三、数据结构：向量

生信技能树学习之数据结构：向量

数据结构包括：向量 数据框 矩阵 列表

一、向量定义。

数据框中单独拿出来的一列就是向量，视为一个整体。一串同一类型的数据。

一个向量只能有一种数据类型，可以有重复值。

二、向量的生成

2.1 用合集直接生成

用 c() 逐一放到一起，结合到一起

c(2,5,6,2,9)   #数值型向量

[1] 2 5 6 2 9

c("a","f","md","b")   ##字符型向量

[1] "a" "f" "md" "b"

2.2 连续的数字用冒号“:”

1:5  

[1] 1 2 3 4 5

2.3 有重复的用rep(),有规律的序列用seq(),随机数用rnorm()

rep("x",times=3)   

[1] "x" "x" "x"

seq(from=3,to=21,by=3)  

[1] 3 6 9 12 15 18 21

rnorm(n=3)    ##随机数，每次运行出来，结果都不一样。

[1] 0.5240832 -1.9169955 -1.5442292

2.4 通过组合,产生更为复杂的向量。

paste0(rep("x",times=3),1:3)  

[1] "x1" "x2" "x3"

paste0 无缝连接，一一对应的连接 paste 有缝连接

paste(rep("x",times=3),1:3) 

[1] "x 1" "x 2" "x 3"

paste默认的分割符是空格sep=" "（冒号里面是空格） 可以改成其他任何东西, eg: sep=","

paste(rep("x",times=3),1:3,sep = ",")

[1]"x,1""x,2""x,3"

练习题： # 1.生成1到15之间所有偶数

seq(from = 1,to = 15,by = 2)    ### [1] 1 3 5 7 9 11 13 15
seq(from = 2,to = 15,by = 2)    ### [1] 2 4 6 8 10 12 14

#2.1生成向量，内容为："student2" "student4" "student6" "student8" "student10" "student12" "student14"

提示：用paste0 ##无缝连接

paste0(rep("student",times = 7),seq(from = 2, to = 15,by = 2))

[1] "student2" "student4" "student6" "student8" "student10" "student12" "student14"

注意：times输入的数值会按rep和seq的最大数值发生循环补齐。

# 3.将两种不同类型的数据用c()组合在一起，看输出结果

c(1,"a")      ### [1] "1" "a" 

数值型和字符型放在一起输出时，数值型会转换为字符型

c(TRUE,"a")  ### [1] "TRUE" "a"  

逻辑性和字符型放在一起输出时，逻辑性转换为字符型

c(1,TRUE)    ### [1] 1 1  

逻辑型和数值型放在一起输出时，逻辑性转换为数值型。TRUE 转为1，FALSE转换为0，

as.numeric(TRUE)      ### [1] 1  
as.numeric(FALSE)     ### [1] 0

三、对单个向量进行的操作

3.1 赋值给一个变量名

x = c(1,3,5,1)       #随意的写法
x

[1] 1 3 5 1

x <- c(1,3,5,1)     #规范的赋值符号 Alt+减号
x

[1] 1 3 5 1

###赋值+输出一起实现

x <- c(1,3,5,1);x       ##[1] 1 3 5 1
(x <- c(1,3,5,1))       ##[1] 1 3 5 1

3.2 简单数学计算

> x+1 [1] 2 4 6 2

> log(x) [1] 0.000000 1.098612 1.609438 0.000000

> sqrt(x) [1] 1.000000 1.732051 2.236068 1.000000

3.3 根据某条件进行判断,生成等长的逻辑型向量

> x>3 [1] FALSE FALSE TRUE FALSE

> x==3 [1] FALSE TRUE FALSE FALSE

3.4 初级统计

> max(x) #最大值 [1] 5

> min(x) #最小值 [1] 1

> mean(x) #均值 [1] 2.5

> median(x) #中位数 [1] 2

> var(x) #方差 [1] 3.666667

> sd(x) #标准差 [1] 1.914854

> sum(x) #总和 [1] 10

> length(x) #长度 [1] 4

> unique(x) #去重复 [1] 1 3 5 一个向量从左向右看，第一次出现叫做没重复，第二次或第多次出现叫重复。

> duplicated(x) #判断对应元素是否重复，没重复返回FALSE，重复返回TRUE，即第一次出现返回FALSE。

[1] FALSE FALSE FALSE TRUE

> table(x) #重复值统计

x

1 3 5

2 1 1

> sort(x) [1] 1 1 3 5 默认值decreasing = FALSE

> sort(x,decreasing = F) [1] 1 1 3 5

> sort(x,decreasing = T) [1] 5 3 1 1

## R语言里的函数思想：能用函数代替，就不要用手去数，除非这个代码只用一次。

四、对两个向量进行的操作

> x = c(1,3,5,1)

> y = c(3,2,5,6)

4.1 比较运算，生成等长的逻辑向量

> x == y [1] FALSE FALSE TRUE FALSE

> y == x [1] FALSE FALSE TRUE FALSE ###x和y写的先后顺序没有影响。

4.2 数学计算

> x + y [1] 4 5 10 7

4.3 连接

> paste(x,y,sep=",") [1] "1,3" "3,2" "5,5" "1,6"

