r语言split函数（R语言常用函数）

1. 判断存在：一个元素是不是在向量中用 a%in%b 》 a=“TT“

》 b=c(“AA“,“AT“,“TT“)

》 a %in% b

TRUE

2. 判断某一元素这向量中的索引（第几个位置）： index.TT=which(b==”TT”)

》 index.TT=which(b==“TT“)#index.TT是想知道的索引号，which是判断函数，b是想知道的元素所在的向量

》 index.TT

3

3. 相当于 python 中的字典， names 函数

》 b

“AA“ “AT“ “TT“

》 names(b)=c(“geno1“,“geno2“,“geno3“)#geno mean genotype

》 names(b)

“geno1“ “geno2“ “geno3“

》 names(b)

“geno1“

》 names(b)=“test“

》 names(b)

“test““geno2“ “geno3“

》 names(b)=NULL

》 b

“AA“ “AT“

》 b

“AT“

pop_name=c(“CEU”,“YRI“)

names(pop_name)=c(1,2)

names(pop_name)=1

4. 去除某一元素： b

#想去除元素”TT”,如果你不知道是第几个索引，可以先判断索引，再删除。

》b=c(“AA“,“AT“,“TT“)

》names(b)=c(“geno1“,“geno2“,“geno3“)

》 index.TT=which(b==“TT“)

》 b=b

》 b

geno1 geno2

“AA““AT“

5. 相当于 Python 中的 set() 函数 和 count() 函数： unique() ， table()

》 b=c(“TT“,“AT“,“AT“,“TT“,“AA“)

》 unique(b)#即相当于去除所有的重复，只保留一个

“TT“ “AT“ “AA“

》 table(b)#以元素为name,统计各元素的个数

b

AA AT TT

122

6. 字符串的分割： strsplit()

》 test=“AA“

》 strsplit(test)

错误于strsplit(test) :缺少参数“split“,也没有缺省值

》 strsplit(test,split=’’)

“A“ “A“

》 test=strsplit(test,split=’’)

》 test

“A“ “A“

7. 文本文档的写入： write.table()

write.table( res.matrix,file=new.file,sep=’\t’,quote=F,row.names=F,col.names=F,append=T)#quote=F去掉引号后写入，row.names=F去掉行的名字写入，否则会把名字写进去

##写入数据时候最好把数据存储成一个matrix然后直接写。要是每行每行写的话要注意数据的格式了。先建立一个空的matrix，见8，然后通过rbind或者cbind叠加上去。

方法一：

a=c()

b=c(“AA”,”TT”,”CC”)

for (i in 1:3){

a=c(a,b)

}

write.table(a,file=”test.txt”)#你会发现结果是

AA

TT

CC

….

##而且还有行和列的名字，因为没有设置参数。因为对于c向量来说，写的话默认是竖着写的，每个元素占一行。所以比较方便的就是rbind

方法二：

a=c()

b=c(“AA”,”TT”,”CC”)

for (i in 1:3){

a=rbind(a,b)

}

write.table(a,file=”test.txt”，quote=F,row.names=F,col.names=F)#你会发现结果是

AA TT CC

AA TT CC

AA TT CC

##原因是rbind把最总结果当做矩阵了。对于R数据的写入最好能生成最后的矩阵再写入。但是西面的梅一行写一次和方法二的效果是想通的，但是要用到append参数。

a=c()

b=c(“AA”,”TT”,”CC”)

for (i in 1:3){

a=rbind(a,b)

write.table(a,file=”test.txt”，quote=F,row.names=F,col.names=F,append=T)

}

8. 建立一个空的 matrix ：

res.matrix 《- matrix( ,nrow=0,ncol=6 )##这样就建立了一个0行6列的空matrix了。

9. 如何将 R 运行结果输出到文件

》 x=read.table(“F:/my/work/chengxu/PValue/pc2jieguo/pc2302.txt“)

》 z=t(x)

》 ks.test(y,z)

Two-sample Kolmogorov-Smirnov test

data:y and z

D = 0.207, p-value 《 2.2e-16

alternative hypothesis: two-sided

如上面运行结果，我想将p-value 《 2.2e-16自动保存到一个文件中，如何用R程序实现，谢谢！

sink(“output.txt“)

print(ks.test(y,z)$p.va调出假设检验的p value

t.test(data1,data2)$p.value

a=data.frame(customer=c(’a’,’b’,’a’,’m’,’a’,’b’),consumption=1:6,groups=c(’A’,’B’,’A’,’B’,’A’,’B’))aggregate(a$consumption, list(a$customer,a$groups), sum)Group.1 Group.2 x1 a A 92 b B 83 m B 4

