总结了一些平时常用的数据处理命令
生信入门 linux实用基础1 2 3
生信入门 R实用基础1 2
运算符
-
算术运算符
加法(+) 减法(-) 乘法(*) 除法(/)
求余(%%) 求指数幂(^) 求模数(%/%) -
关系运算符 ：返回逻辑值
大于(>) 小于(<) 等于(==)
小于或等于(<=) 大于或等于(>=) 不等于(!=) -
逻辑运算符
逻辑与(&) 逻辑或(|) 逻辑非(!)
逻辑运算符&&和||仅考虑向量的第一个元素，并给出单个元素的向量作为输出 -
赋值运算符
<−，<<− 和 = 叫作左分配符，-> 和 ->> 叫作右分配符 -
其他运算符
冒号运算符(:) ——为向量创建一系列数字 ；
成员运算符(%in%) ——用于识别元素是否属于向量；
转置相乘(%*%) ——用于将矩阵与其转置相乘
变量类型与数据结构
变量的类型判断及转换
is.*() 与 as.*() : 如 is.list() as.list()查看数据结构
str()查看变量类型
class() mode() typeof()
class：是一种抽象类型，或者理解为一种数据结构,
mode：表示对象在内存中的存储类型,numeric（Integer/double）, complex, character和logical
当x是数据框的时候，class返回dataframe，mode返回list如果是list取元素要用双括号[[ ]]来取，不然[ ]只能取到子list
数据创建、字符连接
seq(1,10,by=2) #13579
rep(2:5,times=2) #23452345，对整体重复
rep(2:5,rep(2,4)) 或 rep(2:5,c(4,4,4,4)) #22334455, 每个数都重复2遍
append(x, 0:1, after = 3) #追加， 在x的第3个元素后添加0，1
sample(1:100,10) #从1-100中随机取10个数，常用于从样本中随机取样
rnorm(5,mean = 2) #平均数为2，服从正态分布的5个数
runif(5,min=10,max=100) 或 runif(5,10,100) #10到100的5个随机数 (默认范围是0-1)
set.seed() #设定随机数种子，使得结果可复现，常与runif共用
paste( 'a1', 1:20, sep='_' ) #粘贴创建a1_1~a1_20(若不指定sep则默认为sep=' ')
paste0( ) 或 paste( , sep='' ) #无连接字符进行粘贴
搜索和替换
grep(pattern, x, value = FALSE, invert = FALSE) #搜索函数，返回pattern在 x中位置下标，
grepl(pattern, x) #搜索函数，返回逻辑向量
which (is.na(x),arr.ind =T ) #会输出TURE的位置\下标， 该例为a中NA值的位置，arr.ind =T显示该值的行列名
match("hello",a) #等价于which(a=="hello",arr.ind = T) 搜索字符串在a中位置
colnames(b) %in% c("c2","c3") #返回逻辑向量
- 一次搜索选择多个字符，进行数据集条件选择
no <- colnames(b) %in% c("c2","c3")
c <- b[,!no]
- 根据特定条件选择、更改数据框内容
celltype <- data.frame(ClusterID=0:6, celltype=NA, stringsAsFactors = F)
celltype[celltype$ClusterID %in% c(1,3,5), 'celltype'] <- "WT"
- gsub()替换函数，其中pattern是要替换的字符，replacement是替换的字符，x是对应的string或string vector，ignore.case表示是否忽视大小写。
gsub(pattern,replacement,x,ignore.case=FALSE）
加载数据与添加数据集内容
with(x，{ }) #{ }内操作都可不用输入x$, 在{}内赋值用<<-代替<-
attach(x) #添加数据框x到路径，之后可不用输入x$
detach(x) #移除数据框x
within(x，{ }) #和with函数类似，但是可以更改数据框内容，
#例如：
a <- data.frame(c1=1:6,
c2=7:12)
a <- within(a,{
c6 <- NA ##注意要先创建新一列，赋值NA
c6[c1<=3] <-"F"
c6[c1>3] <-"M"
})
- transform( ) 函数也可以按需创建新变量并保存在数据框 ，更方便
a <- data.frame(c1=1:6,
c2=7:12)
transform(a,
c3=c1+c2,
c4=1:6)
数据集的条件选择
- subset( )函数 :
subset(dataframe, choose_condition, choose_zone)
- 或者用以下笨方法：
attach(d)
e <- d[SEX=="M" & c5>25, which(colnames(d)=="c3"):which(colnames(d)=="SEX")]
detach(d)
- select( )函数 按名称选取列
install.packages("dplyr")
library(dplyr)
select(x, c1, c2, c3) # 选取x中的c1到c3列
select(x, -(c1: c3)) # 选取x中的c1到c3之外的所有列
数据合并与比较
merge(x, y , by ="ID" ) # 根据ID列来合并数据框x与y
rbind( ) #按照行合并、纵向追加
cbind( ) #按照列合并、 横向追加
intersect( ) #取交集
union( ) #并集
setdiff( ) #找不同
setequal( ) #判断相同
转置、排序
t() # 对行列进行转置互换
sort( ) #从小到大排序 ， 设置 decreasing = T则从大到小排序
order( ) # 返回向量从小到大排序的位置下标，decreasing = T则从大到小降序排序（或者变量前加-），
reorder(v1,v2) #根据v2的值对v1进行排序
字符串提取、大小写转化
substr("HELLOW",1,3) #从字符串“HELLOW”中提取1-3位
substring("HELLOW",1) #从字符串“HELLOW”中提取1到最后一位
strsplit("a.b.c", "[.]") #从字符串"a.b.c"中以“.”为分割提取字符，结果为"a" "b" "c"
toupper(a) #字符串变大写
tolower(a) #字符串变小写
数理统计常用函数
- 统计
table() #分类统计每个因子的counts数
summary() # 统计概要，给出每列中位数、均值、大小值等
length( ) #显示对象中元素或成分的数量
nchar( ) #统计字符串长度
- 各类运算
na.omit() #去除NA值，若为数据框等会直接删除NA所在行
sum(x,na.rm = T) #na.rm = T表示去除无效值
max(x) #最大值
min(x) #最小值
rowSums( y , na.rm=T ) #对行列求总和, 设置na.rm=T去除na值
colSums()
rowMeans() #对行列求均值
colMeans()
which.max(x) #返回向量最大值坐标
which.min(x) #返回向量最小值坐标
range(x) #最大最小值
mean(x) #平均数
var(x) #方差
sd(x) #标准差
median(x) #中位数
quantile(m.mad,na.rm = TRUE,probs=0.25) #四分位数 probs可以指定想要的百分位数
abs(x) #绝对值
sqrt(x) #取平方根
exp(x) #以e为底的指数
log(100,base=10) #直接还有log10(),log2()等
scale( ) #默认按照每列进行归一化
