数据处理-3(基于R语言)
2021-02-27 本文已影响0人
北欧森林
- How to Repeat Vectors in R
rep(c(0, 0, 7), times = 3)
# [1] 0 0 7 0 0 7 0 0 7
rep(c(2, 4, 2), each = 3)
# [1] 2 2 2 4 4 4 2 2 2
rep(c(0, 7), times = c(4,2))
# [1] 0 0 0 0 7 7
rep(1:3,length.out=7)
# [1] 1 2 3 1 2 3 1
- 很简单的一步，chr 变 numeric，需要as.numeric(as.character(x)) ，这样数据才不会出错。
- if(!dir.exists("clinical"))dir.create("clinical") 用于创建文件夹(先判断其是否存在)
- sum(x1 > 1) > 9 -- sum 先统计括号里逻辑值为TRUE的个数，然后再返回一个逻辑值
apply(exp, 1, function(x) sum(x > 1) > 9) - browseVignettes() 查看某个R包的长篇使用文档，如：
browseVignettes("clusterProfiler");
如果希望留在命令行中，则可以使用 vignette() 函数。
vignette(package = "ggplot2")
# Vignettes in package ‘ggplot2’:
# ggplot2-specs Aesthetic specifications (source, html)
# extending-ggplot2 Extending ggplot2 (source, html)
vignette("ggplot2-specs") # 在help文档里查看具体说明文字
- fix(mydata)函数可以调出数据编辑器，像在excel那样查看、修改数据和函数
- R语言里的小数点：
# Method1：
round(mydat,3) #小数点后3位
## [1] 0.008
# Method2：format()函数实现科学计数法与普通数字的自由转换，但应注意其输出结果是字符串
format(mydat, scientific = F)
## [1] "0.0082064320"
format(x, scientific = T,digits = 3)
## [1] "8.21e-03"
## source: 微信公众号：生信星球
- 𝑄3和𝑄1的差距称为
四分位距（InterQuartile Range， IQR）：Q3-Q1
上界/下界，英文名为Upper Whisker和Lower Whisker，有时又被称为最大值和最小值，但是这样容易引起误解，因为它们并非数据集里面的最大值或最小值，而是去除所有离群值和极端值之后的最小值和最大值。
离群值（mild outlier）和极端值（extreme outlier）有时统称为离群值或异常值（outlier）。处于内限以外位置的点表示的数据都是异常值，其中在内限与外限之间的异常值为温和的异常值 mild outliers，在外限以外的为极端的异常值 extreme outliers。(source: https://www.biaodianfu.com/boxplot.html)
image.png
- Boxplot绘图中的离群值Outliers的去除：
#得到离群值的索引：
OutVals = boxplot(x)$out #离群值
which(x %in% OutVals) #索引
# 删除离群值：
x[! x %in% OutVals]
# 不想绘图，只想得到结果可以这样：
OutVals = boxplot(x, plot=FALSE)$out
10.要从test数据集中筛选出所有variable name里包含“aa”的observation：
test[grep("aa", test$name), ]