最近有很多对文件的操作，经常使用到split函数，但是存在三个split函数，有时候会弄混，谨以此文以记之。 1. split() 2. str_spit() 3. strsplit()

总结： split(参数):split(向量/列表/数据框,因子/因子列表) split()函数可以分组数据框和向量，返回list。 可以直接使用unsplit()。 split是按照factor去切分vector或者数据框，因此不能这样用：

切割数据框的用法：

针对vector的用法：

str_spllit()主要用于 split a vector of strings. 返回一个list。 str_spllit_fixed()可以返回一个matrix。 举个栗子:

上栗子：

1.length(字符串/向量):返回向量中元素的个数 2.nchar(字符串/向量):返回每个元素字符串的个数 下面这个截图可以形象的说明两者之间的区别：

3.paste(向量/字符串):用于粘贴字符串，将多个字符串合并成一个:

5.paste函数连接向量和字符串，根据R语言向量化处理的逻辑，并不是将字符串添加到向量的尾部，而是向量中的 每个 元素分别与字符串相连。

1. substr函数 用于提取字符串，很有用的函数，函数的参数分别是一个原始的字符串，一个起始点和一个结束点，函数返回起始点和结束点之间的字符串

sub函数 只进行一次替换， gsub函数 进行全局替换

2. gsub函数 ：向量中的每个字符的第一个字母都变成大写，括号里面写成正则表达式替换的形式，其中倒三角 ^ 表示首字母， \\w 表示字符集的简写,代表所有小写字符， \\U 表示转化为大写， \\L 表示转化为小写,后面的 1 表示只转换一次。后面接perl逻辑值

1. grep函数 用于在字符串中搜索某种模式，fixed函数是是否进行正则表达式，如果 fixed=FALSE ，则支持正则表达式；如果 fixed=TURE ,则搜索模式为一个文本字符串，返回值为匹配的下标。

结果：

1. strsplit函数 用于字符串分割，根据固定规则将一个长的字符串分割为多份，在字符串处理中，分割字符串也是关键的步骤之一，函数返回列表而非向量。这是因为第一个参数的字符串可以是一个向量，向量中可以包含多个子串，返回时是列表也方便处理。

有两个字符串，我们需要生成他们的所有组合，这也叫做笛卡尔积，在实际问题中也很常用,这需要使用到 outer函数

R语言字符串处理常用函数R语言中常用的字符串处理函数：（1）得到字符串长度：nchar()# 生成示范字符串 （2）剪切字符串：strsplit()# 对字符串进行剪切 （3） 得到子字符串：substr()# 得到子字符串 （4） 判断字符串中是否有某个字串:grepl()# 判断字符串中是否有某个字串 （5） 字符串替换：gsub()（6）字符串定位在Hmisc包里，有一个函数可以很方便的对文本的的目标字符串进行定位，substring.location()

