小编ses*_*rda的帖子

R nls奇异梯度

我已经尝试在这个主题上搜索其他线程,但没有一个修复程序对我有用.我有一个自然实验的结果,我想显示一个符合指数分布的事件的连续出现次数.我的R shell贴在下面

f <- function(x,a,b) {a * exp(b * x)}
> x
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
[26] 26 27
> y
 [1] 1880  813  376  161  100   61   31    9    8    2    7    4    3    2    0
[16]    1    0    0    0    0    0    1    0    0    0    0    1
> dat2
    x    y
1   1 1880
2 …
Run Code Online (Sandbox Code Playgroud)

regression r nls

5
推荐指数
2
解决办法
2万
查看次数

如何使用for循环从矩阵中提取特定单元格?

搜索了一些不同的主题,但我没有找到完全相同的问题.我有一个方形相关矩阵,其中行/列名称是基因.切片的矩阵如下所示.

                Xelaev15073085m Xelaev15073088m Xelaev15073090m Xelaev15073095m
Xelaev15000002m       0.1250128      -0.6368677       0.3119062       0.3980826
Xelaev15000006m       0.4127414      -0.8805597       0.6435158       0.9629489
Xelaev15000007m       0.4012530      -0.8854113       0.6425895       0.9614517
Run Code Online (Sandbox Code Playgroud)

我有一个数据框,其中包含我想从这个大矩阵中提取的基因对.

      V1              V2
1 Xelaev15011657m Xelaev15017932m
2 Xelaev15011587m Xelaev15046612m
3 Xelaev15011594m Xelaev15046616m
4 Xelaev15011597m Xelaev15046617m
5 Xelaev15011603m Xelaev15046624m
6 Xelaev15011654m Xelaev15017928m
Run Code Online (Sandbox Code Playgroud)

我通过数据帧和输出试图环对中的基质细胞matrix["gene1","gene2"](例如,值进行比较时0.1250128 Xelaev15073085mXelaev15000002m).在单个基因的基础上这样做很容易,但是我在for循环中为这个列表中的数千对做这个尝试是失败的.在下面的示例中,headinglist是上面数据帧的样本,而FullcorSM是完整的相关矩阵.

for(i in headedlist$V1){
   data.frame(i, headedlist[i,2], FullcorSM[i,headedlist[i,2]])
}
Run Code Online (Sandbox Code Playgroud)

以上行是我的第一次尝试并返回null.我的第二次尝试如下所示.

for(i in 1:nrow(stagelist)){
  write.table(data.frame(stagelist$V1, stagelist$V2, FullcorSM["stagelist$V1","stagelist$V2"]),
              file="sampleout",
              sep="\t",quote=F)
}
Run Code Online (Sandbox Code Playgroud)

这会返回一个越界错误.要做第二个没有引号的FullcorSM["stagelist$V1", "stagelist$V2"]部分示例返回第一列的第二列的所有值,更接近我想要的但仍然缺少一些关于R如何解释我的矩阵/数据帧语法的知识,但它我不清楚修复是什么.有关如何进行的任何见解?

for-loop r matrix dataframe

1
推荐指数
1
解决办法
2990
查看次数

标签 统计

r ×2

dataframe ×1

for-loop ×1

matrix ×1

nls ×1

regression ×1