12345

实验一

#练习一

# 1.1 产生一个等差数列(1,3,5,7,……,99)赋值给向量x，尝试不同的方式。

#1.1.1

x <- seq(from=1,to=99,by=2)

#1.1.2

x<-1:100

index = rep(c(TRUE, FALSE), 100)

x<-x[index]

x<-x[!is.na(x)]

#1.1.3

x<-NULL

num<-1

for(i in 1:50){

  x[i]<-num

  num<-num+2

}

# 1.2 产生一个内容重复的数列(1,2,3,4,5……,1,2,3,4,5)，重复次数为10，并将其赋值给向量y。

y<-rep(1:5,10)

# 1.3 向量z由x和y组成。请判断x、y、z的属性是否为向量。

z <- c(x,y)

is.vector(x)

is.vector(y)

is.vector(z)

# 1.4 请删除x中第个1数值。

x <- x[-1]

# 1.5 请删除y中所有的取值1，有几种方法？

#1.5.1

y <- y[-which(y==1)]

#1.5.2

y<-y[!(y==1)]

# 1.6 请选择出x中第2个数值，以及>90的数值，结果存放在同一个向量中。

vector<-c(x[2],x[which(x>90)])

#可以使用c()函数创建多个值的向量

# 1.7 请选择出x中分别处于偶数位置和奇数位置的数值。

x_odd<- x[seq(from=1,to=length(x),by=2)]

x_even<-x[seq(from=2,to=length(x),by=2)]

#练习二

# 2.1 将自己的姓名、学号，性别，生日，以字符形式存放在向量m中。

m<-c("Tony","2020110","Male","1998.8.1")

# 2.2 为我们班30名学员产生一个编号，编号是NJU16-1, NJU16-2，……， NJU16-30，赋值给向量n。

n<-paste("NJU16",1:30,sep="-")

#seq: 连接的字符串

#paste (…, sep = " ", collapse = NULL)

#paste0()

# 2.3 仅保留30名学员编号中含”8”的编号。

n[grep("8",n)]

#grep函数和正则表达式一起进行筛选查询

#具体见“正则表达式.txt”

# 2.4 根据讲授的内容，你有几种方法实现以下的内容：

# 2.5 请将”I Like You”的动词取出。

statement<-"I Like You"

verb<-substr(statement,3,6)

# 2.6 请将”I Like You”替换为”I Love You”。

substr(statement,3,6) <- "Love"

statement

# 2.7 请将个人信息”Jack,Male,35,worker”分别取出。

strsplit("Jack,Male,35,worker",split=",")

#strsplit：拆分字符向量的元素

# 2.8 请将”+86-021-88681188Ext1”中的主机号取出。

substr("+86-021-88681188Ext1",5,16)

#练习三

# 3.1 计算mtcars数据中mpg、cyl、hp、drat的最小值、最大值、均数、标准差、中位数、25%分位数、75%分位数。

mpg<- data.frame(min(mtcars$mpg),max(mtcars$mpg),mean(mtcars$mpg),sd(mtcars$mpg),median(mtcars$mpg),quantile(mtcars$mpg,0.25),quantile(mtcars$mpg,0.75))

# 3.2 能否找到hp最大、最小的个体，请给出其个体编号。

hp_max <- which.max(mtcars$hp)

hp_max <- which(mtcars$hp==max(mtcars$hp))

hp_min<- which.min(mtcars$hp)

hp_min<- which(mtcars$hp==min(mtcars$hp))

# 3.3 请判断cyl中的取值有哪几个？能否给出每个取值的人数。

unique(mtcars$cyl)

table(mtcars$cyl)

# 3.4 请将hp大于均数的样本取出来。

sample <- mtcars[which(mtcars$hp>mean(mtcars$hp)),]

#练习四

#将下列使用excel创建下列数据，并分别保存为.csv格式，将

#导入R(提示：read.csv)，转存为.Rdata

setwd("")

data <- read.csv("data.csv",header = TRUE)

save(read.data,file="read.Rdata")