最近处理数据遇到了分数表示的字符串，希望其能变成小数，现找到如下一些解法 例如，有如下分数字符串，要把它转变为小数

利用 eval(parse()) 函数，不多说

利用 stringr 包中的字符串拆分函数 str_split() 将其拆分并简化

同样利用 str_split() 函数但不简化，之后使用 sapply() 函数简化

直接使用 DOSE 包中现成的函数

利用 sub() 函数查找并保留想要的部分

利用 str_locate() 函数定位“\”符号，之后使用 str_sub() 函数进行字符串截取

stringr 包中的大部分函数具有统一风格的命名方式，以 str_ 开头，正则表达式也完全适用该包。

字符串拼接函数 str_c ，与R语言自带的 paste 和 paste0 函数具有相同的作用。

字符计数函数 str_count ，计算字符串中指定字符的个数。

字符检查函数 str_detect ，检查字符串中是否包含指定字符，返回逻辑向量。

字符复制函数 str_dup ，将字符向量重复若干次，返回重复后的字符向量。

字符提取函数 str_extract 和 str_extract_all ，对字符串进行提取， str_extract_all 函数返回所有的匹配结果。

字符串格式化函数 str_glue ，用花括号 {} 表示占位符，括号内的变量被替换成全局变量值。

字符串长度函数 str_length ，计算字符串长度。

字符位置提取函数 str_locate 和 str_locate_all ,返回匹配到的字符的位置。

字符匹配函数 str_match 和 str_match_all 与字符提取函数 str_extract 类似，返回匹配到的字符，不同之处在于返回格式。

字符补齐函数 str_pad ，用于在字符串中添加单个字符，可选择添加的位置，在参数 side 中进行设置。

字符删除函数 str_remove 和 str_remove_all ，用于删除字符串中的部分字符。

字符替换函数 str_replace 、 str_replace_all 和 str_replace_na ，用于替换字符串中的部分字符。

字符排序函数 str_sort 和 str_order ，对字符向量进行排序。

字符分割函数 str_split 和 str_split_fixed ，对字符串进行分割。

字符过滤函数 str_sub 和 str_subset ， str_sub 函数通过指定开始和结束位置，过滤出字符串的部分字符串。 str_subset 函数通过匹配模式，过滤出满足模式的字符串。

stringr 包中其他的有用函数，用于常见的字符处理。

函数split()可以按照分组因子，把向量，矩阵和数据框进行适当的分组。它的返回值是一个列表，代表分组变量每个水平的观测。这个列表可以使用sapply(),lappy()进行处理（apply – combine步骤），得到问题的最终结果。 只是分组，既可以对 向量 分组，也可以对 数据框 分组

