我有一个列表,我想用它lapply()来计算其元素的平均值.例如,对于列表中的第七项,我有:
>list[[7]]
[1] 1 1 1 1 1 1 1 1 1 1
Run Code Online (Sandbox Code Playgroud)
我的输出应该是:
> mean(temp[[7]][1:10])
[1] 1
Run Code Online (Sandbox Code Playgroud)
但是,当我lapply()在下面使用时,结果将是另一回事.我该怎么办?
> lapply(list[[7]][1:10],mean)
[[1]]
[1] 1
[[2]]
[1] 1
.
.
.
[[10]]
[1] 1
Run Code Online (Sandbox Code Playgroud) 我有一个矩阵,我想将第五列类型从字符更改为数字,但我不能.我试过这个:
test1[,5] <- as.numeric(test1[,5])
Run Code Online (Sandbox Code Playgroud)
但是,列类是字符而不是数字.我该怎么办?谢谢
我想问一下为什么我在初始化例如矢量或其他类型的列表时会出现此错误,我该如何解决?
> l <- list()
> l[[1]][1] <- 1
Error in `*tmp*`[[1]] : subscript out of bounds
Run Code Online (Sandbox Code Playgroud)
这是我需要的整个代码,实际上我想要一个这样的向量列表:
mcorrelation <- list()
for(k in 1:7){
for (ind in 1:7){
mcorrelation[[k]][ind] <- co$estimate
}
}
Run Code Online (Sandbox Code Playgroud)
我应该提前初始化整个列表还是有其他方法可以避免出现此错误?
我使用如下的corrplot,但你可以看到我需要放大圆圈内的数字的字体大小,然后情节标题不是正确的位置和字体大小(不完全可见)但我找不到他们的参数.如果你能提供帮助,我将不胜感激.
library(corrplot)
png(height=1200, width=1200, file="overlap.png")
col1 <-rainbow(100, s = 1, v = 1, start = 0, end = 0.9, alpha = 1)
test <- matrix(data=c(20:60),nrow=7,ncol=7)
corrplot(test,tl.cex=3,title="Overlaps Between methods",
method="circle",is.corr=FALSE,type="full",
cl.lim=c(10,100),cl.cex=2,addgrid.col="red",
addshade="positive",col=col1, diag=FALSE,
addCoef.col = rgb(0,0,0, alpha = 0.6)
)
dev.off()
Run Code Online (Sandbox Code Playgroud)

我有十个巨大的列表(每个列表有七个元素,但元素很大),我需要计算这些列表的元素明智的意思.所以如果有A1,A2,A3,......,A10列表.我需要计算:
mean1 = mean(A1[[1]], A2[[1]], A3[[1]], ...,A10[[1]])
.
.
.
mean7 = mean(A1[[7]], A2[[7]], A3[[7]], ....A10[[7]])
Run Code Online (Sandbox Code Playgroud)
我已经完成了for循环,但我想知道R是否有更好的解决方案.提前谢谢你.
如何检查列表元素是否存在。这是一个列表列表,例如我想检查第三个元素 l1[[3]] 是否存在。我试过 is.null(l1[["3"]]) 但是不管它是否存在它都返回false,如果我使用 is.null(l1[[3]]) 它会给出下标的错误绑定,以防它不存在但不为真。我该如何切
我有一个数据框,其列是实验的不同样本.我想找到这些样本之间的相关性.因此,样本v2和v3之间,样本v2和v4之间的相关性,......这是数据框:
> head(t1)
V2 V3 V4 V5 V6
1 0.12725011 0.051021886 0.106049328 0.09378767 0.17799444
2 0.86096784 1.263327211 3.073650624 0.75607466 0.92244361
3 0.45791031 0.520207274 1.526476608 0.67499102 0.49817761
4 0.00000000 0.001139721 0.003158557 0.00000000 0.00000000
5 0.13383965 0.098943019 0.099922146 0.13871867 0.09750611
6 0.01016334 0.010187671 0.025410170 0.00000000 0.02369374
> nrow(t1)
[1] 23367
Run Code Online (Sandbox Code Playgroud)
如果我为这个数据帧运行cor函数以获得样本(列)之间的相关性,我得到所有样本的NA:
> cor(t1, method= "spearman")
V2 V3 V4 V5 V6
V2 1 NA NA NA NA
V3 NA 1 NA NA NA
V4 NA NA 1 NA NA
V5 NA NA NA …Run Code Online (Sandbox Code Playgroud) 我有这个简单的代码来绘制树形图,但该功能ylim似乎不起作用.因此无论我将它设置为什么,它在绘制时都有[0,0.5]的范围.
在绘制树状图时,我应该使用其他参数来设置ylim吗?
plot(hclust(total_dist),main=NULL,ylab=NULL,ylim=c(0,1))
Run Code Online (Sandbox Code Playgroud)

我有n名单的数量,让说list1,list2,... listn。每个列表有10个元素,我需要计算每个列表的10个元素的“暗淡”的“均值”。因此,输出应为length的向量n。
例如,输出向量的第一个元素应为:
n1 = mean(dim(list1[[1]]), dim(list1[[2]]), dim(list1[[3]]), ..., dim(list1[[10]])
Run Code Online (Sandbox Code Playgroud)
我知道如何使用for-loops 获得它,但是我确信这不是最佳解决方案。
列表具有从称为“ edgeR”的“ Bioconductor” R软件包之一衍生的结构。因此,列表的每个元素都具有以下结构:
$ :Formal class 'TopTags' [package "edgeR"] with 1 slots
.. ..@ .Data:List of 4
.. .. ..$ :'data.frame': 2608 obs. of 4 variables:
.. .. .. ..$ logFC : num [1:2608] 6.37 -6.48 -5.72 -5.6 -4.01 ...
.. .. .. ..$ logCPM: num [1:2608] 5.1 2.55 2.08 1.57 3.08 ...
.. .. .. …Run Code Online (Sandbox Code Playgroud) 我有一个像下面这样的矩阵,我需要删除列1:10或列11:20中全部为零的行.因此,例如在我的数据中,应该删除第8行,因为列1:10中的所有值都为零.我有这个代码,但它不起作用:
> dput(mat)
structure(c(6L, 645L, 897L, 13L, 278L, 384L, 200L, 0L, 0L, 133L,
8L, 415L, 685L, 7L, 208L, 239L, 150L, 0L, 2L, 85L, 7L, 600L,
850L, 17L, 337L, 358L, 172L, 0L, 0L, 150L, 0L, 341L, 396L, 7L,
252L, 222L, 88L, 0L, 0L, 84L, 6L, 799L, 978L, 24L, 534L, 464L,
156L, 0L, 0L, 216L, 5L, 306L, 418L, 7L, 238L, 215L, 46L, 0L,
0L, 109L, 4L, 292L, 378L, 4L, 237L, 159L, 64L, 0L, 0L, 74L, 7L,
401L, 579L, 8L, 305L, 281L, 107L, …Run Code Online (Sandbox Code Playgroud) 我想对数据框的一列进行排名,但我希望根据其顺序而不是按升序或降序对其进行排名.如下所示:
> test <- c(0,0,0,2,1,5,3)
Run Code Online (Sandbox Code Playgroud)
然后排名如下:
[1] 1 1 1 2 3 4 5
Run Code Online (Sandbox Code Playgroud)
这样做最简单的方法是什么?先感谢您.
r ×11
list ×3
matrix ×3
plot ×2
correlation ×1
dendrogram ×1
lapply ×1
mean ×1
r-corrplot ×1
rank ×1
subscript ×1