Последний элемент вектора c: последний элемент вектора

Вектора

Вектора

Создаем вектор:

• с помощью функции с()

v1 <- c(1, 2, 3, 1, 2, 9)
v1

## [1] 1 2 3 1 2 9

• перечислением

v2 <- 7:12
v2

## [1]  7  8  9 10 11 12

• из векторов

v3 <- c(v1, v2)
v3

##  [1]  1  2  3  1  2  9  7  8  9 10 11 12

• с помощью функции rep

v6 <- rep(x = c(1, 2), each = 4)
v6

## [1] 1 1 1 1 2 2 2 2

v7 <- rep(x = c(1, 2))
v7

## [1] 1 2

v8 <- rep(x = c(1, 2), times = 3)
v8

## [1] 1 2 1 2 1 2

• создание случайного вектора из набора значений

v9 <- sample(c(1, 3, 5, 6), 10, replace = T)
v9

##  [1] 3 6 6 6 3 5 1 5 5 1

v11 <- sample(10)
v11

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

• seq — создает последовательность

v10 <- seq(from = 1, to = 10, by = 2)
v10

## [1] 1 3 5 7 9

Сумма векторов

v4 <- v1 + v2
v4

## [1]  8 10 12 11 13 21

Произведение векторов

v5 <- v1 * v2
v5

## [1]   7  16  27  10  22 108

Скалярное произведение двух векторов (одинаковой длины!)

v1 %*% v2

##      [,1]
## [1,]  190

Получение элементов вектора по индексу

• получить второй элемент вектора v1

v1[2]

## [1] 2

• получить с третьего по пятый элементы вектора v1

v1[3:5]

## [1] 3 1 2

• получить все элементы вектора v1, кроме первого

v1[-1]

## [1] 2 3 1 2 9

Сумма всех координат вектора v1

sum(v1)

## [1] 18

Среднее значение координат вектора v1

mean(v1)

## [1] 3

Медиана координат вектора v1

median(v1)

## [1] 2

Максимальное значение координат вектора v1

max(v1)

## [1] 9

Минимальное значение координат вектора v1

min(v1)

## [1] 1

Количество позиций в векторе

length(v1)

## [1] 6

Округление числа

round(2. 45865, digits = 3)

## [1] 2.459

Создание матрицы

m1 <- matrix(1:8, ncol = 2)
m1

##      [,1] [,2]
## [1,]    1    5
## [2,]    2    6
## [3,]    3    7
## [4,]    4    8

m2 <- matrix(v1, nrow = 2)
m2

##      [,1] [,2] [,3]
## [1,]    1    3    2
## [2,]    2    1    9

Произведение матриц. Количество строк одной матрицы должно быть равно количеству столбцов другой.

m3 <- m1 %*% m2
m3

##      [,1] [,2] [,3]
## [1,]   11    8   47
## [2,]   14   12   58
## [3,]   17   16   69
## [4,]   20   20   80

Вывести размер матрицы

dim(m3)

## [1] 4 3

Вывести количество строк в матрице

nrow(m3)

## [1] 4

Вывести количество столбцов в матрице

ncol(m1)

## [1] 2

Задать имена столбцов и строк в матрице

rownames(m3) <- c("Bio1", "Bio2", "Bio3", "Bio4")
colnames(m3) <- c("Col1", "Col2", "Col3")
m3

##      Col1 Col2 Col3
## Bio1   11    8   47
## Bio2   14   12   58
## Bio3   17   16   69
## Bio4   20   20   80

Вывести названия строк и столбцов матрицы

rownames(m3)

## [1] "Bio1" "Bio2" "Bio3" "Bio4"

colnames(m3)

## [1] "Col1" "Col2" "Col3"

Получение элементов матрицы по индексам и именам строк и столбцов

• взять элемент матрицы на пересечении 1 строки и 2 столбца

m3[1, 2]

## [1] 8

• взять второй столбце матрицы

m3[, 2]

## Bio1 Bio2 Bio3 Bio4 
##    8   12   16   20

• взять первую строку матрицы

m3[1, ]

## Col1 Col2 Col3 
##   11    8   47

• взять элемент матрицы строки Bio1 и столбца Col3

m3["Bio1", "Col3"]

## [1] 47

Создать список

l1 <- list()

Добавить элемент в список

l1[[1]] <- 1:10
l1

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

l1[["matrix"]] <- matrix(1:10, nrow = 2)
l1

## [[1]]
##  [1]  1  2  3  4  5  6  7  8  9 10
## 
## $matrix
##      [,1] [,2] [,3] [,4] [,5]
## [1,]    1    3    5    7    9
## [2,]    2    4    6    8   10

l1[[3]] <- "test"
l1

## [[1]]
##  [1]  1  2  3  4  5  6  7  8  9 10
## 
## $matrix
##      [,1] [,2] [,3] [,4] [,5]
## [1,]    1    3    5    7    9
## [2,]    2    4    6    8   10
## 
## [[3]]
## [1] "test"

Создаем data frame

df1 <- data. frame(v11 = c(1, 2, 3, 4, 5), v12 = c("T1", "T2", "T3", "T4", "T5"))
df1

##   v11 v12
## 1   1  T1
## 2   2  T2
## 3   3  T3
## 4   4  T4
## 5   5  T5

Загрузить таблицу

test <- read.table("annotation.ptt", header = T, sep = "\t", quote = "")

Узнать размер таблицы (кол-во строк х кол-во столбцов)

dim(test)

## [1] 763  10

Вывести шапку таблицы

head(test)

