第三讲 R编程基础-矩阵和数据框

在“R与生物统计专题”中，我们会从介绍R的基本知识展开到生物统计原理及其在R中的实现。以从浅入深，层层递进的形式在投必得医学公众号更新。

在上一讲中，我们介绍了第二讲 R-编程基础-运算、数据类型和向量等基本介绍(戳这里即可跳转)。相信大家对R语言的基础知识已经有了一定的了解。

今天的更新，我们会带您学习R编程基础——矩阵和数据框，今天的主要内容如下。

1. 矩阵

矩阵就像Excel的工作表。它用于组合具有相同类型的向量，可以是数字，字符或逻辑。矩阵用于将数据表存储在R中。

1.1 创建和命名矩阵

要轻松创建矩阵，请使用函数cbind()或rbind()，如下所示：

# 数字向量
col1 <- c(5, 6, 7, 8, 9)
col2 <- c(2, 4, 5, 9, 8)
col3 <- c(7, 3, 4, 8, 7)

#按列合并向量
my_data <- cbind(col1, col2, col3)
my_data

col1 col2 col3

[1,]    5    2    7

[2,]    6    4    3

[3,]    7    5    4

[4,]    8    9    8

[5,]    9    8    7

# 更改行的名字
rownames(my_data) <- c("row1", "row2", "row3", "row4", "row5")
my_data

col1 col2 col3

row1    5    2    7

row2    6    4    3

row3    7    5    4

row4    8    9    8

row5    9    8    7

cbind()：按列组合R对象rbind()：按行组合R个对象rownames()：检索或设置类似矩阵的对象的行名colnames()：检索或设置类似矩阵的对象的列名

如果要转置数据，请使用函数t()：

t(my_data)

row1 row2 row3 row4 row5

col1    5    6    7    8    9

col2    2    4    5    9    8

col3    7    3    4    8    7

1.2 矩阵尺寸

R的功能nrow()和NcoI位()返回的行和列中存在的数据的数目，分别如下：

ncol(my_data) # 列数

[1] 3

nrow(my_data) # 行数

[1] 5

dim(my_data) # 行列数

[1] 5 3

1.3 获取矩阵的子集

通过正索引选择行/列

可以按以下方式选择行和/或列：my_data [row，col]

# 输出第二行
my_data[2, ]

col1 col2 col3

6    4    3

# 输出第二到第四行
my_data[2:4, ]

col1 col2 col3

row2    6    4    3

row3    7    5    4

row4    8    9    8

# 输出特定非连续行数
my_data[c(2,4), ]

col1 col2 col3

row2    6    4    3

row4    8    9    8

# 输出第三行
my_data[, 3]

row1 row2 row3 row4 row5

7    3    4    8    7

# 输出第二行第三列内容

my_data[2, 3]

[1] 3

按行/列名选择

# 输出第二列内容
my_data[, "col2"]

row1 row2 row3 row4 row5

2    4    5    9    8

1.3 矩阵计算

也可以对矩阵执行简单的操作。

例如，以下R代码将矩阵的每个元素乘以2：

my_data*2

col1 col2 col3

row1   10    4   14

row2   12    8    6

row3   14   10    8

row4   16   18   16

row5   18   16   14

或者，计算log2值：

log2(my_data)

col1     col2     col3

row1 2.321928 1.000000 2.807355

row2 2.584963 2.000000 1.584963

row3 2.807355 2.321928 2.000000

row4 3.000000 3.169925 3.000000

row5 3.169925 3.000000 2.807355

rowSums()和colSums()函数：分别计算每行的总和和每列的总和。

rowSums(my_data)

row1 row2 row3 row4 row5

14   13   16   25   24

colSums(my_data)

col1 col2 col3

35   28   29

如果你对行/列均值感兴趣，则可以使用函数rowMeans()和colMeans()分别计算行均值和列均值。

✎ Tip 
请注意，也可以使用函数apply()将任何统计函数应用于矩阵的行/列。

apply()的简化格式如下：

apply(X, MARGIN, FUN)

