因子列表缺失数据

生信喵

一、因子
       所有的数据集合可以分为三类，连续型，名义型和有序型。连续型例如1 2 3 4 5 8 9 10，名义型如sample1 sample2 sample3 ，而有序型 good better best；周一，周二，周三……等。在R中名义型变量和有序性变量称为因子，factor。这些分类变量的可能值称为一个水平level，由这些水平值构成的向量就称为因子。因子主要用于计算频数，可以用来分组。可以通过factor()函数中的labels选项对因子的值进行批量修改。

1. state.division
   
2. state.region
   
3. table(state.division)
   
4. afactor <- factor(c("blue","red","red","green","red","blue"),levels = c("red",
   
5. "green","blue","yellow"))
   
6. bfactor <- factor(letters[1:5], labels = c("one","two","three","four","five"))

复制代码

二、列表
       列表就是一些对象的有序集合。列表中可以存储若干向量、矩阵、数据框，甚至其他列表的组合。

1. genes200 <- read.csv("200genes.csv",header = T,stringsAsFactors = F,row.names = 1)
   
2. genes121 <- read.csv("121genes.csv",header = T,stringsAsFactors = F)
   
3. 
   
4. gene93 <- unique(genes121$gene)
   
5. dta <- genes200[gene93,]
   
6. dta <- na.omit(dta)
   
7. rownames(dta) <- 1:nrow(dta)#86个行数重命名
   
8. 
   
9. alist <- list(dta=dta,genes121=genes121,genes200=genes200)
   
10. names(alist)
    
11. length(alist)
    
12. alist$genes200
    
13. a <- alist$genes200
    
14. class(a)

复制代码

三、时间序列
       时间数列类似与数据框，主要是记录随着时间变化值的变化，例如每天，每月，每个季度，每年的变化前框的，主要表现趋势的变化。例如股票数据，经济数据，气候数据等。时间序列分析主要用于预测。

1. presidents
   
2. class(presidents)
   
3. plot(presidents)

复制代码

四、缺失数据

       缺失信息问题在数据科学中非常常见。在大规模数据采集过程中，几乎不可能每次都得到完整的数据，那么该如何处理缺失数据呢？首先我们要清楚为何会出现缺失数据，一种可能是机器断电，设备故障导致某个测量值发生了丢失。或者测量根本没有发生，例如在做调查问卷时，有些问题没有回答，或者有些问题是无效的回答等，这些都算作缺失值。对于缺失信息，R 中提供了一些专门的处理方法。
       在 R 中，NA 代表缺失值，NA 是不可用，not available 的简称，用来存储缺失信息。这里缺失值 NA 表示 没有，但注意没有并不一定就是 0，NA 是不知道是多少，也能是 0，也可能是任何值，缺失值和值为零是完全不同的。。

1. x <- 1:5
   
2. x
   
3. x[7] <- 7
   
4. x
   
5. sum(x)
   
6. sum(x,na.rm = T)
   
7. is.na(x)
   
8. mean(x,na.rm = T)
   
9. x[6] <- mean(x,na.rm = T)
   
10. x
    
11. #install.packages('VIM',destdir = '/home/xhs/Rpack/download')
    
12. library(VIM)
    
13. data(sleep,package = "VIM")
    
14. class(sleep)
    
15. na.omit(sleep)
    
16. a <- aggr(sleep, plot = FALSE)
    
17. plot(a, numbers = TRUE, prop=TRUE)

复制代码

五、类
       类和对象是面向对象编程技术中的最基本的概念。R 中会有很多类，例如在分析生物数据时，会经常遇到各种类，例如 Experiment Set 类。类是现实世界或思维世界中的实体在计算机中的反映，它将数据以及这些数据上的操作封装在一起。对象（object）是具有类类型的变量。R 中类是将各种数据整合在一起，本质上是一种列表。