R语言基础系列前情提要：

Vectorized Operations

R中许多操作可以通过向量化变得更加简洁。

例如将两个向量加在一起：

1. > x <- 1:4

2. > y <- 6:9

3. > z <- x + y

4. > z

5. [1]  7  9 11 13

相比写循环更加简便：

1. > x <- 1:4

2. > y <- 6:9

3. > w <- numeric(length(x))

4. > for(i in seq_along(x)) {

5. + w[i] <- x[i] + y[i]

6. + }

7. > w

8. [1]  5  7  9 11

另外还可以有其他运算：

1. > x <- 1:4

2. > y <- 6:9

3. > x - y

4. [1] -5 -5 -5 -5

5. > x * y

6. [1]  6 14 24 36

7. > x / y

8. [1] 0.1666667 0.2857143 0.3750000 0.4444444

类似地，对矩阵也可以有相似的操作：

注： x*y 和 x/y 是两个矩阵相应元素之间的乘除， x%*%y 是矩阵乘法的符号。

1. > x <- matrix(1:4, 2, 2)

2. > y <- matrix(rep(10, 4), 2, 2)

3. > x

4.     [,1] [,2]

5. [1,]    1    3

6. [2,]    2    4

7. > y

8.     [,1] [,2]

9. [1,]   10   10

10. [2,]   10   10

11. >

12. > ## element-wise multiplication

13. > x * y      

14.     [,1] [,2]

15. [1,]   10   30

16. [2,]   20   40

17. >

18. > ## element-wise division

19. > x / y      

20.     [,1] [,2]

21. [1,]  0.1  0.3

22. [2,]  0.2  0.4

23. >

24. > ## true matrix multiplication

25. > x %*% y    

26.     [,1] [,2]

27. [1,]   40   40

28. [2,]   60   60

参考资料：

1. https://bookdown.org/rdpeng/rprogdatascience/R Programming for Data Science

2. 《R语言实战》 Robert I. Kabacoff

快快和我一起上车，请关注：生信小白学习记

猜你喜欢

• 热文：1高分文章 2不可或缺的人 3图表规范

• 一文读懂：1微生物组 2寄生虫益处 3进化树

• 必备技能：1提问 2搜索  3Endnote

• 文献阅读 1热心肠 2SemanticScholar 3geenmedical

• 扩增子分析：1图表解读 2分析流程 3统计绘图  4功能预测

• 科研经验：1云笔记  2云协作 3公众号  

• 系列教程：1Biostar 2微生物组  3宏基因组

• 生物科普 1肠道细菌 2人体上的生命 3生命大跃进  4细胞的暗战 5人体奥秘

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外120+ PI，1200+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。

学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”