source("http://bioconductor.org/biocLite.R")
biocLite("GEOquery")
library(Biobase)
rm(list = ls()) #清空内存
R语言常用命令
http://blog.sina.com.cn/s/blog_9f23a8da010195qx.html
> getwd()
#获取工作目录。
> setwd("F:/R/myfun")
#设定工作目录为F:/R/myfun。
> as.matrix(x)
#把对象x转为矩阵型。
> as.numeric(x)
#把对象x转为数值型。
> str(x)
#查看对象x的结构。str是structure的缩写。
> rm(x)
#移除对象x。
> rm(list=ls(all=TRUE))
#移除所有对象。
##################################
#与向量有关的基本操作
##################################
> x = c(1,2,4)
#生成元素依次为1,2,4的向量x，这里的c是concatenate的意思。注意其类型是数值，不是矩阵。
> x = c("a","b","cd")
#生成元素依次为"a","b","cd"的字符向量x。
> x = paste("a","b","cd")
#生成"a b cd"的字符x。
> x[a:b]
#向量x的第a到b个元素。
> x[-i]
#剔除向量x第i个元素所得的向量。
##################################
#与矩阵有关的基本操作
##################################
> M = matrix(0,c(m,n))
#生成m行n列的0矩阵。
> colnames(M)
#矩阵M的列名。
> rownames(M)
#矩阵M的行名。
> nrow(M)
#矩阵M的行数。
> ncol(M)
#矩阵M的列数。
> M[i,]
#矩阵M第i行。(数值型)
> M[i,,drop = FALSE]
#矩阵M第i行。(矩阵型)
> M = M[-i,]
#删除矩阵M第i行。
> M[,j]
#矩阵M第j列。
> M[i,j]
#矩阵M第i行j列元素。
> t(M)
#矩阵M的转置。若M为数值型向量，则t(M)为矩阵型行向量。
> X*Y
#矩阵X与矩阵Y的Hadamard乘积。加、减、除、求余的规则和乘相同，即相同位置的元素进行运算。
> solve(M)
#矩阵M求逆。
> solve(A,b)
#求解线性方程Ax=b。
> apply(M, dimcode, f, fargs)
#对矩阵M的行(dimcode=1)或列(dimcode=2)依次进行函数f操作，f的变量(arguments)方正fargs里。
##################################
#与列表有关的基本操作
##################################
> L = list(a = , b = , c = ,...)
#建立列表L。
> L$a = NULL
#去除列表L里的对象a。
> names(L)
#列出列表L里的对象名。
> unname(L)
#去掉列表L里的对象名。
##################################
#与数据框有关的基本操作
##################################
#数据框是一种特殊的列表，所以对列表适用的函数往往对数据框也适用。此外，数据框也有矩阵型数据的特征，所以一些适用于矩阵型数据的函数，不如rbind，cbind，apply等也可以作用在数据框上。
> Data = data.frame(...)
#创建数据框Data。
> fix(Data)
#编辑数据框Data。
> head(Data)
#显示数据框Data的前几行。
> attribute(Data)
#列出数据框Data的组成部分。
> names(Data)
#显示数据框Data的变量名。
> row.names(Data)
#显示数据框Data的行名。
> Data$name1
#数据框Data中名为name1的变量。
> Data[i]
#数据框Data中第i个变量形成的数据框。
> merge(D1,D2)
#合并数据框D1和D2，需要D1和D2中有至少一个相同的变量。
##################################
#与逻辑型数据有关的基本操作
##################################
> is.data.frame(x)
#判断是否对象x是数据框。类似命令有is.ts(x)，is.numeric(x)等。
> all(x>a)
#判断是否对象x的每个元素都大于a。
> any(x>a)
#判断对象x的元素中是否存在一个大于a。
> x>y
#判断x的每个元素是否大于y的每个元素。
> x[x>a]
#向量x中大于a的元素组成的新向量。
> subset(x, x>a)
#向量x中大于a的元素组成的新向量。与上面例子的区别在于若向量元素里有NA，上面的例子会保留在结果中，而subset命令会剔除掉。
> which(x, x>a)
#返回向量中大于a的元素的位置。
> x = ifelse(b, u, v)
#生成一个与b(逻辑向量)维度相同的数值向量，若b[i]为TRUE，则x[i]为u，反之为v。