2023.4生信马拉松day3-数据结构

df1 <- data.frame(gene   = paste0("gene",1:4),
                 change  = rep(c("up","down"),each = 2),
                 score   = c(5,3,-2,-4))
df1

df2 <- read.csv("gene.csv")
df2
#如果"gene.csv"不在工作目录下会报错，需要：正确打开Rproj设置好工作目录/写明"gene.csv"所在路径；

volcano
heatmap(volcano)   #体验一下用R的内置数据画个图，快乐一下

dim(df1)  #看行数和列数
nrow(df1)  #只看行数
ncol(df1)   #只看列数
#经常把行列搞反怎么办，跟我念三遍：row是横排成行；colum是纵队为列；
rownames(df1)  #看所有行名
colnames(df1)  #看所有列名

df1$score  #删掉score，按tab键试试：会自动补齐
df1$score
mean(df1$score)   #向量求平均值的做法

df1[2,2]
df1[2,]   #取出来的行会继承数据框属性
df1[,2]    #取出来的列是向量
df1[2]   #不加逗号，可以取出列，并保留其数据框属性
df1[c(1,3),1:2]  #取第一行 第三行的前两个数（会继承行名、列名）

#小tips：读懂error——dimensions

#练习：筛选出向量g中下标为偶数的基因名。
load("gands.Rdata")
seq(from=2,to=100,by=2)
g[seq(2,100,2)]

## 代码思维
#如何取数据框的最后一列？
df1[,3]
df1[,ncol(df1)]
#如何取数据框除了最后一列以外的其他列？
df1[,-ncol(df1)]

df1[,"gene"]   #取“gene”那一列
df1[,c('gene','change')]    #取“gene”那一列和“change”那一列

#例：筛选score > 0的基因
df1$score   #取df1中score那一列，结果为一个含四个元素的向量
df1$score > 0   #运算结果是返回四个逻辑值TRUE/FALSE
df1$score[df1$score > 0]    #把score那一列中TRUE对应的元素取出来，把FALSE对应的元素去掉
df1[df1$score > 0,1]        #把df1中score > 0的行取出来
df1[c(T,T,F,F),1]        #把df1中TRUE对应的行取出来，与上一行效果一样
df1$gene[df1$score > 0]  #把score > 0的基因取出来

#练习：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。
table(g %in% s)
length(intersect(g,s))    # %in%不会去重复，有多少是多少，取交集取并集会去重复；
g[g %in% s]   #筛选在s中存在的所有g

#练习：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]  #不空格的话就会变成 <- 赋值

# 1.读取exercise.csv这个文件，赋值给test。
test = read.csv("exercise.csv")
test
# 2.求test第一列数值的中位数
median(test[,1])
median(test$Petal.Length)
# 3.筛选test中，Species列的值为a或c的行
test[test$Species %in% c("a","c"),]  
#如果把这里的%in%换成 == 的话会出现循环补齐，是不对滴；
#上次已经辨析过：x == y和x %in% y的区别：前者是x和y对应位置一对一比较，是等位运算；后者是x每一个元素都要和y里所有的元素比一遍；

#改一个格
df1[3,3] <- 5
df1
#改一整列
df1$score <- c(12,23,50,2)     
df1
#？
df1$p.value <- c(0.01,0.02,0.07,0.05) 
df1

#改行名和列名
rownames(df1) <- c("r1","r2","r3","r4")
#只修改某一行/列的名
colnames(df1)[2] <- "CHANGE"

#先创建三个数据框
test1 <- data.frame(name = c('jimmy','nicker','Damon','Sophie'), 
                    blood_type = c("A","B","O","AB"))
test1
test2 <- data.frame(name = c('Damon','jimmy','nicker','tony'),
                    group = c("group1","group1","group2","group2"),
                    vision = c(4.2,4.3,4.9,4.5))
test2

test3 <- data.frame(NAME = c('Damon','jimmy','nicker','tony'),
                    weight = c(140,145,110,138))
test3
#有共同列，共同列有同样的列名，则直接按照该列连接
merge(test1,test2,by="name")
#有共同列，共同列的列名不同，则找到共同列分别的名字，再连接
merge(test1,test3,by.x = "name",by.y = "NAME")

#新建矩阵
m <- matrix(1:9, nrow = 3)
#加列名
colnames(m) <- c("a","b","c") 
m
#取m的子集——注意矩阵中不能使用$进行取子集
m[2,]
m[,1]
m[2,3]
m[2:3,1:2]

#矩阵的转置和转换
m
t(m)
as.data.frame(m)    
class(m)    #看着是把m变成了数据框，但是没有赋值就没有发生过；要m=as.data.frame(m)之后才能真的把m变成数据框

#用矩阵画热图
pheatmap::pheatmap(m)    #默认设置-把相似的行和相似的列聚类
pheatmap::pheatmap(m,cluster_cols = F, cluster_rows = F)

#用list()函数生成list
l <- list(m1 = matrix(1:9, nrow = 3),
          m2 = matrix(2:9, nrow = 2))
l

#列表取子集，直接取出来的元素是列表
l$m1

# 元素的名字
scores = c(100,59,73,95,45)
names(scores) = c("jimmy","nicker","Damon","Sophie","tony")
scores
#按名字取元素出来
scores["jimmy"]
scores[c("jimmy","nicker")]
#按逻辑值取——名字和元素对应之后可以按名字判断
names(scores)[scores>60]

# 删除 
rm(l)   #删除1个
rm(df1,df2)  #删除多个用 逗号隔开
rm(list = ls())   #删除全部——用ls列出所有东西，然后把他们都删掉；等价于清空控制台，快捷键ctrl+l

# 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
table(iris[,ncol(iris)])
# 2.提取内置数据iris的前5行，前4列，并转换为矩阵，赋值给a。
iris[1:5,1:4]
a=as.matrix(iris[1:5,1:4])
a
# 3.将a的行名改为flower1，flower2...flower5。
paste0("flower",1:5)
rownames(a) <- paste0("flower",1:nrow(a))
a
# 4.探索列表取子集l[2]和l[[2]]的区别（提示：数据结构）
l[2]    
l [[2]]   
class(l[2])  #是列表
class(l[[2]])  #是矩阵