随笔分类 - R语言
摘要：1、 ## 测试数据test <- c("200005: Smoker_1","200076: Smoker_2","200087: Smoker_3","200088: Smoker_4","200106: Smoker_5","200107: Non-smoker_6") test list1
阅读全文
摘要：1、直接测试 dir() ## 列出当前目录中所有文件 myfile <- list.files() ## 将当前目录中的所有文件都保存为字符 myfile gzfile <- myfile[grep(myfile, pattern =".gz$")] ## 提取当前目录中以.gz结尾的文件 gzf
阅读全文
摘要：scale的作用 1、中心化： 减去平均值 2、标准化： 除以根方差 test <- c(2,3,4,6) ## 测试数据 a <- scale(test,center = F, scale = F) ## 既不中心化， 也不标准化 a b <- scale(test, center = T, sc
阅读全文
摘要：1、 dir() dat <- read.table('test.txt',fill = T) ## fill = T，读取列数不一致的行，用“”填充 dat result <- data.frame() ## 创建空数据框 result for (i in 1:nrow(dat)) { if ((
阅读全文
摘要：1、在a.txt中每行匹配的最后一个e替换为xxx（每行都有e的情况） dat <- read.table("a.txt", header = F) dat index <- data.frame() ## 创建数据框，储存匹配结果 for (i in 1:nrow(dat)) { count =
阅读全文
摘要：R语言中统计数据框中指定字符出现的次数 1、利用unlist + sum实现 dat <- read.table("a.txt", header = F) ## 统计a.txt中e出现的次数 dat dat2 <- unlist(dat) sum(dat2 == "e") 2、利用for循环遍历实现
阅读全文
摘要：1、在最后一行的下一行追加字符 dat <- read.csv("test.csv", header = T) ## 读取测试数据 dat temp <- c("final", rep("", ncol(dat) - 1)) ## 生成要添加的字符 rbind(dat, temp) ## 利用行合并
阅读全文
摘要：1、直接测试，R实现1至4各重复3次 result <- vector() ## 空向量 for (i in 1:4) { result <- c(result, rep(i, 3)) } result 2、可以直接实现 rep(1:4, each = 3)
阅读全文
摘要：1、直接测试 dir() dat <- read.csv("test.csv", header = F) ## 读取测试数据，实现按照第二列指定次数重复各列 dat result <- data.frame() ## 创建结果数据框 for (i in 1:nrow(dat)) { ## 利用双循环
阅读全文
摘要：来源：https://blog.csdn.net/samwalt/article/details/84707346 1、直接测试 > a= c(1,3,8,5,6,7,5,2) ## 测试数据 > max_idx <- which.max(a) ## 返回最大值在a中的索引 > max_idx [1
阅读全文
摘要：1、测试数据 root@PC1:/home/test# ls 5gene_CDs.bed id_mapping.txt root@PC1:/home/test# head -n 3 5gene_CDs.bed chr6 117609654 117609965 NM_001378891.1_cds_0
阅读全文
摘要：1、测试1 > bed <- c("NM_001378891.1_cds_0_0_chr6_117609655_r","NM_001378891.1_cds_1_0_chr6_117622137_r") > bed [1] "NM_001378891.1_cds_0_0_chr6_117609655
阅读全文
摘要：1、测试 test <- c(2,NA,5, 8, NA, 10, 5) test test2 <- as.integer(na.omit(test)) ## 清除NA test2 test3 <- which(!is.na(test)) ## 返回非空的索引 test3 test4 <- whic
阅读全文
摘要：1、将连续两行数据合并为一行 dat <- read.table("outcome.ped") dat <- dat[,-(1:16)] dat result <- data.frame() ## 生成母版 for (i in 1:(nrow(dat)/2)) { ## 行数缩减1倍 temp1 <
阅读全文
摘要：1、两列合并为1列 dat <- read.table("outcome.ped") dat <- dat[,-(1:6)] dat result <- data.frame(v1 = 1:(2 * nrow(dat))) ## 先生成合并后的框架，两列合并为1列，因此行数翻倍 for (i in
阅读全文
摘要：1、问题 2、解决方法 install.packages("readxl") library("readxl") test <- read_excel("cor.xlsx", sheet = 1, col_names = T, col_types = NULL) dim(test)
阅读全文
摘要：几何平均数：几何平均数是对各变量值的连乘积开项数次方根。求几何平均数的方法叫做几何平均法。如果总水平、总成果等于所有阶段、所有环节水平、成果的连乘积总和时，求各阶段、各环节的一般水平、一般成果，要使用几何平均法计算几何平均数，而不能使用算术平均法计算算术平均数。（百度百科） 几何平均数：几何平均数是
阅读全文
摘要：变异系数：变异系数（Coefficient of Variation）：当需要比较两组数据离散程度大小的时候，如果两组数据的测量尺度相差太大（比如cm, km），或者数据量纲(比如重量，长度）的不同，直接使用标准差来进行比较不合适，此时就应当消除测量尺度和量纲的影响，而变异系数可以做到这一点，它是原
阅读全文
摘要：1、测试数据 test <- c(5.3, 5.6, 0.7, 0.6, 1.3, 2.8, 2.9, 2.1, 2.4, 3.7, 4.2, 4.9, 4.7, 4.8, 4.2) 2、生成统计节点 breaks <- seq(0, 6, length.out = 7) ## 生成统计节点 bre
阅读全文
摘要：1、方式1 test <- matrix(1:12, byrow = T, nrow = 3, ncol = 4) test c1 <- rep(1:nrow(test), times = ncol(test)) c2 <- rep(1:ncol(test), each = nrow(test))
阅读全文
浙公网安备 33010602011771号