dta
#过滤掉没有表达的转录本
dta1 <- subset(dta,rowSums(dta)>1)
页:
[1]