我们可能熟悉使用INDEX、SMALL等在给定单列或单行数组的情况下，返回满足一个或多个条件的值的列表。这是一项标准的公式技术。...可以很容易地验证，在该公式中的单个条件可以扩展到多个条件，因此，我们现在有了从一维数组和二维数组中生成单列列表的方法。 那么，可以更进一步吗？...本文提供了一种方法，在给定一个或多个相同布局的工作表的情况下，可以创建另一个“主”工作表，该工作表仅由满足特定条件的所有工作表中的数据组成。并且，这里不使用VBA，仅使用公式。...TRANSPOSE({3,2,1}) 得到： {3;2;1} 因此，MMULT函数变为： MMULT({1,0,0;1,1,0;1,1,1},{3;2;1}) 结果是： {3;5;6} 使用Arry1的值来替换主公式中的相应部分...，以及要求Sheet3返回值时，该参数将被“重置”为1。
它可以升序排列，可以降序排列，也可以像我们以前章节说过的，以波浪形方式排序，现在我们要看到的一种是绝对值排序。对于数组A,绝对值排序满足以下条件：|A[i]| < |A[j]|，只要i < j。...对于这个题目，我们曾经讨论过当数组元素全是整数时的情况，要找到满足条件的配对(i,j)，我们让i从0开始，然后计算m = k - A[i]，接着在(i+1, n)这部分元素中，使用折半查找，看看有没有元素正好等于...m，如果在(i+1,n)中存在下标j，满足A[j] == m 那么我们就可以直接返回配对(i,j)，这种做法在数组元素全是正数，全是负数，以及是绝对值排序时都成立，只是在绝对值排序的数组中，进行二分查找时...因此在查找满足条件的元素配对时，我们先看看前两种情况是否能查找到满足条件的元素，如果不行，那么我们再依据第三种情况去查找，无论是否存在满足条件的元素配对，我们算法的时间复杂度都是O(n)。..." and " + this.sortedArray[this.indexJ]); } } } 类FindPairInAbsoluteSortedArray用于在绝对值排序的数组中查找满足条件的元素配对
x2 str_replace(x2,"o","A") #每个元素里面只替换第一次出现的目标字符 str_replace_all(x2,"o","A") #替换元素中所有目标字符 1.6 字符删除 x...str_remove(x," ") #只删除第一次出现的目标字符 str_remove_all(x," ") #删除全部目标字符 2.玩转data.frame--dplyr包 2.1 arrange，...3.1 if(){ } 3.1.1 只有if没有else，那么条件是FALSE时就什么都不做 i = -1 if (i<0) print('up') #if()只能有一个逻辑值 if (i>0) print...ID的方法 ## (1)分步解法 a = colnames(y) b = x$file_name k = match(a,b);k # match(a,b)的意思是a里的每个元素在b的第几个位置上。...pattern = ".R$") #列出工作目录下以.R结尾的文件 file.create("douhua.txt") #用代码创建文件 file.exists("douhua.txt") #某文件在工作目录下是否存在
#如果向量里的一个数据有两个o，只替换第一个str_replace_all(x2,"o","A") #如果向量里的一个数据有两个o，都替换str_replace_all(x2,"o|e","A") #...duplicated(mm)] 提取没有重复的第一次出现的mutate，数据框新增一列mutate(test, new = Sepal.Length * Sepal.Width) new是新产生的列名新加之后...select(iris,-5)),50))管道符号传递，简洁明了iris %>%select(-5) %>%as.matrix() %>%head(50) %>%pheatmap::pheatmap()玩转条件和循环条件...else2， ifelse（，，ifelse）在ifelse里加一个ifelse补充 case_when练习题1.加载deg.Rdata,根据a、b两列的值，按照以下条件生成向量x：load("deg.Rdata...(1)分步解法a = colnames(y)b = x$file_namek = match(a,b);k#match(a,b)的意思是a里的每个元素在b的第几个位置上。
，x2中的o替换为A（有重复的只替换了第一个）str_replace_all(x2,"o","A") # 5.字符串替换，x2中的o全部替换为Astr_remove(x," ") # 6.字符删除...（只删除了第一个空格）str_remove_all(x," ") # 6.字符删除（删除全部空格）2.玩转数据框（dplyr)#arrange，数据框按照某一列排序arrange(test, Sepal.Length...、条件语句if(一个逻辑值){ } 如果()中的条件T成立，{}中的函数被运行，如果F不成立，则不执行if条件语句：如果...就...否则...if(一个逻辑值){ CODE1} else{...CODE2}重点：ifelse函数ifelse(x,yes,no)x：逻辑值或逻辑值向量yes：逻辑值为TRUE时的返回值no：逻辑值为FASLE时的返回值多个条件ifelse(i>0,"+",ifelse...:4中的每个元素进行循环输出批量画图par(mfrow = c(2,2))for(i in 1:4){ plot(iris,i,col = iris,5)}批量装包pks = c("tidyr","dplyr