##   Start  End Strand Length       PID Gene   Synonym Code      COG
## 1  1893 2681      +    262 294660181 parA  MGA_0619    - COG1192D
## 2  2671 3147      +    158 294660182    -  MGA_0621    -        -
## 3  3163 4548      +    461  31544207 dnaA  MGA_0622    - COG0593L
## 4  4939 5133      +     64 294660183    - MGA_1322d    - COG1132V
## 5  5160 6077      +    305 294660184    - MGA_0625a    - COG1132V
## 6  6393 8294      +    633 294660185    -  MGA_0626    - COG1132V
##                                          Product
## 1                        ParA/Soj family protein
## 2                           hypothetical protein
## 3 chromosomal replication initiator protein DnaA
## 4                                ABC transporter
## 5        multidrug/protein/lipid ABC transporter
## 6        multidrug/protein/lipid ABC transporter

Вывести 2 верхние строки таблицы

head(test, 2)

##   Start  End Strand Length       PID Gene  Synonym Code      COG
## 1  1893 2681      +    262 294660181 parA MGA_0619    - COG1192D
## 2  2671 3147      +    158 294660182    - MGA_0621    -        -
##                   Product
## 1 ParA/Soj family protein
## 2    hypothetical protein

Вывести 2 последние строки таблицы

tail(test, 2)

##       Start     End Strand Length       PID   Gene  Synonym Code      COG
## 762 1010633 1011601      -    322 294660636 dnaJ_7 MGA_0617    - COG0484O
## 763 1011604 1012779      -    391 294660637   dnaN MGA_0618    - COG0592L
##                                  Product
## 762        DnaJ-like molecular chaperone
## 763 DNA polymerase III beta subunit DnaN

Статистика по колонкам таблицы

summary(test)

##      Start              End          Strand      Length    
##  Min.    :   1893   Min.   :   2681   -:362   Min.   :  37  
##  1st Qu.: 243677   1st Qu.: 245410   +:401   1st Qu.: 188  
##  Median : 517500   Median : 519914           Median : 314  
##  Mean   : 505601   Mean   : 506773           Mean   : 390  
##  3rd Qu.: 756280   3rd Qu.: 757211           3rd Qu.: 539  
##  Max.   :1011604   Max.   :1012779           Max.   :1969  
##                                                            
##       PID                   Gene         Synonym    Code          COG     
##  Min.   :3.15e+07   -         :351   MGA_0001:  1   -:763   -       :274  
##  1st Qu.:3.15e+07   cbiO      :  2   MGA_0002:  1           COG0484O:  8  
##  Median :2.95e+08   vlhA.3.0.1:  2   MGA_0004:  1           COG1132V:  6  
##  Mean   :1.92e+08   aceF      :  1   MGA_0005:  1           COG3328L:  6  
##  3rd Qu.:2.95e+08   ach2      :  1   MGA_0008:  1           COG0561R:  5  
##  Max.   :2.95e+08   ackA      :  1   MGA_0009:  1           COG1404O:  5  
##                     (Other)   :405   (Other) :757           (Other) :459  
##                                            Product   
##  hypothetical protein                          :220  
##  DnaJ-like molecular chaperone                 :  7  
##  putative transposase domain-containing protein:  6  
##  HAD superfamily hydrolase Cof                 :  5  
##  putative transposase                          :  5  
##  ABC transporter permease                      :  4  
##  (Other)                                       :516

Структура таблицы

str(test)

## 'data.  frame':    763 obs. of  10 variables:
##  $ Start  : int  1893 2671 3163 4939 5160 6393 8389 8574 8929 10080 ...
##  $ End    : int  2681 3147 4548 5133 6077 8294 8538 8924 10080 10886 ...
##  $ Strand : Factor w/ 2 levels "-","+": 2 2 2 2 2 2 2 2 2 2 ...
##  $ Length : int  262 158 461 64 305 633 49 116 383 268 ...
##  $ PID    : int  294660181 294660182 31544207 294660183 294660184 294660185 31544211 294660186 31544213 294660187 ...
##  $ Gene   : Factor w/ 411 levels "-","aceF","ach2",..: 190 1 56 1 1 1 244 240 411 151 ...
##  $ Synonym: Factor w/ 763 levels "MGA_0001","MGA_0002",..: 349 350 351 731 352 353 732 354 355 356 ...
##  $ Code   : Factor w/ 1 level "-": 1 1 1 1 1 1 1 1 1 1 ...
##  $ COG    : Factor w/ 411 levels "-","COG0006E",..: 319 1 240 306 306 306 112 241 269 13 ...
##  $ Product: Factor w/ 483 levels "1-acyl-sn-glycerol-3-phosphate acyltransferase",..: 261 220 105 65 250 250 55 356 315 137 ...

Вывести с третьего по пятое значения столбца Length таблицы test

test$Length[1:5]

## [1] 262 158 461  64 305

Вывести начало столбца Length таблицы test

head(test$Length)

## [1] 262 158 461  64 305 633

Вывести последние значения столбца Length таблицы test

tail(test$Length)

## [1] 210 420 846 648 322 391

Вывести элемент первой строки и второго столбца таблицы test

test[1, 2]

## [1] 2681

Вывести название строк и столбцов таблицы test

colnames(test)

##  [1] "Start"   "End"     "Strand"  "Length"  "PID"     "Gene"    "Synonym"
##  [8] "Code"    "COG"     "Product"

rownames(test)

