map_df()以生成类似于`rbind` to ` `lapply()`的输出_使用lapply生成多个图，遍历列表以确定不工作的图的标题_以类似于HList的样式生成嵌套数据结构 - 腾讯云开发者社区

Error in UseMethod("rescale") : "rescale"没有适用于"AsIs"目标对象的方法问题回顾及第一次的解决方案考虑到上一次的推文以思路复现为主，当时没注意到给出的解决方案代码的截图没有截完整...这部分主要解决两个问题：（1）上一篇的推文提到过，错误出现的原因是cnetplot生成的ggplot2对象中的data对象在渲染过程中某些数据被转换为了AsIs对象，最终导致报错。...map_df方面对数据进行调整，根据调用的代码可知，其依然是对图层的数据data做处理。...# { # if (empty(df) || length(scales$scales) == 0) # return(df) # 关键点在这里：对每一个scale对象，调用了它的map_df...函数 # mapped <- unlist(lapply(scales$scales, function(scale) scale$map_df(df = df)), # recursive

3K8 0

「R」apply,lapply,sapply用法探索

] # 每行的值 + df<-rbind(df,rbind(c(sum(row[1],1), mean(row))))...,1]+1,x2=rowMeans(x)) + } # 生成数据集 > x <- cbind(x1=3, x2 = c(400:1, 2:500)) # 分别统计3种方法的CPU耗时。...4. sapply函数 sapply函数是一个简化版的lapply，sapply增加了2个参数simplify和USE.NAMES，主要就是让输出看起来更友好，返回值为向量，而不是list对象。...时，输出结果按数组进行分组 USE.NAMES: 如果X为字符串，TRUE设置字符串为数据名，FALSE不设置我们还用上面lapply的计算需求进行说明。...，还可以自动生成数据名。

4.4K3 2

您找到你想要的搜索结果了吗？

是的

没有找到

R tips：使用lapply和do.call读取并合并多个文件

先模拟几个数据文件，以用于导入### # 创建6个文件，每个文件有一个数据框，为一行三列数据，列名a,b,c dir.create("test") lapply(1:6, function(x){...= T)%>%lapply(function(x){ read.table(x, header = T) }) # 使用rbind合并 do.call(rbind, file_list) #结果如下...： # a b c #1 1 1 1 #2 2 2 2 #3 3 3 3 #4 4 4 4 #5 5 5 5 #6 6 6 6 这个方法很好用，有一个小问题：当数据的列名不一样时，rbind会报错，比如...： # 更改第一个数据框的列名为"d" "e" "f" colnames(file_list[[1]])<-c("d","e","f") do.call(rbind, file_list) #Error...#[4,] 4 4 4 #[5,] 5 5 5 #[6,] 6 6 6 当转换为matrix的时候，由于matrix内的格式都是一样的，一旦原文件包含字符和数字，那么数字也会转换为字符，此时需要as.numeric

3.7K1 0

R︱foreach+doParallel并行+联用迭代器优化内存+并行机器学习算法

，%dopar%就是并行启动器（2）.combine：运算之后结果的显示方式，default是list，“c”返回vector， cbind和rbind返回矩阵，"+"和"*"可以返回rbind之后的...来看看上面的内容怎么用lapply实现： lapply(cbind(1:3,rep(10,3),function(x,y) x+y )) 但是有个小细节就是，%do%之后的{}可以随意写中间赋值过程，譬如...2、参数：.combine——定义输出结果的整合默认是foreach之后返回的是list，你可以指定自己想要的格式。....，default是list，“c”返回vector， cbind和rbind返回矩阵，"+"和"*"可以返回rbind之后的“+”或者“*”，帮你把数据整合起来。...本节想解决的问题： 1、能不能输出每次迭代的时间？

4K4 2

R数据分析大数据当中的化整为零（Split-Apply-Combine）策略

化整为零策略有点类似于由Google推广的map-reduce策略。...从上面的比较中，我们很清楚的看到，sapply返回值的排列形式，以list的names为colnames。可以想象，它使用的是按列填充matrix的方式输出的。...我们如果需要做上述的分析应该怎么办呢？在思路上，我们的想法可能会是先从ozonedf出发生成一个类似ozone这样子的数据，然后再使用apply,lapply这样的函数来完成就可以。...第一步生成ozone这样子的数据，就是化整为零策略(Split-Apply-Combine)的第一步了。...对于margins,可以是 .margins = 1 #以行为单位 .margins = 2 #以列为单位 .margins = c(1,2) #以individual cell为单位需要注意的是，这里的每一个参数都使用了