复习R包stringr字符串操作的几个函数-长度、拆分、提取、字符检测、替换和删除。...2.3 if条件语句控制代码运行elseif(F){}啥都不敢if(F){}elese{}#运行else后的{}中的代码2.4 ifelse函数只有3个参数ifelse(x,yes,no)x：逻辑或逻辑值向量...yes：逻辑值T时返回的值no，逻辑值F时返回的值ifelse函数和str_detect()函数连用，王炸炸炸！！！...2.7 for循环对x里的每个元素进行同一操作for(i in x){CODE}#x是向量；i是代称，i自动等于某个循环里的x元素for( i in 1:4){ print(i)}#for循环跑4次，i在第一次循环是...在表达矩阵中，寻找在不同组有表达差异的基因。
(x2,"o","A") ##在" "中只替换一个函数 str_replace_all(x2,"o","A") ##替换所有 图片 6. str_remove 字符串替换 ### 6.字符删除 x str_remove...( ) 排序 test <- iris[c(1:2,51:52,101:102),] rownames(test) =NULL # 去掉行名，NULL是“什么都没有” test 图片 library(dplyr...test, desc(Sepal.Length)) #从大到小 排序 图片 图片 2.distinct（）去重复 distinct(test,Species,.keep_all = T) ##某一个数据第一次出现视为不重复...1. if 条件语句 ###1.if(){ } 如果...就... #### (1)只有if没有else，那么条件是FALSE时就什么都不做 i = -1 if (i<0) print('up'...第二个写的数据框），左表中多余的数据舍去 full_join(test1,test2,by="name") ##取全集 semi_join(test1,test2,by="name") ##半连接，对左边表格取在右边表格住存在的子集
T或F）1.5 字符的替换str_replace(x2,"o","A")只会对第一次出现的"o"替换成"A"#改进：str_replace_all(x2,"o","A")对所有的"o"替换成"A"1.6...字符删除str_remove(x,"o")只会对第一次出现的"o"进行删除#改进：str_remove_all(x,"o")对所有的"o"进行删除1.7 补充y = c("jimmy 150","nicker...TRUE，则执行code1，反之执行code2多个条件仍适用if(){code1}else if(){code2}else{code3}3.2 ifelse函数仅有三个参数ifelse(x,yes,no...)#x：逻辑值或逻辑值向量#yes：逻辑值为T时的返回值#no：逻辑值为F时的返回值i = 1ifelse(i>0,"+","-")1 "+"多个条件仍适用ifelse(i>0,"+",ifelse(i...i)}1 11 21 31 4e.g.2par(mfrow = c(2,2))for(i in 1:4){plot(iris,i,col = iris,5)}批量装包pks = c("tidyr","dplyr
-（2）用多次嵌套避免中间变量不直观，且容易出错； ——设置彩虹括号，可以在多层嵌套时看清楚哪个括号和哪个括号是一对： options -- code -- display --use rainbow...），不可以是多个逻辑值组成的向量； -（2）当逻辑值为TRUE时执行大括号内的代码，如果为FALSE就不执行； -（3）如果要执行的代码只有一行可以不加大于号； -（4）实例：安装R包的满分操作——根据一个包是否已安装来决定要不要安装这个包...-（3）yes：逻辑值为TRUE时的返回值 -（4）no：逻辑值为FALSE时的返回值 -（5）支持单个的逻辑值，也支持多个逻辑值组成的向量 -（6）相当于对向量的每个元素逐个进行判断，然后对判断结果...str_detect()可以检测样本中是不是含有某个字符，然后返回逻辑值，ifelse()对逻辑值T/F进行替换 samples = c("tumor1","tumor2","tumor3","normal1...，就再进行一步判断； 练习7-2 # 1.加载deg.Rdata,根据a、b两列的值，按照以下条件生成向量x： #a< -1 且b<0.05,则x对应的值为down； #a>1 且b<0.05,则x对应的值为
5、字符替换 ### 5.字符串替换 x2 str_replace(x2,"o","A") str_replace_all(x2,"o","A") "str_replace(x2,"o","A")" 该代码表示将字符串...x2中的第一个字母o替换为A。..."str_replace_all(x2,"o","A")" 该代码表示将字符串x2中所有的字母o都替换为A。...①、多次赋值，产生多个中间的变量 ②、嵌套，代码不易读 ③、管道符号传递，简洁明了 三、条件语句和循环语句 1、if条件语句：满足（）里面的条件，执行；不满足（）里面的条件，不执行 ②、长脚本管理的两种方法...⑤、多个条件运用 rm(list = ls()) ## 一.条件语句 ###1.if(){ } #### (1)只有if没有else，那么条件是FALSE时就什么都不做 i = -1 if (i
