生物信息学生R入门教程–R的数据结构

二维数据结构：Matrices和DataFrame

Matrix

简单的讲，给atomic vector加上维度信息，它就变成了array。如果维度信息是二维的，它就是matrix。也就是说，matrix只是array的一个特例，而array是从atomic vector扩展而来的。我们来试着构建一个matrix。

> vec <- 1:12
> mat <- matrix(vec, ncol = 3, nrow = 4)  ##ncol == number of column, nrow == number of row
> mat

##      [,1] [,2] [,3]
## [1,]    1    5    9
## [2,]    2    6   10
## [3,]    3    7   11
## [4,]    4    8   12

> ## 使用访问atomic vector的方法访问matrix
> mat[7]

## [1] 7

> ## 使用访问matrix的方法访问mat
> mat[3, 2]  ## 7 == (2-1) * 4 + 3

## [1] 7

> ## 访问第二列
> mat[, 2]

## [1] 5 6 7 8

> ## 访问第一行
> mat[1, 2]

## [1] 5

> ## 访问第三列，但保持结果为matrix的形式
> mat[, 3, drop = FALSE]

##      [,1]
## [1,]    9
## [2,]   10
## [3,]   11
## [4,]   12

> ## 改变第3行第2列的元素值为20
> mat[3, 2] <- 20
> mat <- matrix(vec, ncol = 3, nrow = 4, byrow = TRUE)
> mat

##      [,1] [,2] [,3]
## [1,]    1    2    3
## [2,]    4    5    6
## [3,]    7    8    9
## [4,]   10   11   12

> dim(mat)  ##matrix维度

## [1] 4 3

> nrow(mat)  ## 有几行

## [1] 4

> ncol(mat)  ## 有几列

## [1] 3

> length(mat)  ## 这是继承的vector的属性

## [1] 12

> rownames(mat) <- letters[1:nrow(mat)]  ## 行号
> colnames(mat) <- LETTERS[1:ncol(mat)]  ## 列号
> mat

##    A  B  C
## a  1  2  3
## b  4  5  6
## c  7  8  9
## d 10 11 12

> ## 构建一个array
> arr <- array(vec, c(2, 3, 2))
> arr

## , , 1
## 
##      [,1] [,2] [,3]
## [1,]    1    3    5
## [2,]    2    4    6
## 
## , , 2
## 
##      [,1] [,2] [,3]
## [1,]    7    9   11
## [2,]    8   10   12

> dim(arr)

## [1] 2 3 2

合并matrix时，使用c()函数会将matrix视为atomic vector，所以得到还是一个atomic vector。如果这时还需要保持matrix的维度，那就需要使用到rbind()/cbind()。rbind == row bind; cbind == column bind。

> mat1 <- matrix(1:4, ncol = 2)
> mat2 <- matrix(4:1, ncol = 2)
> rbind(mat1, mat2)  ## mat2接在mat1的下方

##      [,1] [,2]
## [1,]    1    3
## [2,]    2    4
## [3,]    4    2
## [4,]    3    1

> cbind(mat1, mat2)  ## mat2接在mat1的右侧

##      [,1] [,2] [,3] [,4]
## [1,]    1    3    4    2
## [2,]    2    4    3    1

matrix转置使用t()函数(transpose)。

> mat <- matrix(1:12, ncol = 3)
> mat

##      [,1] [,2] [,3]
## [1,]    1    5    9
## [2,]    2    6   10
## [3,]    3    7   11
## [4,]    4    8   12

> t(mat)

##      [,1] [,2] [,3] [,4]
## [1,]    1    2    3    4
## [2,]    5    6    7    8
## [3,]    9   10   11   12

DataFrame

Data frame是R中最常被用到的数据结构。Data frame就是由一系列长度相等的vectors构成。它继承了vector的所有方法，包括atomic vector和list的方法，比如访问某一列可以使用'$'符号。它是2维的，它一样也有和matrix相同的方法，比如colnames(), rownames(), rbind(), cbind(), dim(), ncol(), nrow()等。

> df <- data.frame(A = 1:3, B = letters[1:3])
> df

##   A B
## 1 1 a
## 2 2 b
## 3 3 c

> str(df)

## 'data.frame':    3 obs. of  2 variables:
##  $ A: int  1 2 3
##  $ B: Factor w/ 3 levels "a","b","c": 1 2 3

> df$A  ##以列名访问元素

## [1] 1 2 3

> df[["B"]]

## [1] a b c
## Levels: a b c

> df[1, ]  ##第一行

##   A B
## 1 1 a

> df[, 2]  ##第二列

## [1] a b c
## Levels: a b c

> dim(df)

## [1] 3 2

> cbind(df, C = 0)

##   A B C
## 1 1 a 0
## 2 2 b 0
## 3 3 c 0

> rbind(df, data.frame(A = 4, B = "d"))  ## 注意，在rbind时，需要保持列名一致

##   A B
## 1 1 a
## 2 2 b
## 3 3 c
## 4 4 d

请注意，df的第二列原本输入的时候是character，但是在构建data.frame时，自动被转换为factors。这并不一定是我们需要的。如果想保留它原本的character属性，需要加上stringsAsFactors=FALSE参数。

> df <- data.frame(A = 1:3, B = letters[1:3], stringsAsFactors = FALSE)
> str(df)

## 'data.frame':    3 obs. of  2 variables:
##  $ A: int  1 2 3
##  $ B: chr  "a" "b" "c"

之前在构建data.frame时，我们只尝试了使用atomic vector。换成list会如何呢？

> df <- data.frame(A = 1:3)
> df$B <- list(1, 1:2, letters[1:3])
> df

##   A       B
## 1 1       1
## 2 2    1, 2
## 3 3 a, b, c

但是如果直接使用list来构建data.frame，却不能直接成功。

> data.frame(A = 1:3, B = list(1, 1:2, letters[1:3]))

## Error: arguments imply differing number of rows: 1, 2, 3

我们需要使用I()函数来整合它。这里的I是AsIs的意思，即指输入是什么就是什么。

> data.frame(A = 1:3, B = I(list(1, 1:2, letters[1:3])))

##   A       B
## 1 1       1
## 2 2    1, 2
## 3 3 a, b, c