1.2K8 0

R语言︱list用法、批量读取、写出数据时的用法

如果被赋值的元素原来不存在，则列表延伸以包含该新元素。...提取某List某指标方法一：先编写一个提取list子集的函数： subdate<- function(x){ x$DATE } 复制代码然后用lapply或者sapply sapply...100] 用lapply计算每个x的长度。...—————————— unlist与list的区别 unlist(x)生成一个包含x所有元素的向量。...() for (i in 1:2){ data.list[[i]]=read.xlsx("C1.xlsx",i) } 以上是写入，看看如何写出： #3、利用List批量读出操作 #难点：如果构造输出表格的名称

17.4K5 2

R语言里面双层list变成长形数据框

有3个样本，每个样本里面都是上下调基因集合，以 g1和g2区分： require("VennDiagram") VENN.LIST <- lapply(gs, function(x) x$g1) venn.plot1...韦恩图固然是一种展现方式，可以看到3个样品各自的上下调基因的overlap情况，基本上呢，随机生成的数值它们的overlap不咋地！...但是呢，3个样品我们其实更想看各自的上下调基因集的生物学功能，需要把这个双层list变成长形数据框，超级复杂，下面的代码： deg=gs deg_list=lapply(names(deg), function...(tmp[[x]])) })),sep='_') , gene=unlist(tmp)) }) group_g=do.call(rbind,deg_list) group_g=do.call(...rbind,deg_list) library(org.Hs.eg.db) group_g$gene=toTable(org.Hs.egSYMBOL)[group_g$gene,2] head(group_g

6381 0

隐式循环及function函数

min.cells = 5, min.features = 300 ) return(sce) }) do.call(rbind...,lapply(sceList, dim)) 正好复习R语言基础的时候，学到了apply()和lapply()两个函数，那一起来了解一下隐式循环吧！...[,1:4], 2, plot) lapply()函数 lapply返回与X长度相同的列表，其中的每个元素都是将FUN应用于X的相应元素的结果。...lapply是apply()函数的变种，主要用于处理列表/向量（列表/向量没有行和列的概念，所以会比对矩阵/数据框的操作更简单一些），也更适用于批量读取数据或者处理统计数据基本语法为： lapply(...NAMES = FALSE)与lapply(x, f)相同。 Vapply类似于sapply，但它有一个预先指定的返回值类型，因此使用它可能更安全(有时更快)。

1201 0

【画图】如何批量展现基因表达相关性？

大家可以在微店里搜索各种生信美图的代码，下面代码绝大部分是修改自Ya37，清洗数据部分做了优化以完成一对多的画图。画图 1....function(data,gene){ y <- as.numeric(data[gene,]) rownames <- rownames(data) dataframes<-do.call(rbind...,lapply(cl=cl,rownames, function(x){ dd <- cor.test(as.numeric(data[x,]),y,type="spearman")...$Index <- seq(1,nrow(Corr),1) Corr <- Corr[order(Corr[,1]),] corrsp<-split(Corr,Corr$Gene) corrspe<-lapply...GeneID$Color<-mycol[1:n] Corr[,2] <- abs(Corr[,2]) corrsl<-split(Corr,Corr$Gene) aaaaa<-c() corrspl<-lapply

3642 0

【画图】与SARS-CoV-2病毒结合ACE2基因表达正相关的LncRNA有哪些？

2043 0

【画图】与COVID-19SARS-CoV-22019-nCoV病毒结合ACE2基因的表达在人肺组织中与那些基因表达相关？

2471 0

用R进行网站评论文本挖掘聚类

word))>1 & d$freq>=100) # == 输出结果 write.table(d, file="E: \\worldcup_keyword.txt", row.names=FALSE) #...word))>1 & d$freq>=100)#获得高频词汇 rating=matrix(0,length(res1),dim(d)[1])#生成评价矩阵 colnames(rating)=d[,1]#...给矩阵列命名 for(i in 1:length(res1)){ words=unlist(lapply(X=res1[i], FUN=segmentCN));#对每一条记录分析获得词频 word=lapply...17],freq3[-17],random.order=FALSE,random.color=FALSE,colors=mycolors,family="myFont3") ######算法比较 y=rbind...(matrix(rnorm(10000,mean=2,sd=0.3),ncol=10),matrix(rnorm(10000,mean=1,sd=0.7),ncol=10))#生成两类随机数合并 colnames