##   [1] "1"   "2"   "3"   "4"   "5"   "6"   "7"   "8"   "9"   "10"  "11" 
##  [12] "12"  "13"  "14"  "15"  "16"  "17"  "18"  "19"  "20"  "21"  "22" 
##  [23] "23"  "24"  "25"  "26"  "27"  "28"  "29"  "30"  "31"  "32"  "33" 
##  [34] "34"  "35"  "36"  "37"  "38"  "39"  "40"  "41"  "42"  "43"  "44" 
##  [45] "45"  "46"  "47"  "48"  "49"  "50"  "51"  "52"  "53"  "54"  "55" 
##  [56] "56"  "57"  "58"  "59"  "60"  "61"  "62"  "63"  "64"  "65"  "66" 
##  [67] "67"  "68"  "69"  "70"  "71"  "72"  "73"  "74"  "75"  "76"  "77" 
##  [78] "78"  "79"  "80"  "81"  "82"  "83"  "84"  "85"  "86"  "87"  "88" 
##  [89] "89"  "90"  "91"  "92"  "93"  "94"  "95"  "96"  "97"  "98"  "99" 
## [100] "100" "101" "102" "103" "104" "105" "106" "107" "108" "109" "110"
## [111] "111" "112" "113" "114" "115" "116" "117" "118" "119" "120" "121"
## [122] "122" "123" "124" "125" "126" "127" "128" "129" "130" "131" "132"
## [133] "133" "134" "135" "136" "137" "138" "139" "140" "141" "142" "143"
## [144] "144" "145" "146" "147" "148" "149" "150" "151" "152" "153" "154"
## [155] "155" "156" "157" "158" "159" "160" "161" "162" "163" "164" "165"
## [166] "166" "167" "168" "169" "170" "171" "172" "173" "174" "175" "176"
## [177] "177" "178" "179" "180" "181" "182" "183" "184" "185" "186" "187"
## [188] "188" "189" "190" "191" "192" "193" "194" "195" "196" "197" "198"
## [199] "199" "200" "201" "202" "203" "204" "205" "206" "207" "208" "209"
## [210] "210" "211" "212" "213" "214" "215" "216" "217" "218" "219" "220"
## [221] "221" "222" "223" "224" "225" "226" "227" "228" "229" "230" "231"
## [232] "232" "233" "234" "235" "236" "237" "238" "239" "240" "241" "242"
## [243] "243" "244" "245" "246" "247" "248" "249" "250" "251" "252" "253"
## [254] "254" "255" "256" "257" "258" "259" "260" "261" "262" "263" "264"
## [265] "265" "266" "267" "268" "269" "270" "271" "272" "273" "274" "275"
## [276] "276" "277" "278" "279" "280" "281" "282" "283" "284" "285" "286"
## [287] "287" "288" "289" "290" "291" "292" "293" "294" "295" "296" "297"
## [298] "298" "299" "300" "301" "302" "303" "304" "305" "306" "307" "308"
## [309] "309" "310" "311" "312" "313" "314" "315" "316" "317" "318" "319"
## [320] "320" "321" "322" "323" "324" "325" "326" "327" "328" "329" "330"
## [331] "331" "332" "333" "334" "335" "336" "337" "338" "339" "340" "341"
## [342] "342" "343" "344" "345" "346" "347" "348" "349" "350" "351" "352"
## [353] "353" "354" "355" "356" "357" "358" "359" "360" "361" "362" "363"
## [364] "364" "365" "366" "367" "368" "369" "370" "371" "372" "373" "374"
## [375] "375" "376" "377" "378" "379" "380" "381" "382" "383" "384" "385"
## [386] "386" "387" "388" "389" "390" "391" "392" "393" "394" "395" "396"
## [397] "397" "398" "399" "400" "401" "402" "403" "404" "405" "406" "407"
## [408] "408" "409" "410" "411" "412" "413" "414" "415" "416" "417" "418"
## [419] "419" "420" "421" "422" "423" "424" "425" "426" "427" "428" "429"
## [430] "430" "431" "432" "433" "434" "435" "436" "437" "438" "439" "440"
## [441] "441" "442" "443" "444" "445" "446" "447" "448" "449" "450" "451"
## [452] "452" "453" "454" "455" "456" "457" "458" "459" "460" "461" "462"
## [463] "463" "464" "465" "466" "467" "468" "469" "470" "471" "472" "473"
## [474] "474" "475" "476" "477" "478" "479" "480" "481" "482" "483" "484"
## [485] "485" "486" "487" "488" "489" "490" "491" "492" "493" "494" "495"
## [496] "496" "497" "498" "499" "500" "501" "502" "503" "504" "505" "506"
## [507] "507" "508" "509" "510" "511" "512" "513" "514" "515" "516" "517"
## [518] "518" "519" "520" "521" "522" "523" "524" "525" "526" "527" "528"
## [529] "529" "530" "531" "532" "533" "534" "535" "536" "537" "538" "539"
## [540] "540" "541" "542" "543" "544" "545" "546" "547" "548" "549" "550"
## [551] "551" "552" "553" "554" "555" "556" "557" "558" "559" "560" "561"
## [562] "562" "563" "564" "565" "566" "567" "568" "569" "570" "571" "572"
## [573] "573" "574" "575" "576" "577" "578" "579" "580" "581" "582" "583"
## [584] "584" "585" "586" "587" "588" "589" "590" "591" "592" "593" "594"
## [595] "595" "596" "597" "598" "599" "600" "601" "602" "603" "604" "605"
## [606] "606" "607" "608" "609" "610" "611" "612" "613" "614" "615" "616"
## [617] "617" "618" "619" "620" "621" "622" "623" "624" "625" "626" "627"
## [628] "628" "629" "630" "631" "632" "633" "634" "635" "636" "637" "638"
## [639] "639" "640" "641" "642" "643" "644" "645" "646" "647" "648" "649"
## [650] "650" "651" "652" "653" "654" "655" "656" "657" "658" "659" "660"
## [661] "661" "662" "663" "664" "665" "666" "667" "668" "669" "670" "671"
## [672] "672" "673" "674" "675" "676" "677" "678" "679" "680" "681" "682"
## [683] "683" "684" "685" "686" "687" "688" "689" "690" "691" "692" "693"
## [694] "694" "695" "696" "697" "698" "699" "700" "701" "702" "703" "704"
## [705] "705" "706" "707" "708" "709" "710" "711" "712" "713" "714" "715"
## [716] "716" "717" "718" "719" "720" "721" "722" "723" "724" "725" "726"
## [727] "727" "728" "729" "730" "731" "732" "733" "734" "735" "736" "737"
## [738] "738" "739" "740" "741" "742" "743" "744" "745" "746" "747" "748"
## [749] "749" "750" "751" "752" "753" "754" "755" "756" "757" "758" "759"
## [760] "760" "761" "762" "763"