实验二

# R语言练习

# 1.11.将成绩单按照姓名进行排序

2.将学生的各科考试成绩组合为单一的成绩衡量指标

3.基于相对名次（四等分）给出从A到D的评分（因子型）

Student <- c("John Davis", "Angela Williams", "Bullwinkle Moose","David Jones", "Janice Markhammer", "Cheryl Cushing","Reuven Ytzrhak", "Greg Knox", "Joel England","Mary Rayburn")

Math <- c(502, 600, 412, 358, 495, 512, 410, 625, 573, 522)

Science <- c(95, 99, 80, 82, 75, 85, 80, 95, 89, 86)

English <- c(25, 22, 18, 15, 20, 28, 15, 30, 27, 18)

roster <- data.frame(Student, Math, Science, English,stringsAsFactors=FALSE)

roster <- roster[order(roster$Student),]

# 1

Z_new <- scale(roster[,c("Math", "Science", "English")],center = T,scale = T)

roster$score <- apply(Z_new,1,mean)

#apply(X, MARGIN, FUN, …)

#X表示一个数组[一个矩阵]

#MARGIN: 1表示行，2表示列

#FUN表示一种遍历准则，比如连接函数等等

#Apply函数的介绍见：https://www.zhihu.com/question/39843392

Y_Cut <- quantile(roster$score,c(0,0.25,0.50,0.75,1))

roster$Rank <- cut(roster$score,breaks = Y_Cut ,include.lowest=T,labels = c('D','C','B','A'))

#cut：将数字转换成因子；include.lowest表示是否包括最低

# table(roster$Rank)

# 2.1分别使用for/while 求n！

For_ <- function(n){

  q <- 1

  for(i in 1:n){

    q<- q*i

  }

  return(q)

}

# For_(2)

while_ <- function(n){

  q<-1

  i = 1

  while(n>=i){

    q<- q*i

    i <- i+1

  }

  return(q)

}

# while_(3)

# 2.2编写程序计算 h(x,n)=1+x+x^2+……+x^n.

HF <- function(x,n){

  q <-1

  for(i in 1:n){

    q <- q +x^n

  }

  return(q)

}

# HF(1,1)  # HF(1,2)

# 2.3编写程序，求斐波那契数列第n项

fbo <- function(N){

  if(N==1|N==2){

    return(1)

  }else{

    return(fbo(N-1) + fbo(N-2))

  }

}

# for(i in 1:10) {

#   print(fbo(i))

# }

# 31.编写函数进行体操评分，输入10名评委所评分数，去除一个最高分，一个最低分，在计算出平均分作为选手得分。

2.使用备注代码生成数据，计算运动员得分。

set.seed(123465)

my_data <- data.frame(matrix(sample.int(100,1000,replace = T),100,10))

names(my_data) <- paste0('评委',1:10)

my_data$ID <- 1:100

Score <- function(x){

  max_ <- which.max(x)[1]

  min_ <- which.min(x)[1]

  x <- x[-c(max_,min_)]

  return(mean(x,na.rm = T))

}

my_data$score <- apply(my_data[,paste0('评委',1:10)],1,Score)

#

my_data$score <- 0

for(i in 1:nrow(my_data)){

  my_data$score[i] <- Score(as.numeric(my_data[i,paste0('评委',1:10)]))

}

################################################

set.seed(123465)

my_data <- data.frame(matrix(sample.int(100,100000,replace = T),10000,10))

names(my_data) <- paste0('评委',1:10)

my_data$ID <- 1:100

a <- Sys.time()

my_data$score <- apply(my_data[,paste0('评委',1:10)],1,Score)

(b <-   Sys.time() -a)

a <- Sys.time()

my_data$score <- 0

for(i in 1:nrow(my_data)){

  my_data$score[i] <- Score(as.numeric(my_data[i,paste0('评委',1:10)]))

}

(b <-   Sys.time() -a)

###########################################################

library(parallel)

cores <- detectCores()

cl <- makeCluster(cores-2)

Res <- parApply(cl = cl, my_data[,paste0('评委',1:10)],1,Score)

stopCluster(cl)