#paste与paste0的区别. paste0无缝连接 paste有缝连接，可以设置成无缝。

paste的sep值默认的是空格，paste0的sep值默认的没有空格

> paste(x,y) [1] "1 3" "3 2" "5 5" "1 6"

> paste0(x,y) [1] "13" "32" "55" "16"

> paste(x,y,sep = "") [1] "13" "32" "55" "16"

> paste(x,y,sep = ",") [1] "1,3" "3,2" "5,5" "1,6"

#当两个向量长度不一致

x = c(1,3,5,6,2)
y = c(3,2,5)
x == y      

[1] FALSE FALSE TRUE FALSE TRUE

Warning message: In x == y : 长的对象长度不是短的对象长度的整倍数

#循环补齐

#利用循环补齐简化代码 就是当x和y不一样长时，发生循环补齐。

paste0(rep("x",3),1:3)  

[1] "x1" "x2" "x3"

paste0("x",1:3)  

[1] "x1" "x2" "x3"

4.4 交集、并集、差集

intersect(x,y) ### 交集 [1] 3 5 2

union(x,y) ### 合集 [1] 1 3 5 6 2 ###取交集或者合集的时候会自动去重复。

setdiff(x,y) ### 指仅在x中存在，不在y中存在的元素 [1] 1

setdiff(y,x) ### 指仅在y中存在，不在x中存在的元素 [1] 1 6

x %in% y ### x的每个元素在y中存在吗，返回的逻辑值和前面的一样，谁在前面就是按照谁的长度生成逻辑值。

[1] FALSE TRUE TRUE FALSE TRUE

y %in% x ### y的每个元素在x中存在吗

[1] TRUE TRUE TRUE

==和%in%的区别

五、向量取子集

> x <- 8:12 [1] 8 9 10 11 12.

5.1 根据逻辑值取子集

[] 默认的是将TRUE对应的值挑选出来，FALSE丢弃

> x[x==10] [1] 10

> x[x<12] [1] 8 9 10 11

> x[x %in% c(9,13)] [1] 9

5.2 根据位置取子集

下标，第几个元素下标就是几。

> x[4] ## 取出x中的第四个元素。 [1] 11

> x[2:4] [1] 9 10 11 ## 取出x中的第2和4个元素

> x[c(1,5)] [1] 8 12

> x[-4] [1] 8 9 10 12

> x[-(2:4)] [1] 8 12

按照逻辑值取向量时：中括号里是与x等长且一一对应的逻辑值向量；

按照位置取向量时：中括号里是由x的下标组成的向量。

2:4是单独的向量能单独运行，而1，5不是向量，不能运行，所以不能单独用来取子集。

从13个球中选出颜色是蓝色和绿色的球。13个球的颜色赋值给x，“蓝色”和“绿色”赋值给y

==不能用，是因为==要求位置相等，要求第一个是蓝色，第二个是绿色的

六、修改向量中的某个/某些元素：取子集+赋值

> x [1] 8 9 10 11 12

R语言里的所有修改都要经过赋值，没有赋值就相当于没有发生过。

6.1 改一个元素

x[4] <- 40    #把第四个元素改成40

> x [1] 8 9 10 40 12

6.2 改多个元素

> x[c(1,5)] <- c(80,20) #把第一个元素改成80，把第二个元素改成20

> x [1] 80 9 10 40 20

七、简单向量作图

k1 = rnorm(12);k1
k2 = rep(c("a","b","c","d"),each = 3);k2
plot(k1)        ### K1做了纵坐标而k1的下标默认做了横坐标。
boxplot(k1~k2)  ###默认k1是纵坐标，k2是横坐标。

[1] 0.8005420 1.2091388 1.2006316 -0.6671420 -0.3112836 1.1842604 0.3015444 0.6596160

[9] 0.8199846 -1.6260995 1.7780082 -0.3889134

[1] "a" "a" "a" "b" "b" "b" "c" "c" "c" "d" "d" "d"

# 练习题：运行load("gands.Rdata"),即可得到和使用我准备的向量g和s，如报错，说明你的代码写错或project没有正确打开

load("gands.Rdata")

# 1.用函数计算向量g的长度

length(g)

# 2.筛选出向量g中下标为偶数的基因名。

seq(2,100,2)      ###先写出为偶数的下标
g[seq(2,100,2)]

# 3.向量g中有多少个元素在向量s中存在(要求用函数计算出具体个数)？将这些元素筛选出来 # 提示：%in%

table(g%in%s)
g[g%in%s]

# 4.生成10个随机数: rnorm(n=10,mean=0,sd=18)，用向量取子集的方法，取出其中小于-2的值

z=rnorm(n=10,mean=0,sd=18)
z
z[z< -2]
z[z< (-2)]

补充知识点

(1:10)[c(T,F)]                     [1]1,3,5,7,9
(1:10)[c(F,T)]                     [1]2,4,6,8,10
(1:10)[c(T,F,T,F,T,F,T,F,T,F)]     [1]1,3,5,7,9     ###发生了循环补齐