0.2 setosa distinct()，数据框按照某一列去重复 > distinct(test,Species,.keep_all = T) #按照species这一列去重复，只保留第一次出现的值...图片 图片 一.条件语句 1.if(){ } #### (1)只有if没有else，那么条件是FALSE时就什么都不做 > i = -1 > if (i<0) print('up') [1] "up"...； yes:逻辑值为T时的返回值； no:逻辑值为F时的返回值 i = 1 ifelse(i>0,"+","-") > ifelse(i>0,"+","-") [1] "+" > x = rnorm...按照以下条件生成向量x： #a< -1 且b<0.05,则x对应的值为down； #a>1 且b<0.05,则x对应的值为up； #其他情况，x对应的值为no #统计up、down、no各重复了多少次...与其他人以及每次登录时）都 一样 exp = matrix(rnorm(18),ncol = 6) #18个随机数分布在六列里形成矩阵 exp = round(exp,2) #round() 取小数点后
TIDYVERSE Dplyr Arrange rows Dplyr Count the observations Dplyr Distinct keep unique rows Dplyr Join...two tables Dplyr Join with one varibale Dplyr Mutate create, modify, and delete columns Dplyr Rename...Dplyr Select keep or drop columns select 函数用于选择数据框中的特定列，可以保留感兴趣的变量，并且能够根据列名、位置或条件表达式进行灵活的变量选择操作。...Dplyr Filter keep rows that match a condition filter 函数用于根据条件筛选数据行，能够仅保留满足条件的观测，支持根据指定的条件表达式对数据框进行灵活的行筛选操作...Tidyr Pivot Longer from wide pivot_longer 函数用于将宽格式数据转换为长格式数据，能够根据用户指定的列将数据框中的多个列整理成一对 “名-值” 对，便于进一步的分析和处理
于是，data.table这个包就可以很好的满足对大数据量的数据操作的需求。 data.table可是比dplyr以及Python中的pandas还好用的数据处理方式。...2、按条件行筛选 从前用subset的方式进行筛选比较多， new=14,select=a:f) （1）单变量 现在data.table与dplyr from_dplyr =...用filter，content满足某种条件的进行筛选，而data.table的筛选方式很传统，比较简单。...DT数据集按照x分组，然后计算v变量的和、最小值、最大值。 （2）dplyr函数利用%>%（链式操作）来改进： 链式操作是啥意思呢？...在dplyr分组求和的过程中，还是挺有用的。
#https://mp.weixin.qq.com/s/p7LLLvzR5LPgHhuRGhYQBQ 拼图 图片 图片 可以在STHA网站找到现成的代码。...，可用于向量取子集； str_ends(x,"h")##是否以h结束，生成与X长度相等的逻辑值向量，可用于向量取子集； str_replace(x,"o","a")#将x中的o替换为a，只替换出现的第一个...o； str_replace(x,"o|s","a")#将x中的o或者s替换为a，只替换出现的第一个o； str_replace_all(x,"o","a")#将x中的o替换为a，替换所有的o； str_remove...包，快捷键ctrl+shift+M 条件或循环 rm(list = ls()) ## 一.条件语句 ###1.if(){ } #### (1)只有if没有else，那么条件是FALSE时就什么都不做...； yes：逻辑值为TRUE时的返回值 no：逻辑值为FALSE时的返回值 x = rnorm(3) x ifelse(x>0,"+","-") #ifelse()+str_detect(),王炸
图片 #### (1)只有if没有else，那么条件是FALSE时就什么都不做 i = -1 if (i<0) print('up') ###输出结果为up if (i>0) print('up...require(tidyr)) install.packages('tidyr') #### (2)有else if返回的逻辑值是true时，执行if的函数结果，返回的逻辑值是false时，执行的是...print("-") } i = 1 ifelse(i>0,"+","-") ## [1] "+" x = rnorm(3) x ifelse(x>0,"+","-") ## 返回的结果是TRUE时就替换成第二个位置的值...“+”，返回的结果是FALSE时就替换成第三个位置的值“-” #ifelse()+str_detect(),王炸 ifelse(T,"A","B") ifelse(F,"A","B") ifelse(c...按照以下条件生成向量x： # a< -1 且b<0.05,则x对应的值为down； # a>1 且b<0.05,则x对应的值为up； # 其他情况，x对应的值为no # 统计up、down、no各重复了多少次