实验三

•根据mtcars数据，做出右图

mean<- aggregate(mtcars,list(mtcars$cyl),mean)

boxplot(mpg ~ cyl, data=mtcars,main="Car Mileage Data",

        xlab="Number of Cylinders",ylab="Miles Per Gallon",

        col = c('red','blue','green'))

points(2,c(mean$mpg[2]+5),col='red',pch = 8)

points(1:3,mean$mpg,col = grey(0.5),lwd=2,pch = 14)

lines(1:3,mean$mpg,col = grey(0.5),lwd=2,lty = 6)

•使用备注数据，做左图

x <- c(1:10)

y <- x

z <- 10/x

### 练习二

x <- c(1:10)

y <- x

z <- 10/x

plot(x, y, type="b",pch=21, col="red",

    yaxt="n", lty=3, ann=FALSE)

lines(x, z, type="b", pch=22, col="blue", lty=2)

axis(2, at=x, labels=x, col.axis="red", las=2)

axis(4, at=z, labels=round(z, digits=2),

    col.axis="blue", cex.axis=0.7, tck=-.01)

mtext("y=10/x", side=4, line=3, cex.lab=1,  col="blue")

title("An Example of Creative Axes",

      xlab="X values",ylab="Y=X")

###练习三

test3<- par(no.readonly=TRUE)

par(mfrow=c(2,2),cex.lab = 1.5,mar = c(6,6,2,2))

plot(mtcars$wt,mtcars$mpg,xlab = 'wt',ylab = 'mpg')

boxplot(mpg~cyl,data=mtcars)

plot(factor(mtcars$cyl),factor(mtcars$gear),

    xlab = 'gear',ylab = 'cyl') 

count<- table(mtcars$cyl)

pie(count, labels = paste0("cyl_",names(count)))

par(test3)

### 练习四

test4 <- par(no.readonly=TRUE)

par(fig=c(0, 0.8, 0, 0.8))

plot(mtcars$wt, mtcars$mpg,

      xlab="Miles Per Gallon",ylab="Car Weight")

par(fig=c(0, 0.8, 0.45, 1), new=TRUE)

boxplot(mtcars$wt, horizontal=TRUE, axes=FALSE)

par(fig=c(0.65, 1, 0, 0.8), new=TRUE)

boxplot(mtcars$mpg, axes=FALSE)

实验四

###练习一：根据mtcars数据，做出右图

library(ggplot2)

mtcars$cyl <- factor(mtcars$cyl)

ggplot(mtcars, aes(x=cyl, y=mpg)) +

  geom_boxplot( color="black",

              notch=TRUE,

              fill = c('red','blue','green'))+

  labs(x ="Number of Cylinders" ,y="Miles Per Gallon")+

  geom_point(position="jitter", color="blue", alpha=.5)

###练习二：根据mtcars数据，做出右图

ggplot(mtcars, aes(x=wt, y=mpg, size=disp)) +

  geom_point(shape=21, color="black", fill="cornsilk") +

  labs(x="Weight", y="Miles Per Gallon", size="Engine\nDisplacement")

###练习三：根据mtcars数据，做出右图

library(gridExtra)

  p1 <- ggplot(data =mtcars ) + geom_point(aes(x=wt,y=mpg))

  p2 <- ggplot(data =mtcars ) + geom_bar(aes(x= am,fill = cyl),position = 'fill')

  grid.arrange(p1,p2, ncol=2)


##4

  library(ggplot2)

  mytheme <- theme(plot.title=element_text(face="bold.italic",

                                          size="14", color="brown"),

                  axis.title=element_text(face="bold.italic",

                                          size=10, color="brown"),

                  axis.text=element_text(face="bold", size=9,

                                          color="darkblue"),

                  panel.background=element_rect(fill="white",

                                                color="darkblue"),

                  panel.grid.major.y=element_line(color="grey",

                                                  linetype=1),

                  panel.grid.minor.y=element_line(color="grey",

                                                  linetype=2),

                  panel.grid.minor.x=element_blank(),

                  legend.position="top")


  library(ggplot2)

  mtcars$cyl <- factor(mtcars$cyl)

