这是一个关于 pandas 从基础到进阶的练习题系列，来源于 github 上的 guipsamora/pandas_exercises 。这个项目从基础到进阶，可以检验你有多么了解 pandas。
约等于“表格”原因：数据框不是独立的文件，是二元内部的一个数据，电脑上可能并没有这样一个文件，不是在电脑上真实存在的文件；excel表格没有要求一列只有一种数据类型，而数据框要求一列只能有一种数据类型。
hash取余对数据key-value的key值做hash取余计算，得到结果只要key值不变(字符串相等)取余结果在[0,1,2,3,…,n-1]，n=分片个数(节点个数)。 计算公式如下：
When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:
判别分析是判断个体所属类别的一种多元统计分析方法。它在医学领域有着广泛的应用，主要有疾病诊断、疾病预测和病因学分析。例如，根据病人的症状、生化指标判断病人得的是什么疾病，根据病人症状的严重程度或者指标的高低预测病人的预后等等。比如，高血压、高血糖、动脉硬化程度这些都是脑血管疾病的患病危险因素；那么如果知道了人体的这些指标，并对这些数据进行分析，就可以对尚未明确诊断的人是否发生脑血管疾病进行预测；对于很可能是脑血管疾病的人就可以事先给予预防，或者在入院后尽快得到救治，提高诊疗有效率。
方式：RStudio中，菜单栏File→NewProject→NewDirectory→NewProject→DirectoryName
在Excel中，基于AND或OR条件从数据集中提取数据是经常要做的事。可以使用下列方法来实现：
在数据库中处理查询请求时，如果可以尽早的将无关数据过滤掉，那么后续的算子就可以少做无用功，提升整个 SQL 的执行效率。过滤数据最常用的手段是使用索引，TiDB 的优化器也会尽量采用索引过滤的方式处理请求，利用索引有序的特点来提升查询效率。比如当查询条件为 a = 1 时，如果 a 这一列上有索引，我们就可以利用索引很快的把满足 a = 1 的数据拿出来，而不需要逐行检查 a 的值是否为 1。当然是否会选择索引过滤也取决于代价估算。
引用自生信技能树马拉松课程小洁老师授课内容：R语言基础01生成变量c(1,5,3)1:3rep("x",times=3) #有重复的用rep()seq(from=3,to=21,by=3)#有规律的序列用seq()rnorm(n=3)#随机数用rnorm()#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(rep('student'),seq(2,15,2))## [1] "student2" "student4
（1）数据框约等于”表格“，不是完全等于表格。因为数据框不是电脑上的一个文件，并且要求每一列只能有一种数据类型。但是数据框可以导出，可以导出为一个表格。
如果和ROLLUPISSUBTOTAL和ISSUBTOTAL函数一起使用，参数要一致
示例：下表D:F列中，如果填充“完成”大于1个，则在G列返回达标，否则返回不达标。
在日常工作中，数据统计是工作中最重要的一部分。今天把Excel中最常用的统计函数整理了出来，共16个。为了方便同学们理解，选取的全是贴近应用的示例。
(https://developer-private-1258344699.cos.ap-guangzhou.myqcloud.com/column/article/9169440/20231123-6874b036.png?x-cos-security-token=XazQOQwryFdEOouJEjBgSnkh2WyvnG3a264790de313e55f7686759f352702ba1YFMBVZ3wQVjBNpoW_KMfN2RC09s6PfwdOqDcowZ3P-Vo0Am9BunZ4nJYzYFXBf7u5rLlbzzjf41n21RTMIwKezXvMcE1s1nu1XTwH40V-DUB5mvNVBS6Bm8IYnyNX0zL_zY5mhgTsz0r_8dGULdfm8LSH9IHSFVgbXJsp5awVI2M84NA1XvBQ8tBIgS2jmm6qxLuMN2l0tUqTy9WDGKMqUFoexOHq2yg8EFWKgBi3uk4Mrtui9aj_Wbq4J9lTTsUD-BMNKfc0Jr7Ati8vUiANTLmPVb1uu6KzMi1QSPo2E_uGWrQUoGWn8Pw0qeotVWz4Ur-1-g1dM5lcMdqieKVDGWR_yM2MiMKjPZrjhj3Kx-ANwjikSRCC9ysRJ9q7qC6k0yM-TFgjEcggJkh6gtkNQ&q-sign-algorithm=sha1&q-ak=AKIDMiVx-3J5YWwEhf0th4uVCL7ZvzqP09bV-5qP2bqgBShA0eG8ZY90NNuTSACMQNFO&q-sign-time=1700710846%3B1700718041&q-key-time=1700710846%3B1700718041&q-header-list=host&q-url-param-list=x-cos-security-token&q-signature=3f3721451993df5289443555b48f4af347e00707)
在R语言中，用于实现k-means聚类的函数为kmeans()，其的数的基本书写写格式为:
生信技能树-数据挖掘课程笔记 数据类型 数值型 (numeric) 1.1 2 30 字符型 (character) "a" "bb" "ccc" 逻辑型 (logical) TRUE T FLASE F NA 变量赋值 string = "hello,world" string <- "hello,word" 比较运算 比较运算的返回值是逻辑值TURE 、FALSE > 大于 < 小于 >=小于等于 >=大于等于 == 等于 !=不等于 注意区分赋值= 与逻辑值判断的等于== 逻辑值关系 &有一者
purrr中有多个迭代函数，可以用于快速解决循环迭代的问题，purrr中常用的迭代函数有map、map2、walk、reduce等等。
1.Tab键可以补全函数、变量名、指定数据框的行名列名等，能够有效避免错误输入与提高效率
