r语言从数据集中提取第1个子集 r语言提取子数据框

生信技能树R语言部分学习笔记

03 数据框、矩阵和列表

3.1 数据结构简介

(1) Vector向量：一维
从1：100个整数中，随机取7个数，默认不放回取，如果要有放回取样，需要设置参数replace = TRUE

> sample(1:100,7)
[1] 38 80 74 96 63 26  3

(2) Matrix矩阵：两个维度，而且必须矩阵每列长度相同，数据类型相同

> x1 <- sample(1:100,7)
> x2 <- 11:17
> x3 <- sample(1:10,7)
> cbind(x1,x2,x3)
     x1 x2 x3
[1,] 73 11  1
[2,] 95 12  7
[3,] 10 13  3
[4,]  4 14  8
[5,] 76 15 10
[6,] 64 16  9
[7,] 57 17  5

(3) Dataframe数据框：必须满足每列长度相同，数据类型可以不同

> y1 <- sample(1:100,7)
> y2 <- letters[1:7]
> y3 <- sample(1:10,7)
> data.frame(y1,y2,y3)
  y1 y2 y3
1 85  a  8
2 58  b  4
3 80  c  5
4 78  d  1
5 76  e 10
6 72  f  2
7 66  g  9

(4) List列表：长度可以不同，数据类型也可以不同；没有行和列的概念，可以有多级元素

> df <- list(c(1,2,3),
             data.frame(a=c(1,2,3),b=c("a","b","c")),
             matrix(1:6,3),
             list(1:3,1:5))
> df
[[1]]
[1] 1 2 3

[[2]]
  a b
1 1 a
2 2 b
3 3 c

[[3]]
     [,1] [,2]
[1,]    1    4
[2,]    2    5
[3,]    3    6

[[4]]
[[4]][[1]]
[1] 1 2 3

[[4]][[2]]
[1] 1 2 3 4 5

3.2 数据框的来源：

(1)在R中新建

df <- data.frame(gene  = paste0("gene",1:3),
                 sam   = paste0("sample",1:3),
                 exp   = c(32,34,45))

(2)由已有数据转换或处理得到
(3)从文件中读取

df2 <- read.csv("gene.csv")
df2

(4)内置数据集:iris

3.3 数据框属性描述

(1)维度：dim(),nrow(),ncol() (2)行名/列名：rownames(),colnames()

3.4 数据框取子集（一个，一行，一列，多行多列）

(1)向量：位置下标或者元素名
(2)矩阵：二维坐标(df[1,5])或者行名/列名(df[,'a'],不能用$符号来取)
(3)数据框：二维坐标(df[1,5])或者行名/列名(df[,'a'],df$exp）
(4)列表：df[[1]]或者df$x1（注意：df[1]取出来的是一个列表，df[[1]]取出来的是元素）

3.5 数据框修改

取子集$或[] + 赋值操作

修改数据框的行名和列名
修改全部行名：rownames(df) <- c("r1", "r2", "r3") 将取出的行名看做一个向量
修改一个行名：rownames(df)[2] <- "x"修改第二列的行名，就是修改行名这个向量的第二个元素

3.6 数据框进阶

(1)行数较多的数据框截取前/后几行查看（默认取6行）

head(iris)
tail(iris)

(2)行列数都多的数据框可取前几行前几列查看

iris[1:3, 1:3]

不经过赋值，只是输出看看

(3)查看每一列数据类型和具体内容

str(iris)

(4)去除含有缺失值的行：na.omit(df) 仅按照某一列来去除缺失值、缺失值替换：tidyr包 ?

(5)两个表格的连接
按列连接：cbind --->行数相同
按行连接：rbing --->列数相同
两个表格融合：merge(test1,test2,by="name") --->按照共同的列名name连接
merge(test1,test3,by.x = "name",by.y = "NAME") --->共同的列在两个表格中名字不同，需要指明分别是什么名字

交集、并集、补集、全集等，参照dplyr包 ？

(6)如果列名顺序错乱，如何按照指定顺序重排？

> df <- data.frame(matrix(rnorm(15),3))
> colnames(df) <- letters[c(3,1,2,5,4)]
> df
          c           a          b          e          d
1 2.1271489  1.33107589 -0.9421655  0.7767287  0.8719409
2 0.7305057 -0.33669955 -1.3113782  0.7261399 -1.2010060
3 1.2703832  0.01927116  0.9627874 -0.3740854  0.5651674
> s <- letters[1:5]
> s
[1] "a" "b" "c" "d" "e"
> df2 <- df[,match(s,colnames(df))]
> df2
            a          b         c          d          e
1  1.33107589 -0.9421655 2.1271489  0.8719409  0.7767287
2 -0.33669955 -1.3113782 0.7305057 -1.2010060  0.7261399
3  0.01927116  0.9627874 1.2703832  0.5651674 -0.3740854

3.7 矩阵新建和取子集

(1) 新建：

> m <- matrix(1:9, 3)
> m
     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

(2) 矩阵的转置和转换

> m <- matrix(1:9,3)
> colnames(m) <- c("a","b","c")
> m
     a b c
[1,] 1 4 7
[2,] 2 5 8
[3,] 3 6 9
> as.data.frame(m)
  a b c
1 1 4 7
2 2 5 8
3 3 6 9

(3) 矩阵画热图

> pheatmap::pheatmap(m)

从图中可以看出颜色块和对应矩阵的元素不对应，这是因为默认经过聚类，如果要对应，则需要指定参数，不需要聚类即可：

> pheatmap::pheatmap(m, cluster_cols = F, cluster_rows = F)

3.8 列表新建和取子集

(1) 新建

> l <- list(m = matrix(1:9, 3), df = data.frame(gene = paste0("gene",1:3), sam = paste0("sample",1:3), exp = c(32, 34, 45)),x = c(1,3,5))
> l 
$m
     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

$df
   gene     sam exp
1 gene1 sample1  32
2 gene2 sample2  34
3 gene3 sample3  45

$x
[1] 1 3 5

(2) 取子集（以下两种方法等价）
l[[2]]， l$df

3.9 删除(环境中的)变量

删除一个：rm(l) 删除多个：rm(df, m) （df, m是两个变量名）
删除全部变量：rm(list = ls()) 清空控制台： ctrl + l

3.10 数据结构总结：

	新建	取子集
向量 x	x <- c()	x[n]
数据框 df	df <- data.frame()	df[x,y], df[x,], df[,y],$
矩阵 m	m <- matrix()	m[x,y]
列表 l	l <- list()	l[[n]], $

补充： 元素的名字（给向量中的元素命名）----- names()

> x <- 1:10
> names(x) <- letters[1:10]
> x
 a  b  c  d  e  f  g  h  i  j 
 1  2  3  4  5  6  7  8  9 10 
> x["a"]
a 
1

作业题：

match的应用：