Вывести элемент третьей строки столбца End

test[3, "End"]

## [1] 4548

Вывести с третье по пятую строки всех столбцов

test[3:5, ]

##   Start  End Strand Length       PID Gene   Synonym Code      COG
## 3  3163 4548      +    461  31544207 dnaA  MGA_0622    - COG0593L
## 4  4939 5133      +     64 294660183    - MGA_1322d    - COG1132V
## 5  5160 6077      +    305 294660184    - MGA_0625a    - COG1132V
##                                          Product
## 3 chromosomal replication initiator protein DnaA
## 4                                ABC transporter
## 5        multidrug/protein/lipid ABC transporter

Посчитать среднее значение столбца Length

mean(test$Length)

## [1] 389. 8

Добавить новый столбец к таблице

test$new <- 0
head(test)

##   Start  End Strand Length       PID Gene   Synonym Code      COG
## 1  1893 2681      +    262 294660181 parA  MGA_0619    - COG1192D
## 2  2671 3147      +    158 294660182    -  MGA_0621    -        -
## 3  3163 4548      +    461  31544207 dnaA  MGA_0622    - COG0593L
## 4  4939 5133      +     64 294660183    - MGA_1322d    - COG1132V
## 5  5160 6077      +    305 294660184    - MGA_0625a    - COG1132V
## 6  6393 8294      +    633 294660185    -  MGA_0626    - COG1132V
##                                          Product new
## 1                        ParA/Soj family protein   0
## 2                           hypothetical protein   0
## 3 chromosomal replication initiator protein DnaA   0
## 4                                ABC transporter   0
## 5        multidrug/protein/lipid ABC transporter   0
## 6        multidrug/protein/lipid ABC transporter   0

Записать в новый столбец значения разницы двух столбцов

test$new <- test$End - test$Start
head(test)

##   Start  End Strand Length       PID Gene   Synonym Code      COG
## 1  1893 2681      +    262 294660181 parA  MGA_0619    - COG1192D
## 2  2671 3147      +    158 294660182    -  MGA_0621    -        -
## 3  3163 4548      +    461  31544207 dnaA  MGA_0622    - COG0593L
## 4  4939 5133      +     64 294660183    - MGA_1322d    - COG1132V
## 5  5160 6077      +    305 294660184    - MGA_0625a    - COG1132V
## 6  6393 8294      +    633 294660185    -  MGA_0626    - COG1132V
##                                          Product  new
## 1                        ParA/Soj family protein  788
## 2                           hypothetical protein  476
## 3 chromosomal replication initiator protein DnaA 1385
## 4                                ABC transporter  194
## 5        multidrug/protein/lipid ABC transporter  917
## 6        multidrug/protein/lipid ABC transporter 1901

Удалить столбец new

test$new <- NULL
head(test)

##   Start  End Strand Length       PID Gene   Synonym Code      COG
## 1  1893 2681      +    262 294660181 parA  MGA_0619    - COG1192D
## 2  2671 3147      +    158 294660182    -  MGA_0621    -        -
## 3  3163 4548      +    461  31544207 dnaA  MGA_0622    - COG0593L
## 4  4939 5133      +     64 294660183    - MGA_1322d    - COG1132V
## 5  5160 6077      +    305 294660184    - MGA_0625a    - COG1132V
## 6  6393 8294      +    633 294660185    -  MGA_0626    - COG1132V
##                                          Product
## 1                        ParA/Soj family protein
## 2                           hypothetical protein
## 3 chromosomal replication initiator protein DnaA
## 4                                ABC transporter
## 5        multidrug/protein/lipid ABC transporter
## 6        multidrug/protein/lipid ABC transporter

Выбор из таблицы с условием

a <- test[test$Strand == "+" & test$Length > 1300, ]
a

##      Start    End Strand Length       PID Gene  Synonym Code      COG
## 21   24273  28358      +   1361  31544225    - MGA_0654    -        -
## 94  110558 115042      +   1494 294660232 polC MGA_0791    - COG2176L
## 228 303943 308115      +   1390 294660312 rpoB MGA_1000    - COG0085K
## 265 364332 369059      +   1575 294660333    - MGA_1079    -        -
## 337 448671 454466      +   1931  31544525 hlp2 MGA_1203    - COG1196D
##                                                      Product
## 21                                  ABC transporter permease
## 94  DNA polymerase III subunit alpha polC/Gram positive-type
## 228                 DNA-directed RNA polymerase subunit beta
## 265                                     hypothetical protein
## 337                     cytadherence-associated protein Hlp2

