• R语言

  • 【求助】如何在R程序批量生成变量并调用赋值

dapengde 若只是费电脑也就罢了，关键是这样悄么几创造全局变量造成了冲突自己都不会发现，到头来还得一脸蒙蔽去查错。讲个我好些年前可能讲过的冷笑话：

从前，有一群变量在一起聊天。

第一个变量说，我的名字叫 x1，很好听！
第二个变量说，我的名字叫 x2，很好听！
第三个变量说，我的名字叫 x3，很好听！
……
第十个变量说，我的名字叫 x10，很好听！
第十一个变量说，你们慢慢聊，我先走了。

      yihui 没 get 到笑点，x11咋了？
      当然我一般避免这样命名变量。我的模型搞到最后筛选出的模型变量我都把它存在一个叫the.one的变量里，感觉好中二啊?

          dapengde 额，我是想把一列数据拆分成多个子集来存储，将子集赋值给生成的变量；所以想生成这些变量，还有一个小疑问，我批量生成的这些变量后在循环体中如何调用赋值呢？?不可能一个个输入的呀

              tjmath
              按你的描述，身为一个有责任心的Ruser我觉得必须阻止初学R的小伙伴误入歧途。

              按你的描述写出来的代码是很危险的，楼上yihui 跟我之前都吐槽过了。我们来看看按你的思路的程序会有什么样的问题：
              1. 循环产生大量变量充斥workspace，可读性差，难以维护
              2. 数据难以再次利用。列数据的子集存入多个变量，难以保存，难以复用
              所以不要这样做。

              请在R里使用data.frame的数据结构进行工作，这样可以避免大部分问题。
              最基本做到：在对数据操作的时候，想象成所有数据都储存在一张表里，每一个数据点(observation)为一行，由不同的列变量(variable)进行描述。

              按你的描述，我觉得比较好的做法是做一个label列，作为该列数据的子集的标签。然后要使用每个子集的时候直接[或filter取子集就行了。
              举例：

              df

    a  b  label
1   1  1 groupA
2   2  2 groupA
3   3  3 groupA
4   4  4 groupA
5   5  5 groupA
6   6  6 groupB
7   7  7 groupB
8   8  8 groupB
9   9  9 groupB
10 10 10 groupB

              取子集

              df[df$label=="groupA"]

  a b  label
1 1 1 groupA
2 2 2 groupA
3 3 3 groupA
4 4 4 groupA
5 5 5 groupA

              求每个子集的a列的和，b列的和，最大值，最小值，中位

              library(dplyr)

a %>%
  group_by(label) %>%
  summarise(suma=sum(a),sumb=sum(b),maxa=max(a),minb=min(b),mediana=median(a))

   label  suma  sumb  maxa  minb mediana
   <chr> <int> <int> <dbl> <dbl>   <int>
1 groupA    15    15     5     1       3
2 groupB    40    40    10     6       8

                    tctcab 谢谢！！！刚刚接触R，写程序的习惯和思路都很乱，谢谢提醒，我去试试?

                      11 天 后

                      还是不太明白，我也有相似的问题，我要做的读入一段DNA序列，然后计算前n个的子序列中各个碱基的个数总和，并分别表示a [ i ] 的形式，应该用什么样的循环啊，自己编的程序太复杂，而且慢，请求各位大神指教，困扰很久了，谢谢?

                        Isabel

                        问对人了。
                        如果是我的话，读入DNA序列并进行处理这种操作很常规，做之前会去先查一查有没有现成的工具可以用。

                        包的名字叫seqinr，用的很多，网上搜搜教程应该有一大把
                        举例：

                        install.packages("seqinr")
library(seqinr)

# read a sequence

url = "https://www.ncbi.nlm.nih.gov/sviewer/viewer.fcgi?id=1090936428&db=nuccore&report=fasta&extrafeat=0&fmt_mask=0&maxplex=1&sendto=t&withmarkup=on&tool=portal&log$=seqview&maxdownloadsize=1000000"
seq <- seqinr::read.fasta(url)
n1 <- seq$KU902450.1
                        ## n1 looks like this:
n1

  [1] "t" "c" "t" "g" "a" "c" "t" "g" "c" "t" "t" "t" "t" "t" "c" "a" "c" "c" "c" "a" "t" "c" "t" "a" "c" "a" "g" "t" "c"
 [30] "c" "c" "c" "c" "t" "t" "g" "c" "c" "g" "t" "c" "c" "c" "a" "a" "g" "c" "a" "a" "t" "g" "g" "a" "t" "g" "a" "t" "t"
 [59] "t" "g" "a" "t" "g" "c" "t" "g" "t" "c" "c" "c" "c" "g" "g" "a" "c" "g" "a" "t" "a" "t" "t" "g" "a" "a" "c" "a" "a"
...
                        # count number of nucleotides
count(n1,1)
 
  a   c   g   t 
 58 115  71  71 

#count number of dinucleotides
count(n1,2)
 
aa ac ag at ca cc cg ct ga gc gg gt ta tc tg tt 
11 17 18 12 26 51  9 28 16 24 17 14  5 23 27 16 

#GC content
GC(n1)

[1] 0.5904762

                        R的强项就是几乎你想做的事情，几乎都能找到相关的包。以Bioconductor为代表的一系列工具更是必不可少的得力助手。
                        所以动手之前多查一查吧~~避免把时间浪费在重复造轮子上

                          恩呢，谢谢您，这几个包我正在学习，能不能请您帮我看一下这段代码，需要怎么改进，

                          library(Biostrings)
seq_a<-readDNAStringSet(file.choose(),"fasta") #读fasta文件
seq<-seq_a[[1]]
l<-length(seq)
c<-rep(NA,l)
g<-rep(NA,l)
a<-rep(NA,l)
t<-rep(NA,l)
x<-rep(NA,l)
y<-rep(NA,l)
z<-rep(NA,l)
for(i in 1:l){
   cc<-letterFrequencyInSlidingView(seq,"C",view.width = 1)
   c [ i ]<-sum(cc[1:i]) # 计算前 i 个字母中c的个数，并赋值给c [ i ]
   gg<-letterFrequencyInSlidingView(seq,"G",view.width = 1)
   g[ i]<-sum(gg[1:i])
   aa<-letterFrequencyInSlidingView(seq,"A",view.width = 1)
   a[ i]<-sum(aa[1:i])
   tt<-letterFrequencyInSlidingView(seq,"T",view.width = 1)
   t[ i ]<-sum(tt[1:i])
   x [ i ]<-(a[ i]+g[ i])-(c [ i]+t[ i])
   y [ i ]<-(a[ i]+c[ i ])-(g[ i]+t[ i])
   z [ i ]<-(a[ i]+t[ i])-(c[ i]+g[ i])
}