r语言python0基础_万丈高楼平地起，从零开始学R语（生信分析向，R语言基础）...

一、R语言的安装

我所做的R语言学习主要是为应对工作上的生信分析，如果你是往这个方向走，那么这篇文章很大可能会帮助你。如果你也是有python基础的话，那我写的可能会更対你口味。

不过现在看到这篇文章可能比较杂乱，到时候等我学完会做个完整的系统整理。

第一步，安装R：https://www.r-project.org/

第二步，安装RStudio：http://www.rstudio.com/ide

至于背景知识，百度一下会比较详细，重点的话你要知道R是基于S语言做出来的，而R是由Ross Ihaka，Robert Gentleman这两位

统计学家

做出来的，广泛用于统计学领域的

可编程语言

至于你又会问那么RStudio又是什么，如果你学习过python,就会知道python有一个叫pycharm的玩意，说简单点其实就是一个IDE工具，你说我可不可以不用，当然可以，你甚至可以不安装R，牛逼的人一般都是用记事本编程的。

对于RStudio，你需要注意镜像源要切换到国内，不一定都能用，一个不行换另外一个，像是我广州的镜像源就用不了，镜像源更换在这里可以找到。(tools最下面一个选项。)

二、R数据结构及类型

历史的经验告诉我，对于数据类型的理解一定要够深入，否则以后的BUG会多到头疼。因此我在网上搞到这么一张图，但目前我学习的知识有限，在以后的学习中可能会不断回头复习数据类型。

没想到用什么样的方式表达数据类型，实战还是少了点。

0.赋值

#以下内容均在RStudio中书写

> a = 1

> a

[1] 1

> a

> a

[1] 2

#以上两种写法都是对a进行赋值，虽然教程上说不推荐用第一种写法，但是Python里面就是这么写的啊，多优雅，我就推荐萌新写第一种，第二种还要多打一个字符，多累啊。

1.向量vector

#c是一个内置函数，他能把数组合起来变成向量，比如这样

> a = c(1,2,3)

> b = c(2,3,4)

> a

[1] 1 2 3

> b

[1] 2 3 4

#这里顺便说个常用的功能，如果你不知道这个函数怎么用，你可以用

?c

#的方法，在右侧help界面会弹出这个函数的使用说明，十分便利。

萌新可能就会一堆问题了，比如我就喜欢钻牛角尖，能不能用这种，这种，或者这种

> a = 1 2 3

Error: unexpected numeric constant in "a = 1 2"

> a = 1,2,3

Error: unexpected ',' in "a = 1,"

> a = (1,2,3)

Error: unexpected ',' in "a = (1,"

虽然打脸啪啪响，但我觉得多尝试很重要，这对你充分理解数据含义会非常有帮助。

那么你会说，写成向量有什么用？

这时候，你可以View一下。(函数首字母大写！函数首字母大写！)

#view也是一种函数

> View(a)

按我的理解，向量就是一组具有一定关系的数据，他们可能是姓名，学号，得分等等。

接下来就会有疑问，那么组成向量的基础数据类型是什么？应该是数值吧，可以是其他吗？判断变量的数据类型用class

#class是个用于判断数据类型的函数，大概是十分常用的测BUG方法。

> ?class

> a = c("1","2","3")

> a

[1] "1" "2" "3"

> class(a)

[1] "character"

> a = c(1,"2",3)

> a

[1] "1" "2" "3"

> class(a)

[1] "character"

> a = c(1,2,3)

> class(a)

[1] "numeric"

character和numeric，这是两种不同的数据类型，应该上面说的数值型和字符型，当然还有因子型和布尔型，那么很重要的，这些数据有什么不一样。

> a = c("1","2",3)

> a

[1] "1" "2" "3"

> View(a)

> class(a)

[1] "character"

>

> a = c(1,2,3)

> a

[1] 1 2 3

> View(a)

> class(a)

[1] "numeric"

#这是两种不同的数据类型，但是都能完成向量和绘图，而且在绘图中肉眼上比较难辨别两个数据的差异，这个地方在未来数据使用中一定是个大坑，多加留意。

三、画一个差异表达矩阵

好了，现在你已经学会了1+1 = 2，那么让我们愉快的实战吧。

接下来，你将花费你人生中的1小时，来完成这个包的安装,这里参考的是https://www.jianshu.com/p/9134a2b25520，但这位兄台比较粗心，错了好几个地方，比如simpleaffy就打错了。

library(simpleaffy)

另外一个，请把这个54m的压缩文件下载下来：https://ftp.ncbi.nlm.nih.gov/geo/series/GSE20nnn/GSE20986/suppl/

完了你就可以按照教程中部署环境，安装。

最后提示一下，他这一句，写出来也是有问题的，你要把txt打开，更改一下对应的位置关系。

write.table(phenodata, "data/tex1.txt",quote = F, sep = "\t",row.names = FALSE,col.names = TRUE)

完了你就可以做出很优秀的图啦