1.4K6 0

用R语言进行网站评论文本挖掘聚类|附代码数据

p=3994原文出处：拓端数据部落公众号最近我们被客户要求撰写关于文本挖掘的研究报告，包括一些图形和统计输出。...(d$word))>1 & d$freq>=100) # == 输出结果 ...(d$word))>1 & d$freq>=100) #获得高频词汇rating=matrix(0,length(res1),dim(d)[1])#生成评价矩阵colnames(rating)=d[,...[-17],freq3[-17],random.order=FALSE,random.color=FALSE,colors=mycolors,family="myFont3")######算法比较y=rbind...(matrix(rnorm(10000,mean=2,sd=0.3),ncol=10),matrix(rnorm(10000,mean=1,sd=0.7),ncol=10))#生成两类随机数合并colnames

2692 0

109-R可视化33-通过seurat包中的LabelClusters学习ggplot之二

is.null(x = split.by)) { do.call(what = "rbind", args = lapply(X = unique(x = data.use[,...那么，如果是存在split 的情况呢： do.call(what = "rbind", args = lapply(X = unique(x = data.use[,...这里通过上面的函数，我们批量得到了不同分组的median 数值： id <- "leiden_0.05" labels.loc <- lapply(groups, function(group){...绘图前的最后准备 labels.loc <- do.call(what = "<em>rbind</em>", args = labels.loc) labels.loc[, id] <- factor(x =...上添加文本（柱状图加计数）]] [[67-R可视化11-用ggrepel更加美观的添加标记（火山图的实现）]] 这里seurat 利用ifelse 非常巧妙的将函数作为输出。

9821 0

3种方法为你的稀有物种建立生物学知识数据库

这里，我们以大鼠为例，演示3种方法为你的稀有物种建立生物学知识数据库，以单细胞数据分析环节的细胞通讯，CellChat为例，可以在：CellChat学习笔记【一】——通讯网络构建了解它的基础用法，**CellChat...首先看看CellChat自带的3个数据库每个数据库文件在r里面的都是一个简单的list，所以很容易探索： library(CellChat) dbh <- CellChatDB.human lapply...(dbh, dim) dbm <- CellChatDB.mouse lapply(dbm, dim) dbz <- CellChatDB.zebrafish lapply(dbz, dim) cbind...( do.call(rbind,lapply(dbh, dim)) , do.call(rbind,lapply(dbm, dim)), do.call(rbind,lapply(dbz,...，搞小鼠科学研究的那些人就不能低头吗，给人类科学让路，自己那一小撮人开会自己检讨一下自己的基因命名问题，以人类研究为准，身为科学家居然搞不清楚自己搞科学的目的，不应该是造福人类吗？

9374 1

R语言基础概要

x的长度 length(x) 生成以一个n维数值型向量x，第一个元素为a，最后一个元素为b，中间元素依次等距递增。...(X和Y列数需相同） > M = rbind(X,Y) 按列合并矩阵X和Y形成新矩阵M。...M) 矩阵M的对角线元素形成的向量 > diag(M) 生成以向量x为对角线元素，其他位置元素为0的矩阵M > M = diag(x) 矩阵M的维度 > dim(M) 矩阵M第i行。...功能与apply类似(参考上面的apply)，用于列表型数据 > lapply(...) simplified apply。...功能与lapply类似，区别在于函数结果的类型不是列表(list) > sapply(...) 与数据框有关的基本操作数据框是一种特殊的列表，所以对列表适用的函数往往对数据框也适用。

1.7K2 0

单细胞各个亚群基因按照平均表达量排序后gsea分析

不过，最简单的方法是把单细胞表达量矩阵按照各个亚群来进行表达量平均，我们以大家熟知的pbmc3k数据集为例，大家先安装这个数据集对应的包 SeuratData，并且对它进行降维聚类分群，参考前面的例子：...return(gsea_results_df) }) path = unique(all_gene_sets$gs_name) es.max <- do.call(cbind, lapply...富集分析结果 library(dplyr) df = do.call(rbind, lapply(1:ncol(es.max), function(i){...d,pattern = 'all') gmts #GSEA分析 library(GSEABase) # BiocManager::install('GSEABase') ## 下面使用lapply...gsea_results, function(x){ cat(paste(dim(x@result)),'\n') x@result }) gsea_results_df <- do.call(rbind

