R语言R的数据格式

Posted 2021-04-18 努力学习的科研喵

R的数据格式

数据格式，或者说数据结构，简单地说，就是软件用来识别数据的一种方式。

最基本的有5种，有向量、矩阵、数组、数据框和列表。其实归结起来，就是一种：向量。

可以使用c()函数来创建向量。

c1<- c(1,3,5,7,11)创建了一个命名为c1 的向量

c1<- c(1,3,5,7,11)
c2 <- c("feng","huo","shui","yun")
c3 <- c(TRUE,F,FALSE,T)

用类型函数来看一下，typeof，翻译就是...的类型，所以用它来看变量类型，class也行的

数值型、字符型和逻辑型

向量是用于存储数值型、字符型或逻辑型数据的一种一维数组。

向量除了大小，还要有位置，如c2[1]

矩阵就是所说的matrix，所以我们就还是用matrix函数来创建一个矩阵。

c4 <- matrix(1:40, 5, 8)
#1：40是1-40，矩阵有行列，所以5就是行，8就是列
c4 <- matrix(1:40, nrow = 5,ncol = 8)

加上行名和列名，rownames或者colnames 或者**dimnames**

#行名
c5 <- c("feng1","feng2","feng3","feng4","feng5")
#列名
c6 <- c("feng6","feng7","feng8","feng9","feng10","feng11","feng12","feng13")
c7 <- matrix(1:40, nrow = 5,ncol = 8, dimnames = list(c5,c6))

dimnames就是数据的维名，dimnames=list（行名，列名），所以你们在看到网上一些代码在处理TCGA的时候，经常会先去除行名和列名，转换矩阵，最后再dimnames补上（TCGA读取进来后，行名列名是字符，表达量是数值，所以需要先去除行列后再对表达量进行操作，操作完了再dimnames合起来）。

生信分析最常见的一种格式，data.frame，数据框，比如临床数据，年龄是数值型，分期是字符型，这样的数据用matrix显然不合适，那就只能用data.frame，所以给数据框一个定义：一种能够存储多种类型数据的二维矩阵。

patientID <- c(LETTERS[1:4])
age <- c(20:23)
stage <- c("stageI","stageII","stageIII","stageIV")
T <- c("T1","T2","T3","T4")

先创建四个对象，刚才矩阵用的是matrix，这里数据框就还是用data.frame

c8 <- data.frame(patientID,age,stage,T)
c8

#加上行名
rownames(c8) <- patientID
#这样行名是病人ID，多了一列也要去掉
c8 <- c8[-1]

list非常复杂，比如看过三维的PCA图，三维甚至更多维度，就是用list来创建

name <- "feng9"
c9 <- list(title = name,data = c1, c4, c7)
c9

list就是对象的有序集合。这个对象可以是除了list之外的所有数据类型，可以是向量、矩阵、数据框。