对多个循环变量名赋值 assign 函数

assign (string1,values)

数据初步清洗小结

• 导入数据 read.table(url)
• str(df_name) 观察每个变量类型
• unique(col_name) 分类变量观察值
• 重新定义列名
• 根据实际情况，删去空值， filter（）函数赋值，删去无用变量
• 重新定义level -- df<-droplevels(df) 删去过滤数据集冗余levels
  notes: 去除空值后，一定要重新定义fator (使用factor 函数) 的levels, levels 会决定后面数据的转换，并在生成列联表时自动定义特征值的空列

常用函数

• identical(x,y) 判断两个object 是否完全相等
• unique(df[colname_number] 去除重复列
• rownames(df)提取df 行名// colnames() 列名，或赋值rownames(df)<- c(".....")
• table(col1, col2) 提取列联表， 转为table 格式
• as.data.frame() 将object 格式转换为df 格式
  -dplyr 包，实现数据库过滤，分组操作（data.table也可），特有符号 %>% 表示默认第一个参数为%>%前的对象

data.table 与data.frame

• data.table 与data.frame 相比，处理速度有明显提升
• datatable_name$V1， 提取数据方式与data.frame 相同，也可用table_name[colname]提取，无引号
  data.table 完成筛选：table_name[colname1 %in% c("....")]

关于模拟实验，或者交叉验证重复性操作可使用R 并行计算工具

• R 包： doMC(仅仅Linux)， doParallel（Windows, Linux可行）
• 使用如下（可在参数中加入 Parallel== TRUE）

library(iterators) #加载doParallel前一定要加载iterators 包
library(doParallel)
require(doParallel) # 必须获取
registerDoParallel(cores=2) #分配计算内核数==2
system.time(cv.fit<-cv.glmnet(x=train_mutation_tb,y=train_patient_subtype_chr,
family="multinomial",parallel = TRUE)) #system.time 同时返回计算所用时间

• 查看内核数

detectCores()

查看工作空间内存

• memory. size() 当前占用内存
• memory.limit() 总共可使用内存