生信人R语言

03.外部数据导入导出

1.数据导入导出

a=read.table('Practice.txt')
View(a)
#元素不足时，可以添加指定分隔符 sep ='\t'
#排除指定元素，可以添加 comment.char

#加入上方具有表头参数：header =T
a=read.table('Practice.txt',header =T)
View(a)

#查看参数使用'？+参数'
?read.table

#数据的写入，将数据输出为.csv 格式
write.csv(a,'Practice_1.csv')

#重新读取保存的Practice_1.csv，命名为b
b=read.csv('Practice_1.csv')
View(b)
##去掉行名
b=b[,-1]

#保存.Rdata的文件（只能用R打开）
save(b,file = 'b_input.Rdata')
load(file='b_input.Rdata')

04.中级变量操作

<1> 简单运算(加减乘除)，集合运算，reshape，以及merge总结

#排序：sort()
#其他函数也是通用的规律，min,max
sort(a$AvgSptlen)
sort(a$AvgSptlen)[1]
sort(a$AvgSptlen,decreasing = T)
sort(a$AvgSptlen,decreasing = T)[1]

#R语言的循环藏在更高阶的语言中
a$AvgSptlen > 120
table(a$AvgSptlen > 120)

#挑出目标行
x=a[a$AvgSptlen > 120,]

#筛选所需要的类别，$ 符号
wxs=a[a$Assay_type=='WXS',]
rna=a[a$Assay_type=='RNA_Seq',]

#取平均数：mean
a=1:100
dim(a)=c(10,10)
mean(a[1,])
mean(a[2,])

#rowMeans将矩阵中每一行的值求和,并将结果转化为一个向量,输出它们的平均值
a=1:100
dim(a)=c(10,10)
as.matrix(a)
rowMeans(a)

#for循环
for(i in 1:nrow(a)){
  print(mean(as.matrix(a[i,])))
}

#apply循环
x=as.matrix(a)
apply(a,1,function(x){
    mean(x)
})

#取每一行的最大值和最小值
apply(a,1,max)
apply(a,1,min)

#自定义函数
rowMax=function(x){
  apply(x,1,max)
}
rowMax(a)

yinwen = function(a){
  for(i in 1:nrow(a)){
    x=as.matrix(a)
    y=x[1]+x[2]-x[3]+x[4]-x[5]
    print(y)
  }
}
yinwen(a)