Aggregate

Функция aggregate. ищем среднее значение по столбцу Length для строк, имеющих одно значение столбца Strand

agg <- aggregate(x = test$Length, by = list(test$Strand), FUN = mean)
agg

##   Group.1     x
## 1       - 377.2
## 2       + 401.2

Задаем имена полей

colnames(agg) <- c("Strand", "MeanLength")
agg

##   Strand MeanLength
## 1      -      377.2
## 2      +      401.2

Назвать только 2 столбец таблицы

colnames(agg)[2] <- "NewName"
agg

##   Strand NewName
## 1      -   377.2
## 2      +   401.2

Merge

Соединить 2 таблицы

test.agg <- merge(test, agg, by.x = "Strand", by.y = "Strand")
head(test.agg)

##   Strand  Start    End Length       PID       Gene   Synonym Code      COG
## 1      - 193268 195040    590  31544361     metG_2  MGA_0893    - COG0143J
## 2      - 384996 386495    499  31544468          -  MGA_1107    - COG1322S
## 3      - 180028 180384    118  31544347 himA/hup_1  MGA_0869    - COG0776L
## 4      - 149313 150758    481  31544321          - MGA_0829a    -        -
## 5      -  57481  59649    722  31544247       nrdA  MGA_0695    - COG0209F
## 6      - 197100 197741    213 294660276          -  MGA_0901    -        -
##                                                                        Product
## 1                                                    methionyl-tRNA synthetase
## 2                                                         hypothetical protein
## 3 histone-like DNA-binding superfamily protein HimA/HU/Integration host factor
## 4                                                         hypothetical protein
## 5                           ribonucleotide-diphosphate reductase subunit alpha
## 6                                                         hypothetical protein
##   NewName
## 1   377. 2
## 2   377.2
## 3   377.2
## 4   377.2
## 5   377.2
## 6   377.2

Apply. Lapply. Tapply

Apply — матрицы Создаем случайную матрицу

m <- matrix(sample(1:100, 100), ncol = 10)
m

##       [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
##  [1,]   90    4    8   24   50   15   71   33   35    74
##  [2,]   23   73   99   14   54   70   30   22   26    61
##  [3,]   97   34   49   45   91   28   96   20   60    53
##  [4,]   82   32   94   75   72   85    3    2   25    47
##  [5,]   93   81   12   44   62   17   66   46   29    64
##  [6,]   95   36   37   41    7   56   18   63    6    88
##  [7,]   16   27   42   87   92    1   86   40   39    31
##  [8,]    5   98   78   76   48   58   89   84   55    80
##  [9,]   57   59   52   79   67   19   77   69   51    65
## [10,]  100   83    9   21   38   10   68   13   43    11

Находим среднее по строкам

apply(X = m, MARGIN = 1, FUN = mean)

##  [1] 40.4 47.2 57.3 51.7 51. 4 44.7 46.1 67.1 59.5 39.6

Находим среднее по столбцам

apply(m, 2, mean)

##  [1] 65.8 52.7 48.0 50.6 58.1 35.9 60.4 39.2 36.9 57.4

Lapply — списки Создаем список из 3 векторов. Находим максимальное значение для каждого из векторов списка

l <- list()
l[[1]] <- 1:10
l[[2]] <- seq(1, 20, 2)
l[[3]] <- sample(1:30, size = 10, replace = F)
l

## [[1]]
##  [1]  1  2  3  4  5  6  7  8  9 10
## 
## [[2]]
##  [1]  1  3  5  7  9 11 13 15 17 19
## 
## [[3]]
##  [1] 15  1  7  4 16 26 22 11 27 12

lapply(X = l, FUN = max)

## [[1]]
## [1] 10
## 
## [[2]]
## [1] 19
## 
## [[3]]
## [1] 27

Tapply — таблицы Считаем среднее значений столбца Length для строк, сргуппированных по значениям столбца Strand

tapply(X = test$Length, INDEX = test$Strand, FUN = mean)

##     -     + 
## 377.2 401.2

Unique

Выбор уникальных значений из столбца таблицы

unique(test$Strand)

## [1] + -
## Levels: - +

Графика

t. cover <- read.table("metagenomic_coverage_distributions.txt", header = T, 
    sep = " ")
t.groups <- read.table("sample_groups.txt", header = T, sep = " ")
t.all <- merge(t.cover, t.groups, by.x = "names", by.y = "names")

Гистограмма

hist(t.all$length, breaks = 30, main = "Histogram", col = "lightgreen", xlab = "Length", 
    ylab = "Freq")

Точки

plot(x = t.all$length, y = t.all$cover, col = t.all$country, cex = 0.6, main = "Coverage by length", 
    xlab = "Length", ylab = "Coverage", pch = 16)
legend(1e+06, 5e+06, levels(t.all$country), col = 1:3, pch = 16)

Боксплот

boxplot(data = t.all, cover ~ country, col = "lightblue", main = "Coverage by country", 
    xlab = "Country", ylab = "Coverage")

График плотности

plot(density(t.all$length), col = "red", main = "Length density", xlab = "Length")

Барплот

barplot(c(1:30), col = heat.colors(30))

m1 <- matrix(sample(30), ncol = 5)
colnames(m1) <- c("M1", "M2", "M3", "M4", "M5")
m1

##      M1 M2 M3 M4 M5
## [1,] 24 16 23  3  7
## [2,]  4 25  8 30 18
## [3,]  1  2  6 26 17
## [4,] 22 14 19 13 29
## [5,] 15  9 28 11 10
## [6,] 27 21  5 20 12

barplot(m1, col = rainbow(6), beside = TRUE)

Несколько линий создаем матрицу со случайными данными

m2 <- matrix(c(1:5, sample(20)), nrow = 5)
colnames(m2) <- c("x", "y1", "y2", "y3", "y4")
m2

