数据框

生信喵

背景
       数据框是一种表格式的数据结构，属于一种二维表，分为行和列。数据框旨在模拟数据集，与其他统计软件例如 SAS 或者 SPSS 中的数据集的概念一致。数据集通常是由数据构成的一个矩形数组，行表示观测，列表示变量。不同的行业对于数据集的行和列叫法不同。在一个数据框中，每一行的元素个数相同，每一列元素个数也相同，每一列的数据类型一致，都为一个向量，每一行内容还是一个数据框。数据框是 R 中使用最广泛的一种数据格式。

一、创建数据框
       利用 data.frame()函数创建数据框。

1. a <- 1:5
   
2. b <- letters[1:5]
   
3. c <- c('one','two','three','four','five')
   
4. data.frame(a,b,c)
   
5. a <- 1:6
   
6. data.frame(a,b,c)
   
7. # Error in data.frame(a, b, c) :
   
8. #   arguments imply differing number of rows: 6, 5

复制代码

二、数据框索引
       1. 中括号
       2. 名称
       3. dollar符
       4. 逻辑值

1. #数据框 索引
   
2. colnames(x)
   
3. x$City
   
4. x$Income
   
5. x$Province
   
6. #练习
   
7. x<- read.csv('homo_length.csv')
   
8. class(x)
   
9. x <- x[1:24,]
   
10. colnames(x)
    
11. x$chr
    
12. x$length
    
13. 
    
14. barplot(height = x$length,
    
15.         names.arg = x$chr,
    
16.         las = 2,
    
17.         col = rainbow(4),
    
18.         border = F)  

复制代码

      


三、利用 R 实现 vlookup

1. rm(list = ls())
   
2. #Excel 函数：=VLOOKUP($A2,Sheet1!$A$1:$I$201,COLUMN(Sheet1!A2),FALSE)
   
3. #读入 200 个基因的列表 bigtable
   
4. genes200 <- read.csv("200genes.csv",header = T,stringsAsFactors = F,row.names = 1)
   
5. #读入 121 个基因的 list small list
   
6. genes121 <- read.csv("121genes.csv",header = T,stringsAsFactors = F)
   
7. head(genes200)
   
8. head(genes121)
   
9. genes200["CLU",]
   
10. #修改 gene table 行名,前面row.names=1已经改了
    
11. # rownames(genes200) <- genes200$gene
    
12. # genes200["CLU",]
    
13. # genes200[c("CLU","DCN"),]
    
14. #去除重复 gene ID
    
15. gene93 <- unique(genes121$gene)
    
16. #利用数据框的访问功能，一次实现 Excel Vlookup 功能
    
17. dta <- genes200[gene93,]
    
18. dta
    
19. #数据中包含没有检索到的 gene ID，返回值为 NA，利用 na.omit 删除包含 NA 的行
    
20. dta <- na.omit(dta)
    
21. rownames(dta) <- 1:nrow(dta)#86个行数重命名
    
22. 
    
23. write.csv(dta,file = "gene93.csv",row.names = F)

复制代码