YuQiao0303的博客

目录前言缺失值分布评估看有多少行有缺失值：VIM：看一下缺失值的分布、比例情况缺失值填补方法Hmisc或e1071包：均值、中位数、随机填充DMwR2包: 中心填充centralImputation 和knn6、rpart （略）mice包的mice函数（略）评估填补效果(还没实施)实践前言项目用到一个数据集，含有很多NA。特此记录怎么处理。主要参考：CSDN一个教程：DMwR为主mice为主银河统计缺失值分布评估看有多少行有缺失值：如果缺失值不多，直接删了有缺失值的样本最方便。每行一

解决方案：不用print而是改用cat。注意cat没有自动换行。> print("1\t2")[1] "1\t2"> cat("1\t2")1 2参考：https://bbs.pinggu.org/thread-3490731-1-1.html

Tools->Global Options -> Apperance第一个theme我没试过，不用管。字体可以都试试。主要是第三个Editor theme，深色主题推荐下面三个：Cobalt， Idle Fingers, Material

load("data/kmeans_result.Rdata")读出变量result，result是聚类结果，四分类。读出来的result的大概长这样：Id 1 2 3 41 0 0 0 12 1 0 0 0下面的代码把他改成了这样：Id 类别1 42 1代码在此：load("data/kmeans_result.Rdata")head(result)# one-hot数据处理为单个的source_data = resultnew_result <-

本文是做为一个纯新手小白，对下文做的笔记：R语言聚类分析–cluster, factoextra后续发现有一个很靠谱的英文教程，收到了相关R包的官方推荐：datanovia教程里面分了如下几个课，详细讲了相关理论和API。因此本文变成了这两个教程的笔记。二者大体相似，略有区别。目录标准化PCA画图聚类趋势评估(Assessing Clustering Tendency)Hopkins Statistic 介绍R语言实现方法一：factoextra包的：get_clust_tendency()方

title: data_preprocessauthor: YuQiaodate: 2021/5/11output: html_document读取数据用csv的方式读取原始数据：RNAFile = "mRNA_FPKM_UQ.txt"#result = readLines(RNAFile)data <- read.csv(RNAFile, encoding="UTF-8",sep="\t")print(class(data))删除重复数据每一列是一个用户，每一列第一行是用.

获得非numetric元素的坐标:nonNumericInFrame <- function (frame){ test = as.matrix(frame) test = as.numeric(test) logiVec = which(is.na(test)) i = as.integer(logiVec %% nrow(data2_no_rep)) j = as.integer(floor(logiVec / nrow(data2_no_rep))+1) (cbin

为什么选PyCharm纯计算机出身，无生物学背景（仅普通高中生物知识），本来要做基于mRNA和miRNA组学的癌症分型。一番调研发现生物信息学东西很多。查了半天，一般建议是linux + R语言 + 统计学知识等。先开始已经准备整linux了，在windows上安装了应用商店的ubuntu，但发现后续教程很多都是用windows上的RStudio。加上自己电脑本身一般，还是有点担心linux能不能hold住。而且我们数据量暂时不大。新手入门可能别整那么麻烦吧，赶紧先上手更好？偶然间发现p