##      x y1 y2 y3 y4
## [1,] 1  4 19  6  9
## [2,] 2 16  1 14 15
## [3,] 3  2  7 11 18
## [4,] 4 13 17 10  8
## [5,] 5  5 20 12  3

Рисуем первую линию. Задаем границы графика Добавляем новые линии других цветов и типов

plot(x = m2[, 1], y = m2[, 2], type = "l", col = "red", ylim = c(min(m2), max(m2)), 
    lty = 1, xlab = "x", ylab = "y")
lines(x = m2[, 1], y = m2[, 3], type = "l", col = "blue", lty = 2)
lines(x = m2[, 1], y = m2[, 4], type = "l", col = "green", lty = 3, lwd = 3)
lines(x = m2[, 1], y = m2[, 5], type = "l", col = "orange", lty = 4)
lines(x = m2[, 1], y = m2[, 5], type = "l", col = "orange", lty = 4, lwd = 2)

Несколько графиков на одном листе

layout(mat = matrix(1:4, ncol = 2))
plot(sample(5))
plot(sample(5))
plot(sample(5))
plot(sample(5))
layout(mat = matrix(1:8, ncol = 4))

for (i in 1:8) {
    plot(sample(100), col = i, pch = 16)
}

Условия

If

x <- 4
if (x == 4) print("yes") else print("no")

## [1] "yes"

if (x < 2) {
    print("x <= 2")
} else if (x <= 3) {
    print("x <= 3")
} else {
    print("x > 3")
}

## [1] "x > 3"

Switch

switch(3, "A", "B", "C", "D", "E")

## [1] "C"

switch("T", A = print("A"), T = {
    m <- 1
    m <- m + 2
}, C = print("C"))
print(m)

## [1] 3

switch("T", A = print("A"), B = print("B"), print("not eq"))

## [1] "not eq"

Циклы

Repeat

i <- 1
repeat {
    i <- i + 1
    if (i >= 5) 
        break
}
print(i)

## [1] 5

While

i <- 1
while (i <= 5) {
    i <- i + 1
}
print(i)

## [1] 6

For

for (i in 1:5) {
    print(i)
}

## [1] 1
## [1] 2
## [1] 3
## [1] 4
## [1] 5

for (i in c("A", "B", "C", "D")) {
    print(i)
}

## [1] "A"
## [1] "B"
## [1] "C"
## [1] "D"

Функции

myFunc <- function(x) {
    x <- x + 2
    return(x)
}
myFunc(2)

## [1] 4

x <- 2
myFunc(x)

## [1] 4

x

## [1] 2

myFunc2 <- function(x, y) {
    return(x + y)
}
myFunc2(x = 3, y = 5)

## [1] 8

myFunc2(3, 5)

## [1] 8

plotVec <- function(vec = rep(1, 5)) {
    plot(vec)
}
plotVec(vec = c(1, 2, 3, 4, 5))

plotVec()

m <- matrix(1:10, nrow = 2, byrow = T)
m

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

apply(m, 1, FUN = function(x) {
    x + 2
})

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

apply(m, 2, FUN = function(x) {
    x[1]
})

## [1] 1 2 3 4 5

1.

Заполнить вектор а размерности n по правилу:

где В и С — заданные векторы той же размерности.

Для отладки программы контрольный пример выбрать самостоятельно. 2. Пересчитать элементы матрицы К размерности m*n, разделив каж­дый из них на элемент, расположенный в той же строке в первом столбце.

Проанализировать выполнение программы на примере:

Вариант 18

1. Пересчитать элементы вектора N размерности L по правилу:

N_i=(N_i-1+N_i+1)/2, где 2 i L-1 Проанализировать выполнение программы на примере:

N={1; 2; 4; 8; 16; 32}

2. Заполнить в памяти эвм матрицу:

Для контроля напечатать третий столбец.

Вариант 19

1. Заполнись одномерный массив S размерности 13 значениями функ­ции

Sin² X, где Х меняется от О до 2 с шагом /6.

Полученный массив напечатать в столбец.

2. Транспонировать матрицу В размерности n. Напечатать матрицу В и полученную матрицу ВТ.

Проанализировать выполнение программы на примере.

Вариант 20

1. Пересчитать значения элементов одномерного массива К размерно­сти n по правилу:

К_j=К_j / K₁, К₁0, где j > 1.

Для отладки программы, вектор выбрать самостоятельно.

2. Заполнить в памяти ЭВМ матрицу В размерности m*n так, чтобы каждый элемент был равен сумме его индексов: строки и столбца. Полученную матрицу напечатать.

Проанализировать выполнение программы на примере:

m=3; n=4.

Вариант 21

1. Пересчитать элементы вектора Р размерности n по правилу:

P_i=P_i+P₁

Исходный и полученный векторы напечатать. Для отладки программы принять n=6, вектор Р выбрать самостоя­тельно.

2. Заполнить в памяти ЭВМ матричную единицу размерности n. (Мат­ричная единица — квадратная матрица, значения элементов которой равны 1). Проанализировать выполнение программы на примере: n=5.

Вариант 22

1. Заполнить в памяти машины одномерный массив:

K={1, 2, 3, 4, 5, 6, …, 20}

2. Пересчитать квадратную матрицу Р размерности n так, чтобы по­менялись местами первая и последняя строки. Напечатать исход­ную и полученную матрицы.

Для отладки программы значения n и Р выбрать самостоятельно.

