三、数据结构：数据框、矩阵和列表

生信技能树数据挖掘课程学习笔记
Vector 向量——一维

matrix 矩阵——二维、所有列的数据类型相同，两个维度（行数和列数）

data.frame 数据框——多个长度相同、数据类型可以不同的向量按列组合

List 列表——长度可以不同、数据类型可以不同没有行和列的概念，可以有多级元素（列表没有预览视图）

作图要处理的数据绝大多数在数据框

1.数据框来源

（1）在R中新建（2）由已有数据转换或处理得到（3）从文件中读取（4）内置数据集

2.新建数据框本质上是向量按列组合

df <- data.frame(gene  = paste0("gene",1:3),
                 sam   = paste0("sample",1:3),
                 exp   = c(32,34,45))

读取数据框df2 <- read.csv("gene.csv")

3.数据框属性描述

维度（有几行几列） dim(df) /nrow(df) /ncol(df)
行名/列名 rownames(df)/colnames(df)

4.数据框取子集（一个、一行、一列）

4.1 选一整行df [ 2 , ] 选一整列df[,2] 行列双选df[c(1,3),1:2]

4.2 根据行名或列名df[,c(“gene”,“exp”)]当行数和列数很多时，这个操作就很有用。

df[,-ncol(df)]去掉最后一列

4.3 提取列的常用操作 数据框常用操作： df$exp

5.数据框编辑取子集$或[] +赋值操作

改一个格df[3,3]<- 5
改一整列df$exp<-c(12,23,50)(如果没有就是新增的列)
修改行名和列名 改全部行名 rownames(df) <- c("r1","r2","r3") 改一个行名 rownames(df)[2] = "x"

6.数据框进阶

（1）行数较多的数据框可截取前/后几行查看 head(iris)

（2）行列数都多的数据框可取前几行前几列查看`iris[1:3,1:3]

（3）查看每一列的数据类型和具体内容str(iris)

（4）去除含有缺失值的行：na.omit(df) 仅按照某一列来去除缺失值、缺失值替换：tidyr包

（5）两个表格的连接：

按列连接：cbind(行数相同)
按行连接：rbind(列数相同)
有共同的列名merge(test1,test2,by="name") merge(test1,test3,by.x = "name",by.y = "NAME")

（6）如果列名顺序错乱，如何按照指定顺序重排？

step1: 生成示例数据框

df=data.frame(matrix(rnorm(15),ncol=5))
colnames(df)=letters[c(3,1,2,5,4)]
df
##           c          a          b          e            d
## 1 0.0791991  0.2823956  1.5775594  0.3532114  0.005290532
## 2 0.1520918 -0.5809870  0.7543086  0.2400143 -0.107861008
## 3 0.1016834 -0.5116693 -0.6895286 -0.5309626 -0.300314420

step2: 写出正确顺序

s=letters[1:5]
s
## [1] "a" "b" "c" "d" "e"

step3：match排列,生成索引

sy=match(s,colnames(df))#按照s的顺序来排df
sy
## [1] 2 3 1 5 4

step4:取子集

df2=df[,sy]
df2
##            a          b         c            d          e
## 1  0.2823956  1.5775594 0.0791991  0.005290532  0.3532114
## 2 -0.5809870  0.7543086 0.1520918 -0.107861008  0.2400143
## 3 -0.5116693 -0.6895286 0.1016834 -0.300314420 -0.5309626

矩阵

新建m <- matrix(1:9, nrow = 3)和取子集[ ]

转置(行变列，列变行)t(m)

转换为数据框as.data.frame(m)

画热图pheatmap::pheatmap(m,cluster_cols = F,cluster_rows = F)

列表

新建

l <- list(m = matrix(1:9, nrow = 3),
df = data.frame(gene  = paste0("gene",1:3), sam = paste0("sample",1:3), exp   = c(32,34,45)),
x  = c(1,3,5))

取子集l[[2]] l$df

删除变量

删除一个rm(l) 删除多个rm(df,m) 删除全部 rm(list = ls())清空控制台 ctrl+l

数据结构的总结

	新建	取子集
向量 x	`x<-c( )`	`x[n]` 修改元素
数据框 df	`df<-data.frame( )`	`df[x,y]` `df[x,]` `,df[,y]` `$` 新增列，修改
矩阵 m	`m<–matrix( )`	`m[x,y]`
列表 l	`l<-list( )`	`l[[n]]` `$`

元素的“名字”-names()

可根据名字提取子集，向量、数据框、列表通用。