  ggplot(mtcars, aes(x=cyl, y=mpg)) +

    geom_boxplot( color="black",

                  notch=TRUE,

                  fill = c('red','blue','green'))+

    labs(x ="Number of Cylinders" ,y="Miles Per Gallon")+

    geom_point(position="jitter", color="blue", alpha=.5) + mytheme


  ggplot(mtcars, aes(x=wt, y=mpg, size=disp)) +

    geom_point(shape=21, color="black", fill="cornsilk") +

    labs(x="Weight", y="Miles Per Gallon", size="Engine\nDisplacement")+ mytheme

###KM曲线

seq<-read.table("tcga-01-seq.txt",header=T)

data<-read.table("tcga-clinical data.txt",header=T)

data$patient.bcr_patient_barcode<-toupper(data$patient.bcr_patient_barcode)

data2<-merge(data,seq,by="patient.bcr_patient_barcode")

library(survival)

fit <- survfit(Surv(survival_time, patient.vital_status) ~ SAV1_exp, data = data2) #璁＄畻鐢熷瓨鐜?

#plot(fit, lty = 2:1, col=1:2,ylab="Estimated survival function",xlab="Survival Time (months)",xlim=c(0,90))

plot(fit, col=c("green","red"),ylab="Estimated survival function",xlab="Survival Time (days)") #棰滆壊鎸夌収 exp=c(1,2)

##plot(1:26,pch=letters,col=1:26)

#axis(1, seq(0,100,by=10))

text(2150,0.75,"log-rank P<0.0001")

legend(500, .95, c("SAV1_high", "SAV1_low"),lty = 1:1, col=c("red","green"))

library("survminer")  

b=ggsurvplot(fit,surv.median.line = "hv" , conf.int = TRUE, cumcensor = TRUE,pval = TRUE, xlab="OS (months)",ylab="Survival probability",palette=c("#E7B800", "#2E9FDF"),legend.labs =c("SAV1_low","SAV1_high")  )

b

实验五

# 5.1：问该店每月的顾客数量是否服从均匀分布?

data1 <- c(27, 18, 15, 24, 36, 30)

ks.test(data1,y = 'runif')

# 5.2：问该地区学生的体重是否服从正态分布?

data2 <- c(36,36,37,38,40,42,43,43,44,45,48,48,50,50,51,

          52,53,54,54,56,57,57,57,58,58,58,58,58,59,60,

          61,61,61,62,62,63,63,65,66,68,68,70,73,73,75)

shapiro.test(data2)

#5.3：问不同种族与支持持政党之间是否存在独立性？

data3 <- data.frame(nrow = c(1,1,1,2,2,2),

                    ncol = c(1,2,3,1,2,3),

                    freq = c(341,405,105,103,11,15))

mid_tab = xtabs(freq~nrow+ncol,data = data3)

mid_table<-matrix(c(341,405,105,103,11,15),nrow=2,ncol=3)

chisq.test(mid_tab)

chisq.test(mid_table)

# 5.4：以淀粉为原料生产葡萄的过程中, 残留许多糖蜜, 可作为生产酱色的原料. 在生产酱色的过程之前应尽可能彻彻底底除杂, 以保证酱色质量.为此对除杂方法进行选择. 在实验中选用5种不同的除杂方法, 每种方法做4次试验, 即重复4次, 结果见表

X<-c(25.6, 22.2, 28.0, 29.8, 24.4, 30.0, 29.0, 27.5, 25.0, 27.7,

      23.0, 32.2, 28.8, 28.0, 31.5, 25.9, 20.6, 21.2, 22.0, 21.2)

A<-factor(rep(1:5, each=4))

data4<-data.frame(X, A)

aov.mis<-aov(X~A, data=data4)

summary(aov.mis)

plot(data4$X~data4$A)

# # summary(fit)

# library(gplots)

# plotmeans(X ~ A, data=data4)

#

plot(TukeyHSD(aov.mis))

pairwise.t.test(X, A, p.adjust.method="none")

pairwise.t.test(X, A, p.adjust.method="bonferroni")

# p.adjust(p, method = p.adjust.methods, n = length(p))

# 5.5：为研究A、B、C三种饲料对猪的催肥效果,用每种饲料喂养8头猪一段时间,测得每头猪的初始重量(X)和增重(Y),数据见表，试分析三种饲料对猪的催肥效果是否相同?

group_<-rep(c("A","B","C"),each=8)