Вариант 23

1. Заполнить вектор М размерности КЗ по правилу:

M_i=|i-3|

Проанализировать выполнение программы на примере К3==10

2. Пересчитать матрицу К размерности m*n так, чтобы поменялись местами первый и последний столбец.Для отладки программы контрольный пример выбрать самостоятель­но.

Вариант 24

1. Заполнись одномерный массив С размерности 13 значениями функ­ции Cos ²X, где Х меняется от О до 2 с шагом /6.

Полученный массив напечатать в столбец.

2. Пересчитать элементы матрицы Q по правилу:

Q_ij = |Q_ij| + 10

Для контроля напечатать вторую строку исходной матрицы и вновь полученную матрицу. Матрицу Q задать самостоятельно.

Вариант 25

1. Пересчитать элементы вектора а размерности n по правилу:

где В — вектор той же размерности

Для отладки программы контрольный пример выбрать самостоятель­но.

2. Заполнить матрицу L размерности m no правилу:

L_ki=k-j

Проанализировать выполнение программы на примере m=3.

Вариант 26

1. Заполнить в памяти машины одномерный вектор вида:

N={0; 1; 0; 1; 0; 1}

2. Задана матрица А размерности К*l_, состоящая из целыx десятич­ных чисел. Транспонировать ее в матрицу В. Для контроля напе­чатать первый столбец исходной матрицы и первую строку полу­ченной.

Вариант 27

1. Заполнить в памяти машины матрицу вида:

2. Пересчитать элементы вектора Q размерности L так, чтобы поме­нялись местами первый и последний элемент, второй и предпосле­дний и т. д. Вектор задать самостоятельно.

Вариант 28

1. Пересчитать элементы матрицы Т размерности K*l, умножив каж­дый из них на элемент, расположенный в том же столбце в после­дней строке.

2. Заполнить вектор В размерности 9 значениями функции 1gх, где х изменяется от 0,1 до 0,9 с шагом 0,1.

Вариант 29

1. Заполнить вектор С размерности N диагональными элементами ква­дратной матрицы А той же размерности.

Проанализировать выполнение программы на примере:

2. Пересчитать элементы матрицы Р размерности M*N по правилу:

P_ij=P_ij+0,5

Вариант 30

1. Пересчитать элементы вектора D1 по правилу:

2. Заполнить в памяти машины матрицу TS вида:

Векторы и индексирование — наука о данных с R

R имеет специальную структуру данных, называемую вектором. Вектор — это одномерный набор объектов одного типа. Чаще всего вектор будет просто последовательностью чисел. Мы можем создать последовательность чисел, используя оператор : .

 чисел <- 1:10
числа 

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

Обратите внимание, что векторы обрабатываются так же, как один элемент. Все, что работает с одним числом, работает точно так же и с вектором. Это называется векторизацией. 9числа

 ## [1] 2 4 8 16 32 64 128 256 512 1024 

 sin(числа) 

 ## [1] 0,8414710 0,9092974 0,1411200 -0,7568 025 -0,9589243 -0,2794155
## [7] 0.6569866 0.9893582 0.4121185 -0.5440211 

Мы также можем создать вектор с помощью функции c() ( c означает объединение, если вам интересно).

 concat <- c(4, 17, -1, 55, 2)
concat 

 ## [1] 4 17 -1 55 2 

Индексирование

Часто мы не хотим получать весь вектор. Возможно, нам нужен только один элемент или набор определенных элементов. Мы делаем это с помощью индексации (используются скобки [] ).

Чтобы получить первый элемент вектора, мы могли бы сделать следующее. В R индексы массивов начинаются с 1 — 1-й элемент имеет индекс 1. Это отличается от языков на основе 0, таких как C, Python или Java, где первый элемент имеет индекс 0.

 concat[1] 

 # # [1] 4 

Чтобы получить другие элементы, мы могли бы сделать следующее:

 concat[2] # второй элемент 

 ## [1] 17 

 concat[length(concat)] # последний элемент 

 ## [1] 2 

Обратите внимание, что для второго примера мы поместили функцию внутри квадратных скобок. В этом случае length() используется для получения длины вектора, а поскольку длина вектора будет равна индексу его последнего элемента, это отличный способ получить последний элемент вектора. .

В квадратных скобках можно поместить что угодно. Например, помещение другого вектора в скобки дает нам несколько значений.

 concat[1:4] 

 ## [1] 4 17 -1 55 

 concat[c(3, 5)] 

 ## [1] -1 2 

Мы можем использовать эту технику для переназначения определенные значения внутри вектора. Например, мы можем изменить 3-е и 5-е значения на 76 с помощью следующего кода:

 concat[c(3, 5)] <- 76
concat 

 ## [1] 4 17 76 55 76 

Можно даже индексировать за пределами вектора. Обратите внимание, что R «заполняет пробелы» NA значений. NA — это заполнитель R для «нет данных» (поскольку 0 часто появляется в реальных данных).

 concat[10] <- 4.3
concat 

 ## [1] 4.0 17.0 76.0 55.0 76.0 NA NA NA NA 4.3 

НИКОГДА НЕ ДЕЛАЙТЕ ЭТОГО. Хотя на самом деле это допустимый код в R (индексирование за пределами размера вектора является ошибкой в ​​большинстве других языков), это сказывается на производительности. Позже мы более подробно рассмотрим, почему.

Матрицы

Матрица представляет собой двумерный вектор. Давайте создадим матрицу с матрица() функция. Одно важное замечание: функции часто имеют необязательные, «дополнительные» аргументы, которые указываются в нотации имя=значение . В этом случае мы создаем матрицу с 2 строками и 5 столбцами.

 мат <- матрица (1:10, nrow=2, ncol=5)
мат 

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

Все те же операции, которые работают с векторами, также работают и с матрицами.