• X：数据矩阵

• MARGIN：可能的值为1（对于行）和2（对于列）

• FUN：应用于行/列的函数

使用apply()如下：

# 对行进行平均值运算
apply(my_data, 1, mean)

row1     row2     row3     row4     row5

4.666667 4.333333 5.333333 8.333333 8.000000

# 队列进行平均值运算
apply(my_data, 2, mean)

col1 col2 col3

7.0  5.6  5.8

2.数据框

数据框就像一个矩阵，但可以具有不同类型的列（数字，字符，逻辑）。行是观察值（个人），列是变量。

2.1 创建一个数据框

可以使用data.frame()函数创建数据框，如下所示：

patients_data <- data.frame(name = my_patients,age = patient_ages,height = c(180, 170, 185, 169),married = c(T,F,T,T))# 打印查看patients_data

name age height married

Zheng Zheng  27    180    TRUE

Wang Wang  25    170   FALSE

Liu Liu  29    185    TRUE

Li   Li  26    169    TRUE

要检查数据是否为数据框格式，请使用is.data.frame()函数。如果数据是数据框，则返回TRUE：

is.data.frame(patients_data)

[1] TRUE

is.data.frame(my_data)

[1] FALSE

对象“ patients_data”是一个数据框，但不是对象“ my_data”。我们可以使用as.data.frame()函数将其转换为数据框：

# my_data的类型 --> matrixclass(my_data)

[1] "matrix"

# 将它转换为数据框格式my_data2 <- as.data.frame(my_data)# Now, the class is data.frameclass(my_data2)

[1] "data.frame"

如矩阵部分所述，你可以使用函数t()转置数据框：

t(patients_data)2.2 子集数据框✎ Tip 
要仅从数据框中选择某些列，你可以按名称或按其位置（即第1、2、3列等）引用这些列。

1. 按名称和位置进行正索引

# 访问“名称”列中的数据# 使用$符号patients_data$name

[1] Zheng Wang Liu Li

Levels: Liu Li Zheng Wang

# 或者使用patients_data[, 'name']

[1] Zheng Wang Liu Li

Levels: Liu Li Zheng Wang

# 输出第一和第三列patients_data[ , c(1, 3)]

name height

Zheng Zheng    180

Wang Wang    170

Liu Liu    185

Li   Li    169

1. 按特征索引

我们要选择年龄> = 27的所有病人。

patients_data$age >= 27

[1]  TRUE FALSE  TRUE FALSE

TRUE指定该行包含age> = 27的值。

# 选择符合条件的行patients_data[patients_data$age >= 27, ]

name age height married

Zheng Zheng  27    180    TRUE

Liu Liu  29    185    TRUE

上面的R代码命令内容为：R从年龄大于等于27的patients_data获取所有行，然后返回所有列。

如果你不想查看所选行的所有列数据，但只想显示例如年龄大于等于27的病人的病人名称和年龄，则可以使用以下R代码：

patients_data[patients_data$age >= 27, c(1, 2)]

name age

Zheng Zheng  27

Liu Liu  29

# 或者

patients_data[patients_data$age >= 27, c("name", "age")]

name age

Zheng Zheng  27

Liu Liu  29

如果发现选择语句开始变得不方便，则可以先将行和列选择放入变量中，例如：

age27 <- patients_data$age >= 27cols <- c("name", "age")

然后，你可以选择带有这些变量的行和列：

patients_data[age27, cols]

name age

Zheng Zheng  27

Liu Liu  29

也可以如下使用函数子集()。

2.3 扩展数据框

在数据框中添加新列

#将组列添加到patient_datapatients_data$group <- patient_groupspatients_data

name age height married           group

Zheng Zheng  27    180    TRUE     recovered_patient

Wang Wang  25    170   FALSE not_recovered_patient

Liu Liu  29    185    TRUE     recovered_patient

Li   Li  26    169    TRUE not_recovered_patient

也可以使用函数cbind()和rbind()扩展数据框。

cbind(patients_data, group = patient_groups)

3. 获取帮助

要阅读有关给定功能的更多信息，例如mean，可以如下使用R函数help()：

help(mean)

或使用此：

?mean

好了，本期讲解就先到这里。

在之后的更新中，我们会进一步为您介绍R的入门，以及常用生物统计方法和R实现。欢迎关注，投必得医学手把手带您走入R和生物统计的世界。

提前打个预告，接下来我们要正式开始学习R语言的统计学技能啦，下一期将会更新“R的描述性统计分析”。喜欢的同学们快快关注起来吧。

第一讲 R-基本介绍及安装
第二讲 R-编程基础-运算、数据类型和向量等基本介绍

当然啦，R语言的掌握是在长期训练中慢慢积累的。一个人学习太累，不妨加入“R与统计交流群”，和数百位硕博一起学习。

快扫二维码撩客服，

带你进入投必得医学交流群，

让我们共同进步！

↓↓

- END -

长按二维码关注「投必得医学」，更多科研干货在等你！

麻烦点一下在看再走呗