R 2020-10-26

R语言

提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
例如：第一章 Python 机器学习入门之pandas的使用

---

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档

---

CSV文件操作

一些额外操作

#获取当前路径
getwd()
setwd('E:/R_work')

读取test.csv中前6行第一列的数据

library("DOSE")
a <- c()
data <- read.csv("test.csv",header = FALSE)
data

for(n in 1:6){
  s <-as.character(data[n,1])
  a <-append(a,s)}
a

---

orgDb(基因ID转换工具)使用

准备工作

#安装包
if (!requireNamespace("BiocManager", quietly = TRUE))
  install.packages("BiocManager")
BiocManager::install("org.Hs.eg.db")

使用方法（SYMBOL->ENTREZID）

#使用例子
library(org.Hs.eg.db)
ensids <- c("A", "A2M", "ABCC2","ANXA5", "LRRC8A", "LRRK2")
x<-org.Hs.eg.db
keytypes(x)
select(x,keys = ensids, columns = 'ENTREZID', keytype = 'SYMBOL')

一、pandas是什么？

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

二、使用步骤

1.引入库

代码如下（示例）：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import  ssl
ssl._create_default_https_context = ssl._create_unverified_context

2.读入数据

代码如下（示例）：

data = pd.read_csv(
    'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())

该处使用的url网络请求的数据。

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。