双击打开R_02文件夹中的.Rproj文件

数据框、矩阵和列表

• 向量Vector：是一维的数据（一条线）
• 矩阵matrix：二维（可多行多列），继承了向量的基本属性，整体只允许存在一种数据类型
• 数据框：二维，每一列只允许一种数据类型，不同列的数据类型可以不同
• 列表：包罗万象，可层层嵌套，包括各种数据结构

1. 数据框

（1）来源

# ① R中新建（data.frame()函数）；② 由已有数据转换或者处理得到；③ 从文件中读取；④ R内置数据

（2）新建数据框

# data.frame()函数新建数据框
df <- data.frame(gene = paste0('gene', 1:4),
                 change = rep(c('up', 'down'), each =2), 
                 score = c(5, 3, -2, -4))
# gene、change、score是数据框列名，等号后面是每列的具体内容

（3）现有数据从项目文件夹中读取

df2 <- read.csv('./gene.csv')
df2

（4）数据框属性

dim() # dim()函数可查看数据框维度，即数据框有几行几列，将数据框对象放入括号Run即可
nrow() # 查看数据框行数
ncol() # 查看数据框列数
rownames() # 查看数据框行名
colnames() # 查看数据框列名

（5）数据框取子集

# 1. $符号
df2 <- read.csv('./gene.csv')
df2
df2$score  # 取出score那一列的数据，即第3列

# 2. 按照行列数
df2[,3] # 取出第3列
df2[c(1,3),1:2] # 取出第1行和第3行，同时取出第1列和第2列

# 4. 按照行名或者列名
df2[,'gene'] # 取出列名为gene的那一列数据
df2[,'score'] # 取出列名为score的那一列数据
df2[,c('gene','change')] # 取出列名为gene和change的两列数据
rownames(df2)
df2[c('1','2'),] # 取出行名为1和2的两行数据

# 5. 按照条件（逻辑值）取子集
# 筛选score值大于0的行
df2[df2$score > 0,] 
# 筛选score值大于0的基因
df2$gene[df2$score > 0]  # 方法1
df2[df2$score > 0, 1]  # 方法2

Tab键可以辅助你选择数据框的某一列，选中回车即可（避免出错）
中括号内部的逗号，表示维度的分割，逗号前是行，逗号前为列

使用$符或者行列数取子集 按照行名或列名取子集 根据逻辑值取子集

（6）数据框修改
修改其中一个格子的数据就把这个格子数据提取出来并赋值，如果提取一列就把数据框特定列提取出来并赋值

df2 <- read.csv('./gene.csv')
df2
# 修改第2行第2列的数据
df2[2, 2]
df2[2, 2]  <- 'down'
# 修改第三列数据
df2[,3]
df2[,3] <- c(1, 2, 3, 4)
# 新加一列数据
df2$p.value <- c(0.1,0.5,0.01,0.05)
# 修改数据框的行名或者列名（本质是修改一个向量）
# ①改全部的列名
colnames(df2) <- c('Gene', 'Change', 'Score', 'P.value')
# ②改其中一个列名（先取子集后赋值）
colnames(df2)[2] <- c('CHANGE')

数据框修改 数据框新增一列，修改行列名

小练习

# 1.读取exercise.csv这个文件，赋值给test。
# 2.描述test的属性(行名列名，行数列数)
# 3.求test第一列数值的中位数
# 4.修改test前两列列名为Length和Width
# 5.提取test中最后一列值为a或c的行，组成一个新的数据框赋值给test2

# 1.读取exercise.csv这个文件，赋值给test。
test <- read.csv('./exercise.csv')
test
# 2.描述test的属性(行名列名，行数列数)
dim(test)  # dim(test)等于NULL时说明你的对象test没有正确导入
nrow(test)
ncol(test)
rownames(test)
colnames(test)
# 3.求test第一列数值的中位数
median(test[,1])
median(test$Petal.Length)
median(test[,'Petal.Length'])
# 4.修改test前两列列名为Length和Width
colnames(test)
colnames(test)[c(1,2)] <- c('Length','Width')
# 5.提取test中最后一列值为a或c的行，组成一个新的数据框赋值给test2
colnames(test)
test[,ncol(test)] %in% c('a','c')
test2 <- test[test[,ncol(test)] %in% c('a','c'),] # 方法1
test2 <- test[test$Species %in% c('a','c'),] # 方法2
# 使用test$Species == c('a','c')是不对的，因为 == 是按照循环补齐的规律来运行的

答案

（7）数据框进阶
① 行数较多的数据框可截取前/后几行查看

test <- read.csv('./exercise.csv')
test
head(test) # 默认取前6行
head(test, 3) # 自行设定查看前3行
tail(test) # 默认取后6行
tail(test, 3) # 自行设定查看后3行

