腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

yw的数据分析

专栏作者

53

文章

97216

阅读量

31

订阅数

grid包just参数如何just图形位置

grid的画图函数都含有just，但是just参数的是怎么调节图形位置的总是让人非常费解，于是便写了代码来一探究竟。思路非常简单：放一个2*2的布局viewport，每个布局里面放一个viewport，每个viewport都用了不同的just参数。just之后的矩形用蓝色显示，中心点的移动用箭头表示出来，这样每个参数对应图形怎么移动的都能一目了然。从以下的代码也能学到如何安排布局，如何使用grobX和grobY获得grob对象的坐标，如何进行基本的viewport切换等。

2018-09-28

5120

R语言S3类的理解与构建

R语言的类有S3类和S4类，S3类用的比较广，创建简单粗糙但是灵活，而S4类比较精细，具有跟C++一样严格的结构。这里我们主要讲S3类。

2018-08-01

5480

data.table包使用应该注意的一些细节

注意默认nThread=getDTthreads()，即使用所有能用的核心，但并不是核心用的越多越好，本人亲自测试的情况下，其实单核具有较强的性能，只有在数据大于3Gb的情况下，开启10核（我的机器全部核心30多核）效率才比一个核心更高，而默认使用全部的核心效率一直非常低。因此对于不是非常巨大的文件，建议设置为1，不要使用全部核心

2018-08-01

1.5K0

方便快捷的求导求积分解方程在线工具sage介绍

有时候我们需要进行一些复杂的数学计算，比如求导，求积分，解方程，还是用abcd字母代表变量的方程等，这就需要进行复杂的数学运算还需要具备良好的数学基础。不过现在有一个非常方便的在线工具，只需要几秒钟，就能告诉我们所有的答案。

2018-08-01

1.3K0

ggplot2 aes函数map到data笔记

.all_aesthetics <- c("adj", "alpha", "angle", "bg", "cex", "col", "color", "colour", "fg", "fill", "group", "hjust", "label", "linetype", "lower", "lty", "lwd", "max", "middle", "min", "pch", "radius", "sample", "shape","size", "srt",

2018-07-05

3540

安装使用pyclone进行克隆演化推断

pyclone介绍可以根据多个样品突变的allele frequency 和 copy number，推断出有该突变的细胞克隆所占的比例（cellular prevalence）在不同样品间的变

2018-04-28

2.4K0

bam文件softclip ， hardclip ，markduplicate的探究

测序产生的bam文件，有一些reads在cigar值里显示存在softclip，有一些存在hardclip，究竟softclip和hardclip是怎么判断出来的，还有是怎么标记duplicate的reads的，我怀着这些问题进行了探究。测试步骤编辑两个bed文件，分别含有我们需要的read1和read2位置，这里每个文件包含两条read1或者两条read2，read1、read2一对作为原始的reads（序列名primer_pri），另一对作为截取的材料(这里取序列名为other) 使用bedto

2018-04-28

1.7K0

NCBI下载sra数据（新）

今天要上NCBI下载sra数据发现没有下载的链接，网上查发现都是老的方法，NCBI页面已经变更，于是看了NCBI的help，并且记录下来新版的sra数据下载方法，要用NCBI的工具SRA Tool

2018-04-28

2.6K0

将基因组数据分类并写出文件，python，awk，R data.table速度PK

由于基因组数据过大，想进一步用R语言处理担心系统内存不够，因此想着将文件按染色体拆分，发现python，awk，R 语言都能够非常简单快捷的实现，那么速度是否有差距呢，因此在跑几个50G的大文件之前，先用了244MB的数据对各个脚本进行测试，并且将其速度进行对比。首先是awk处理，awk进行的是逐行处理，具有自己的语法，具有很大的灵活性，一行代码解决，用时24S， 1 #!/usr/bin/sh 2 function main() 3 { 4 start_tm=date 5 start_

2018-04-27

1.1K0

R语言通过loess去除某个变量对数据的影响

当我们想研究不同sample的某个变量A之间的差异时，往往会因为其它一些变量B对该变量的固有影响，而影响不同sample变量A的比较，这个时候需要对sample变量A进行标准化之后才能进行比较。标准化的方法是对sample 的 A变量和B变量进行loess回归，拟合变量A关于变量B的函数 f(b)，f(b)则表示在B的影响下A的理论取值，A-f(B)（A对f(b）残差）就可以去掉B变量对A变量的影响,此时残差值就可以作为标准化的A值在不同sample之间进行比较。 Loess局部加权多项式回归 LO

2018-04-27

1.9K0

没有更多了

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态