 мат + 20 

 ## [1] [2] [3] [4] [5]
## [1,] 21 23 25 27 29
## [2,] 22 24 26 28 30 

 dim(mat) # получить размеры матрицы 

 ## [1] 2 5 

 length(mat) # количество элементов в матрице 

 ## [ 1] 10 

Однако индексация матрицы немного отличается от индексации вектора. Теперь у нас есть не одно, а два измерения на выбор. При индексировании с использованием объекта с несколькими измерениями мы используем , для их разделения. В R строки находятся слева от запятой, а столбцы — справа (третье измерение будет после второй запятой и так далее…). Обратите внимание, что R на самом деле пытается нам помочь. Когда мы напечатали нашу матрицу, в строках было [#,] рядом с ними, а столбцы имеют [#] . Это фактически показывает нам точный синтаксис, который нам нужен для получения каждого элемента.

Таким образом, используя выходные данные матрицы, mat[1,] должны дать нам первую строку, а mat[4] должны дать нам четвертый столбец. Давайте проверим это:

 mat[1,] 

 ## [1] 1 3 5 7 9 

 mat[4] 

 ## [1] 7 8 

Мы можем индексировать как строки, так и столбцы в в то же время, чтобы получить определенный элемент.

 mat[1, 1] # взять первый ряд, первый столбец 

 ## [1] 1 

 mat[2, 1:3] # элементы 1-3 второго ряда 

 ## [1] 2 4 6 

Упражнение. Захват несвязанных элементов

Попробуйте получить столбцы 1, 4 и 5 первой строки одной командой.

Упражнение. Чтение документации

Создайте матрицу 8x5, используя числа 1:40. Посмотрите, сможете ли вы заполнить его по строкам, а не по столбцам.

Подсказка: вы должны проверить документацию для матрица() .

Различные типы данных

В большинстве языков программирования текст называется строкой. Чтобы создать текст в R, мы просто заключаем его в двойные ( " ) или одинарные ( ' ) кавычки. Мы уже видели пример строки ( print('hello world!') ).

 "это строка" 

 ## [1] "это строка" 

 paste('мы можем комбинировать строки', 'с помощью функции paste()') 

 ## [1] "мы может объединять строки с помощью функции paste()" 

Что произойдет, если мы добавим строку к вектору чисел?

 чисел <- c(1, 4, 9, 10)
числа 

 ## [1] 1 4 9 10 

 числа[3] <- "тестирование..."
числа 

 ## [1] "1" "4" "тестирование..." "10" 

Весь наш вектор чисел превратился в строки! Это важное свойство векторов и матриц: они могут содержать только один тип данных! Если мы попытаемся поместить другой тип в вектор, R преобразует весь вектор в новый тип данных.

Опять же, это преобразование оказывает сильное влияние на производительность, особенно для больших векторов или матриц. R необходимо создать новый вектор с нуля, а затем скопировать и преобразовать каждый элемент.

Итак, давайте узнаем о различных типах данных R. Есть еще несколько типов, которые мы не рассматриваем здесь или рассмотрим позже (например, факторы). Это просто наиболее распространенные типы данных, с которыми мы столкнемся.

Числовые

Числовые переменные могут содержать любое десятичное число, положительное или отрицательное. В других языках они называются поплавками. Обратите внимание, что это тип числа по умолчанию в R.

Чтобы создать числовое значение, все, что нам нужно сделать, это ввести его как обычно.

 1 

 ## [1] 1 

 -3.5 

 ## [1] -3.5 

Мы можем преобразовать другую переменную в числовую с помощью функции as.numeric() . Это работает только со значениями, которые можно легко преобразовать.

 as.numeric("456") # это работает 

 ## [1] 456 

 as.numeric("seven") # это не работает 1] нет данных 

Целые числа

Целые числа представляют любое целое число, положительное или отрицательное. Они не могут хранить десятичные числа.

Чтобы создать число явно как целое число, добавьте после него L .

 15L 

 ## [1] 15 

Мы можем преобразовать набор данных в целое число с помощью функции as.integer() .

 as.integer(c("65.3", "4")) 

 ## [1] 65 4 

Символы (строки)

Как упоминалось ранее, строки представляют собой наборы текста. Мы можем превратить что-то в строку с помощью as.character() функция.

 as.character(TRUE) 

 ## [1] "TRUE" 

Логические (логические) значения

Есть только два логических значения: TRUE и FALSE . Они используются в буквальном смысле для обозначения того, является ли утверждение истинным или ложным.

Как обычно, мы можем преобразовать что-либо в логическое/логическое значение с помощью функции as.logical() . Важно отметить, что это очень хорошо демонстрирует, что происходит, когда мы превращаем один тип данных в другой. Если один тип данных не может содержать дополнительную информацию из другого, эта информация теряется во время преобразования.

 пятьдесят <- as.logical(50)
пятьдесят 

 ## [1] TRUE 

 as.numeric(fifty) 

 ## [1] 1 

Определение типов данных

тип данных с функцией class() :

 class(14) 

 ## [1] "numeric" 

 class(1L) 

 ## [1] "integer" 

 class (ИСТИНА) 

 ## [1] "логический" 

 class("текст") 

 ## [1] "character" 

 class(NA) 

 ## [1] "logical" 

Обратите внимание, что NA могут быть любого типа и часто используются в качестве заполнителей для отсутствующих данных .

Упражнение. Преобразование типов данных

Посмотрите, сможете ли вы заставить работать следующие выражения:

5 + "10" - В результате получите 15.

3 + 3,7 - Получим в результате 6.