三、数据是否为配对数据的考量数据的配对性也是选择假设检验方法时需要考虑的因素之一。配对数据指的是两组数据之间存在一一对应关系的数据，如同一样本在不同时间或不同条件下的测量值。...这种检验的前提条件是两组数据都是正态分布的，并且具有相同的方差（方差齐性）。在满足正态性和方差齐性的条件下，我们计算了两组数据的均值和标准差，然后计算T统计量。...为了确保分析的有效性，需要满足以下假设条件：在设计的任何区块（block）中都没有显著的异常值。异常值可能会对分析结果产生重大影响，因此需要识别并妥善处理。...为了确保分析结果的有效性和可靠性，必须满足以下基本假设条件：数据服从正态分布。正态性假设意味着每个组的观测值应近似地遵循正态分布的钟形曲线。...这种检验特别适用于以下情况：当数据不满足单向重复测量ANOVA检验所需的正态性条件，或者当因变量是在有序量表上进行测量时。它允许研究者评估多个相关样本之间的差异，而不受数据分布形态的限制。
str_replace(x2,"o","A")#一个字符中出现两次只替换第一次出现 ## [1] "The" "birch" "canAe" "slid" "An" ##...setosa ## 3 versicolor ## 4 versicolor ## 5 virginica ## 6 virginica 1.排序：arrange，数据框按照某一列排序 library(dplyr...条件 （1）if(){ } if()里面是一个逻辑值，不能是多个 #只有if没有else，那么条件是FALSE时就什么都不做:if (i<0) print('up') #有else时： i =1 if...T时的返回值 no：逻辑值为F时的返回值 ifelse(i>0,"+","-") ## [1] "+" #ifelse()+str_detect(),王炸，用于分组 samples = c("tumor1...rnorm里面的数字，第一轮循环等于1，后等于5、7、3 a = list() for (i in 1:4) {#已经让i动起来了（1、2、3、4） a[[i]] = rnorm(x[[i]])#在循环里取子集
例如，若要选择数据框df中的列x和y，可以使用以下代码：library(dplyr)，df 10且y 10 & y < 5)，与select函数类似，filter也可以使用多个逻辑条件组合...rm(list = ls()) ## 一.条件语句 ###1.if(){ } #### (1)只有if没有else，那么条件是FALSE时就什么都不做 i = -1 if (i<0) print...按照以下条件生成向量x： #a< -1 且b<0.05,则x对应的值为down； #a>1 且b<0.05,则x对应的值为up； #其他情况，x对应的值为no # 统计up、down、no各出现了多少次...如果不指定n，则默认值为6。
)以dplyr包为例 官方包的文档dplyr示例数据test % select(Species, Sepal.Length)3.filter()筛选行/返回具有匹配条件的行可以按照某分类变量的值进行数据筛选...Sepal.Length)#默认从小到大排序mtcars %>% arrange(cyl, disp)5.summarise()：汇总，对数据进行汇总操作,结合group_by使用实用性强\ 将多个值减少到单个值...(test,Species)分类变量每个变量值的频数dplyr处理关系数据将2个表进行连接1.內连inner_join,取交集inner_join(test1, test2, by = "x")满足两个条件...x')3.全连full_joinfull_join( test1, test2, by = 'x')列表书写顺序决定了最终合成列表中列的顺序,每列数值的类型必须相同；以"by"的列为标准，补齐列表，空值为
如果是要去除包含缺失值的行，直接使用na.omit()函数就可以了，但是如果要去除含有缺失值的列呢？...image.png 实现目的需要借助dplyr这个R包 用到的是select_if()函数 这个具体的写法怎么解释我暂时还没有搞明白，先背下来再说吧 dfpra library(dplyr) dfpra...这个代码是保留带有缺少值的列 ?...image.png 如果是要删除带有缺失值的列在any函数前加一个感叹号就可以了 dfpra<-data.frame(A=1:5, B=c(1:4,NA),...判断数据集是否至少存在一个数据满足指定的条件，返回值是TRUE或者FALSE 比如判断一组数据中是否存在负数 代码 x1<-c(1,2,3,4,5) any(x1<0) x2<-c(-1,2,3) any
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
云直播