Weight_A <- c(15,13,11,12,12,16,14,17,17,16,

                    18,18,21,22,19,18,22,24,20,23,

                    25,27,30,32)

Y <-c(85,83,65,76,80,91,84,90,97,90,

                    100,95,103,106,99,94,89,91,83,

                    95,100,102,105,110)

data5<-data.frame(group_,Weight_A,Y)

res_5 <- aov(Y ~ Weight_A+group_ , data=data5)

summary(res_5)


###########################

my_own <- function(x){

  res <- mean(x)

  return(res)

}

my_own(c(1:100))

my_own(c(1:100,NA,NA,4,5))

my_own2 <- function(x,...){

  res <- mean(x,...)

  return(res)

}

my_own2(c(1:100,NA,NA,4,5),na.rm =T)

©著作权归作者所有,转载或内容合作请联系作者
  • 人面猴
    序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
    沈念sama阅读 212,332评论 6赞 493
  • 死咒
    序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
    沈念sama阅读 90,508评论 3赞 385
  • 救了他两次的神仙让他今天三更去死
    文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
    开封第一讲书人阅读 157,812评论 0赞 348
  • 道士缉凶录：失踪的卖姜人
    文/不坏的土叔 我叫张陵，是天一观的道长。 经常有香客问我，道长，这世上最难降的妖魔是什么？ 我笑而不...
    开封第一讲书人阅读 56,607评论 1赞 284
  • 港岛之恋（遗憾婚礼）
    正文 为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
    茶点故事阅读 65,728评论 6赞 386
  • 恶毒庶女顶嫁案：这布局不是一般人想出来的
    文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
    开封第一讲书人阅读 49,919评论 1赞 290
  • 城市分裂传说
    那天，我揣着相机与录音，去河边找鬼。 笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。 我是一名探鬼主播，决...
    沈念sama阅读 39,071评论 3赞 410
  • 双鸳鸯连环套：你想象不到人心有多黑
    文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
    开封第一讲书人阅读 37,802评论 0赞 268
  • 万荣杀人案实录
    序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
    沈念sama阅读 44,256评论 1赞 303
  • 护林员之死
    正文 独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,576评论 2赞 327
  • 白月光启示录
    正文 我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,712评论 1赞 341
  • 活死人
    序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
    沈念sama阅读 34,389评论 4赞 332
  • 日本核电站爆炸内幕
    正文 年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
    茶点故事阅读 40,032评论 3赞 316
  • 男人毒药：我在死后第九天来索命
    文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,798评论 0赞 21
  • 一桩弑父案，背后竟有这般阴谋
    文/苍兰香墨 我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,026评论 1赞 266
  • 情欲美人皮
    我被黑心中介骗来泰国打工， 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。 一个月前我还...
    沈念sama阅读 46,473评论 2赞 360
  • 代替公主和亲
    正文 我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
    茶点故事阅读 43,606评论 2赞 350

推荐阅读更多精彩内容

  • test
    实验课代码 实验一 #练习一 # 1.1 产生一个等差数列(1,3,5,7,……,99)赋值给向量x，尝试不同的方...
    jenny1128阅读 438评论 0赞 0
  • R语言：统计应用篇
    ->点击访问个人博客地址，相互交流学习<- 上一篇：[R语言——进阶篇]（https://www.jianshu....
    JackHCC阅读 4,204评论 0赞 1
  • ggpubr包系列学习教程(一)
    ggpubr: 'ggplot2' Based Publication Ready Plots 一款基于ggplo...
    Davey1220阅读 35,904评论 1赞 64
  • 2021-04-19
    第一课：安装与基本操作 R的扩展包在R官网CRAN；另外，R官网还包含很多扩展资料，包括源代码，手册，FAQ，推荐...
    lizi_sjtu阅读 636评论 0赞 0
  • ggplot2 作图
    作者：严涛浙江大学作物遗传育种在读研究生（生物信息学方向）伪码农，R语言爱好者，爱开源 ggplot2学习笔记之图...
    wanghaihua888阅读 2,605评论 0赞 6