1K5 0

R语言的数据结构（包含向量和向量化详细解释）

相当于纵向拉长，但最终仍然生成矩阵。...3向量化及向量化函数 3.1向量输入，向量或矩阵输出向量输入，向量输出向量化就是对向量的每一个元素应用函数，如果一个函数使用了向量化的运算符，那么它也被向量化了，代码运行速度会提升。...3.2.1生成筛选索引目的，筛选x中平方值大于8的元素（不是元素位置，是元素本身） x <- c(5,2,-3,8) > x <- c(5,2,-3,8) > x[x*x>8] [1] 5 -3...sapply输出的是向量。...假如我们以25岁为条件，那么需要把年龄转化为因子，比如大于25的为1，小于25的为0，或其他，用前面的ifelse函数进行赋值排列组合，性别2个因子，年龄2个因子，所以会将收入分为4组，每组代表性别和年龄的一种组合

7K2 0

三阴性乳腺癌表达数据探索笔记之GSVA分析

GSVA得分矩阵第三步：对GSVA得分矩阵分别进行差异分析 adjPvalueCutoff <- 0.001 logFCcutoff <- log2(2) es_deg <- lapply...GSVA得分差异分析矩阵第四步：绘制热图展示差异显著的通路 library(pheatmap) lapply(1:length(es_deg), function(i){ # i=2...8个数据集的全部热图 adjPvalueCutoff <- 0.001 logFCcutoff <- log2(2) df=do.call(rbind ,es_deg) es_matrix...=do.call(rbind ,es_max) df=df[df$P.Value 0.5,] write.csv(df,file = 'GSVA_DEG.csv...得到的GSVA得分矩阵可以用来做差异分析，看哪些通路在两个分组中存在差异，类似于基因表达差异分析。

4.3K4 2

R语言实现并行计算

Python作为多线程的编程语言在并行方面相对于R语言有很大的优势，然而作为占据统计分析一席之地的R语言自然不能没有并行计算的助力。...那么我们来看下在R语言中有哪些并行的包：隐式并行：OpenBLAS，Intel MKL，NVIDIA cuBLAS等；显性并行：parallel（主打lapply应用）、foreach（主打for循环）...6. parLapply(), parSapply(), 和 parApply() 和函数 lapply, sapply 及 apply一一对应。可以直接将自定义的函数引入并行环境。...7. clusterApply() 类似parLapply 系列，可以直接运行得到所有结果，输出列表格式。clusterApplyLB()便是对其的优化，具体的优化模式我们就不赘述了。...实例： res=clusterApply(cl,2:10, function(y) xx +y)do.call('rbind',res) ? 9. stopCluster() 关闭集群。

2.9K3 1

点击加载更多

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

R tips：进一步的debug并修复cnetplot绘图bug

「R」apply,lapply,sapply用法探索

R tips：使用lapply和do.call读取并合并多个文件

R︱foreach+doParallel并行+联用迭代器优化内存+并行机器学习算法

R数据分析大数据当中的化整为零（Split-Apply-Combine）策略

R语言︱list用法、批量读取、写出数据时的用法

R语言里面双层list变成长形数据框

隐式循环及function函数

【画图】如何批量展现基因表达相关性？

【画图】与SARS-CoV-2病毒结合ACE2基因表达正相关的LncRNA有哪些？

【画图】与COVID-19SARS-CoV-22019-nCoV病毒结合ACE2基因的表达在人肺组织中与那些基因表达相关？

用R进行网站评论文本挖掘聚类

用R语言进行网站评论文本挖掘聚类|附代码数据

109-R可视化33-通过seurat包中的LabelClusters学习ggplot之二

3种方法为你的稀有物种建立生物学知识数据库

R语言基础概要

单细胞各个亚群基因按照平均表达量排序后gsea分析

R语言的数据结构（包含向量和向量化详细解释）

三阴性乳腺癌表达数据探索笔记之GSVA分析

R语言实现并行计算

扫码

相关资讯

热门标签

活动推荐

运营活动

社区

活动

资源

关于

腾讯云开发者

热门产品

热门推荐

更多推荐