② 行列数均多的数据框可取前几行前几列查看

test <- read.csv('./exercise.csv')
test
test[1:3, 1:3] # 查看test对象前3行和前3列

③ 查看每一列的数据类型和具体内容

str(test) # 查看对象数据结构及具体内容
str(iris) # iris为内置数据集

了解一下：数值型数据可分为两类：双精度浮点数（double）和整数型（integer）
④ 去除含有缺失值的行

na.omit() # 只要有NA的行都去掉
# 仅按照某一列来去除缺失值、缺失值替换，tidyr包

⑤ 两个表格的连接
按行连接（行数相同）：rbind
按列连接（列数相同）：cbind
merge(x, y, by = '某一共同列名') # 列名相同时
merge(x, y, by.x = 'x中的列名', by.y = 'y中的列名') # 列名不同时

2. 矩阵新建和取子集

matrix()函数创建

# 创建
m <- matrix(1:9, nrow = 3)
# 取子集：[]中括号取子集，不支持$符号
# 转置：行变列，列变行
m <- t(m)
# 转换为数据框
as.data.frame(m) # 这里没有赋值，所以m本身还是矩阵
# 矩阵画热图
pheatmap::pheatmap(m)
pheatmap::pheatmap(m,cluster_rows = F,cluster_cols = F)

矩阵画热图 取消热图自动聚类

3. 列表新建和取子集

# 列表是个大杂烩，可以包含各种数据结构
l <- list(m = matrix(1:9,nrow = 3),df = data.frame(gene = paste0('gene',1:3),sam = paste0('sample',1:3)),x = c(1,3,5))
l
# 取子集：中括号；元素名字
l[[2]]
l['m']

补充

（1）元素的名字---names()

scores = c(100,59,73,95,45)
names(scores) = c("jimmy","nicker","Damon","Sophie","tony")
scores
# 根据名字取子集
scores["jimmy"]
scores[c("jimmy","nicker")]
names(scores)[scores>60] # 取出分数＞60的人名

（2）删除变量

rm(l) # 删除环境中名为l的变量
rm(df, m) # 删除环境中名为df,m的两个变量
rm(list = ls()) # 删除全部
# 清空控制台快捷键：Ctrl + l

（3）match有大用处
Question：两个文件x和y，将文件y的列名根据x改为ID号

load('./matchtest.Rdata') # 即载入了x和y两个对象
x
y

match(colnames(y),x$file_name) # 找到对象y列名在x的file.name列所对应的位置
colnames(y) <- x$ID[match(colnames(y),x$file_name)] # 按照位置信息取出x的ID列对应位置的元素并将其赋值给y

# 方法2：调整x的行的顺序
load('./matchtest.Rdata') # 即载入了x和y两个对象
x = x[match(colnames(y), x$file_name)]
identical(x$file_name,colnames(y))
colnames(y) = x$file_name

# 方法3：调整y的列的顺序

答案

（4）数据框和矩阵的区别
数据框每一列数据类型是相同的，不同列的数据类型可以不同
矩阵内部所有的数据类型都是相同的

df <- data.frame(gene = paste0('gene', 1:4),
                 change = rep(c('up', 'down'), each =2), 
                 score = c(5, 3, -2, -4))
df[2,]
df[,2]
class(df[2,]) # 因为每一列数据类型都不同，所以取数据框的行时，得到的将会是一个数据框而不是单纯的向量
class(df[,2]) # 每一列数据类型是相同的，取出的某列数据结构将会是一个向量

m <- matrix(1:9, nrow = 3)
m[2,]
m[,2]

# 矩阵内部所有的数据类型都是相同的，所以无论取出的行还是列数据结构都是向量
class(m[2,]) 
class(m[,2])

小练习

# 1.统计内置数据iris最后一列有哪几个取值，每个取值重复了多少次
class(iris)
table(iris$Species)
# 2.提取内置数据iris的前10行，前4列，并转换为矩阵，赋值给a。
a <- as.matrix(iris[1:10,1:4])
# 3.将a的行名改为flower1，flower2...flower10。
rownames(a)
rownames(a) <- paste0('flower',1:10)
rownames(a)
# 4.将a的第4-7行删除(提示：删除也是一种修改，需要赋值才能更改变量)
a[-c(4:7),]
# 5.b = rnorm(3)，将a和b组成一个列表，赋值给x
b = rnorm(3)
x <- list(a,b)
x
# 6.探索x[2]和x[[2]]的区别(提示：数据结构)
x[2]
x[[2]]
class(x[2])
class(x[[2]])
# 7.探索：列表x的元素有名字（names）吗？如果有，名字是什么，如果没有试着加上名字，随便取名即可。
names(x) # NULL是没有，不存在的意思
names(x) <- c('list1','list2')

答案

总结

数据结构总结