read.csv，用于读取“comma separated value”文件。它以 DataFrame 的形式导入数据。相关参数：
之前文章有写过关于基于Operator操作符Selectivity选择率和Predicate谓词的Selectivity选择率的讲解。这篇文章来讲一下基于每个Operator（TableScan、Project、Join、Union、Sort、Aggregate等等）返回记录数RowCount，即中间结果大小。Hive在估算每个Operator的返回结果RowCount，即中间结果大小，有的是使用元数据对象来进行估算的RowCount；有的使用RelNode自身实现方法估算的；有的是总行数乘以其选择率估算的等多种方法实现。
数据类结构 数据类型 一维 vector 向量 数值、字符、逻辑都可；只有长度；只允许一种数据 二维 matrix 矩阵 向量二维化 只允许一种数据类型 二维 data.frame 数据框-二维，每列只允许一种数据类型 1.数据框来源 1）用代码新建 2）由已有数据转换或处理得到 3）读取表格文件 4）R语言内置数据 2.新建和读取数据框 df1 <- data.frame(gene = paste0("gene",1:4),change = rep(c("up","down"),each = 2),
max（X）#最大值 min（x）#最小值， mean（x）#均值，median（x）#中位数
对于Share-Nothing架构的分布式数据库来说，如何将数据均匀的分布到各个节点、在线扩容，以获取更大的存储容量和更高的并发访问量。成为各大分布式数据库系统的一大挑战，今天我将对腾讯云数据库TBase的数据节点在线扩容方案做一个简单的分享。
这是用Python结合数学函数画出来的各种心形线。情人节快到了，可以拿来送给自己的女朋友哟。源码来自GitHub：turtle-cardioid。
semi_join anti_join实际上没有发生过两个数据框的连接，其实是对左边的数据框取子集
比较运算符（==、!=、<、>、<=、>=）能对两向量间的各个元素进行比较。这些运算符也能将向量中所有元素与一个常数进行比较。返回结果是每两个元素间比较结果的逻辑值向量。
（1）用函数 c() （注意是小写的c()，大写的C()是另外的函数）逐一放到一起，例：
若元素个数不一致，会发生循环补齐，且根据最长元素的对象来定（输出结果中会出现warning，但不影响结果的正确性！）
(x <- c(1,3,5,1)) #用（）直接括起来 空格和减号都是特殊字符 不要随意用
好吧我有点标题党，其实本期要说的是 bloom 过滤器的问题，但题目为什么是这样，一般来说我们如果要给一个大表来加索引，并且这个查询还要加挺多列的时候，是蛮头疼的问题，PostgreSQL 中有一种索引叫 BLOOM INDEX ，而这个索引有什么好处，我们来看看。
paste0 无缝连接，一一对应的连接 paste 有缝连接
上面提示你已经安装过了，不需要重复安装。记住检查安装是否成功的唯一标准就是library，library一下看看
1、最快数据行公式求和 选取空行，点Σ（或按Alt + =）可以快速设置求和公式 2、多区域最快求和 如果求和的区域有多个，可以选定位，然后再点Σ（或按Alt+ =）可以快速设置求和公式。 3.拆分
R软件包含两个逻辑值，TRUE和FALSE。在其他编程语言中也称为布尔值（Boolean values）。布尔向量就是充满着逻辑值的逻辑向量。那么有如何的应用呢？
数据类型：数值型（numeric)，字符型（character，必须加" "or' '），逻辑型（TRUE FALSE NA存在但未知）
This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.
作业2优化 前面student个数是数出来的，但是在R语言中，能用函数代替就不要自己数，除非这代码只用一次
在数据挖掘的实战过程中，经常会遇到变量非常多的情况，即数据的维数很高，也称为“维数灾难”问题。在我们生物医学统计领域，一个数据集中可能存在成百上千个变量，对于回归处模而言，并不是越多变量越好，利用少而精的变量建模显得极为重要，如何选择变量子集就是解决问题的关键。
什么是数据？数据是指对客观事件进行记录并可以鉴别的符号，是对客观事物的性质、状态以及相互关系等进行记载的物理符号或这些物理符号的组合。它是可识别的、抽象的符号。数据可以是连续的值，也可以是离散的。
在使用R语言过程中，每一步中都需要关注R语言的数据结构。数据结构是R语言中最重要的内容，也是最难的一部分，学会了这部分之后，R语言就不难了。很多时候，函数无法运行，都是因为数据结构的问题。在学习R语言数据结构之前需要首先了解下数据的类型。
#以前听一位计算机老师说过，逻辑判断是所有编程语言的核心（后面的筛选就是建立在这个基础上）
哈喽，我是学习生物信息学的阿榜！非常感谢您能够点击进来查看我的笔记。我致力于通过笔记，将生物信息学知识分享给更多的人。如果有任何纰漏或谬误，欢迎指正。让我们一起加油，一起学习进步鸭? 这份思维导图可以
ctrl+shift+m，把上一个运算的结果输入为下一个函数的第一个参数，可以省略很多中间变量
修改行名和列名，其实就是修改向量，要修改全部行名就给全部赋值，如果要改一个列名就给取子集赋值。如：修改第二列的列名，就是修改【列名这个向量】的第二个元素
TypeScript 给 JavaScript 扩展了类型的语法，我们可以给变量加上类型，在编译期间会做类型检查，配合编辑器还能做更准确的智能提示。此外，TypeScript 还支持了高级类型用于增加类型系统的灵活性。
数据框、矩阵取子集，逗号的两边分别表示行和列，要么是行名列名，要么是行号列号，还可以是逻辑值。
github代码在：https://github.com/jmzeng1314/scRNA_smart_seq2/archive/master.zip
例如 y=c("nihaoa 11","niyehaoa 22","zhangsongwen 33")
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