参考资料：

R语言常用函数整理本篇是基础篇，即R语言自带的函数。 vector：向量 numeric：数值型向量 logical：逻辑型向量 character；字符型向量 list：列表 data.frame：数据框 c：连接为向量或列表 length：求长度 subset：求子集 seq，from:to，sequence：等差序列 rep：重复 NA：缺失值 NULL：空对象 sort，order，unique，rev：排序 unlist：展平列表 attr，attributes：对象属性 mode，class，typeof：对象存储模式与类型 names：对象的名字属性 字符型向量 nchar：字符数 substr：取子串 format，formatC：把对象用格式转换为字符串 paste()、paste0()不仅可以连接多个字符串，还可以将对象自动转换为字符串再相连，另外还能处理向量。 strsplit：连接或拆分 charmatch，pmatch：字符串匹配 grep，sub，gsub：模式匹配与替换 complex，Re，Im，Mod，Arg，Conj：复数函数 factor：因子 codes：因子的编码 levels：因子的各水平的名字 nlevels：因子的水平个数 cut：把数值型对象分区间转换为因子 table：交叉频数表 split：按因子分组 aggregate：计算各数据子集的概括统计量 tapply：对“不规则”数组应用函数 dev.new() 新建画板 plot()绘制点线图,条形图,散点图. barplot( ) 绘制条形图 dotchart( ) 绘制点图 pie( )绘制饼图. pair( )绘制散点图阵 boxplot( )绘制箱线图 hist( )绘制直方图 scatterplot3D( )绘制3D散点图. par()可以添加很多参数来修改图形 title( )　添加标题 axis( )　调整刻度 rug( )　添加轴密度 grid( )　添加网格线 abline( )　添加直线 lines( )　添加曲线 text( )　添加标签 legend(）　添加图例 +, -, *, /, ^, %%, %/%：四则运算 ceiling，floor，round，signif 1、round() #四舍五入 例：x 《- c(3.1416, 15.377, 269.7) round(x, 0) #保留整数位 round(x, 2) #保留两位小数 round(x, -1) #保留到十位 2、signif() #取有效数字(跟学过的有效数字不是一个意思) 例：略 3、trunc() #取整 floor() #向下取整 ceiling() #向上取整 例：xx 《- c(3.60, 12.47, -3.60, -12.47) trunc(xx) floor(xx) ceiling(xx) max，min，pmax，pmin：最大最小值 range：最大值和最小值 sum，prod：向量元素和，积 cumsum，cumprod，cummax，cummin：累加、累乘 sort：排序 approx和approx fun：插值 diff：差分 sign：符号函数 abs，sqrt：绝对值，平方根 log, exp, log10, log2：对数与指数函数 sin，cos，tan，asin，acos，atan，atan2：三角函数 sinh，cosh，tanh，asinh，acosh，atanh：双曲函数 beta，lbeta，gamma，lgamma，digamma，trigamma，tetragamma，pentagamma，choose ，lchoose：与贝塔函数、伽玛函数、组合数有关的特殊函数 fft，mvfft，convolve：富利叶变换及卷积 polyroot：多项式求根 poly：正交多项式 spline，splinefun：样条差值 besselI，besselK，besselJ，besselY，gammaCody：Bessel函数 deriv：简单表达式的符号微分或算法微分 array：建立数组 matrix：生成矩阵 data.matrix：把数据框转换为数值型矩阵 lower.tri：矩阵的下三角部分 mat.or.vec：生成矩阵或向量 t：矩阵转置 cbind：把列合并为矩阵 rbind：把行合并为矩阵 diag：矩阵对角元素向量或生成对角矩阵 aperm：数组转置 nrow, ncol：计算数组的行数和列数 dim：对象的维向量 dimnames：对象的维名 rownames，colnames：行名或列名 %*%：矩阵乘法 crossprod：矩阵交叉乘积（内积） outer：数组外积 kronecker：数组的Kronecker积 apply：对数组的某些维应用函数 tapply：对“不规则”数组应用函数 sweep：计算数组的概括统计量 aggregate：计算数据子集的概括统计量 scale：矩阵标准化 matplot：对矩阵各列绘图 cor：相关阵或协差阵 Contrast：对照矩阵 row：矩阵的行下标集 col：求列下标集 solve：解线性方程组或求逆 eigen：矩阵的特征值分解 svd：矩阵的奇异值分解 backsolve：解上三角或下三角方程组 chol：Choleski分解 qr：矩阵的QR分解 chol2inv：由Choleski分解求逆 》《，》，《=，》=，==，!=：比较运算符 !，&，&&，|，||，xor()： 逻辑运算符 logical： 生成逻辑向量 all， any：逻辑向量都为真或存在真 ifelse()：二者择一 match， %in%：查找 unique：找出互不相同的元素 which：找到真值下标集合 duplicated：找到重复元素 optimize，uniroot，polyroot：一维优化与求根 if，else， ifelse， switch： 分支 for，while，repeat，break，next： 循环 apply，lapply，sapply，tapply，sweep：替代循环的函数。 function：函数定义 source：调用文件 ’ call：函数调用 . C，.Fortran：调用C或者Fortran子程序的动态链接库。 Recall：递归调用 browser，debug，trace，traceback：程序调试 options：指定系统参数 missing：判断虚参是否有对应实参 nargs：参数个数 stop：终止函数执行 on.exit：指定退出时执行 eval，expression：表达式计算 system.time：表达式计算计时 invisible：使变量不显示 menu：选择菜单（字符列表菜单） 其它与函数有关的还有： delay， delete.response， deparse， do.call， dput， environment ， formals， format.info， interactive， is.finite， is.function， is.language， is.recursive ， match.arg， match.call， match.fun， model.extract， name， parse 函数能将字符串转换为表达式expression deparse 将表达式expression转换为字符串 eval 函数能对表达式求解 substitute， sys.parent ， warning， machine cat，print：显示对象 sink：输出转向到指定文件 dump，save，dput，write：输出对象 scan，read.table，readlines, load，dget：读入 ls，objects：显示对象列表 rm, remove：删除对象 q，quit：退出系统 .First，.Last：初始运行函数与退出运行函数。 options：系统选项 ?，help，help.start，apropos：帮助功能 data：列出数据集 head()查看数据的头几行 tail()查看数据的最后几行 每一种分布有四个函数： d―density（密度函数），p―分布函数，q―分位数函数，r―随机数函数。 比如，正态分布的这四个函数为dnorm，pnorm，qnorm，rnorm。下面我们列出各分布后缀，前面加前缀d、p、q或r就构成函数名： norm：正态， t：t分布， f：F分布， chisq：卡方（包括非中心） unif：均匀， exp：指数， weibull：威布尔， gamma：伽玛， beta：贝塔 lnorm：对数正态， logis：逻辑分布， cauchy：柯西， binom：二项分布， geom：几何分布， hyper：超几何， nbinom：负二项， pois：泊松 signrank：符号秩， wilcox：秩和， tukey：学生化极差 sum, mean, var, sd, min, max, range, median, IQR（四分位间距）等为统计量， sort，order，rank与排序有关， 其它还有ave，fivenum，mad，quantile，stem等。 R中已实现的有chisq.test，prop.test，t.test。 cor，cov.wt，var：协方差阵及相关阵计算 biplot，biplot.princomp：多元数据biplot图 cancor：典则相关 princomp：主成分分析 hclust：谱系聚类 kmeans：k-均值聚类 cmdscale：经典多维标度 其它有dist，mahalanobis，cov.rob。 ts：时间序列对象 diff：计算差分 time：时间序列的采样时间 window：时间窗 lm，glm，aov：线性模型、广义线性模型、方差分析 quo()等价于quote() enquo()等价于substitute(）