✅ 1️⃣ 向量与基本运算# 数值向量 counts - c(10,50,200,5) counts[1] 10 50 200 5 counts * 2[1] 20 100 400 10 sum(counts)[1] 265 mean(counts)[1] 66.25 讲一下- 是 赋值符推荐不用 c() combine把元素合并成向量R 天然做向量化运算✅ 2️⃣ data.frame核心中核心 expr - data.frame() expr - data.frame(genec(GeneA,GeneB,GeneC),sample1c(10,30,5),sample2c(12,28,9)) expr结果gene sample1 sample21 GeneA 10 122 GeneB 30 283 GeneC 5 9 生信意义每一行是一个基因每一列是一个样本你以后读的 Count Matrix 就是这种结构✅ 3️⃣ 取子集非常重要expr$gene # 取一列expr[, 2] # 取第二列expr[1, ] # 取第一行expr[expr$sample1 10, ] # 条件筛选✅ Notion 记一句话R 索引格式object[行, 列]✅ 4️⃣ 包安装只演示今天不加载install.packages(tidyverse)国内建议先设镜像RStudio → Tools → Global Options → Packages → CRAN mirror → 选 China
R语言（counts,data.frame,取子集，包安装）
发布时间：2026/6/30 1:26:29
✅ 1️⃣ 向量与基本运算# 数值向量 counts - c(10,50,200,5) counts[1] 10 50 200 5 counts * 2[1] 20 100 400 10 sum(counts)[1] 265 mean(counts)[1] 66.25 讲一下- 是 赋值符推荐不用 c() combine把元素合并成向量R 天然做向量化运算✅ 2️⃣ data.frame核心中核心 expr - data.frame() expr - data.frame(genec(GeneA,GeneB,GeneC),sample1c(10,30,5),sample2c(12,28,9)) expr结果gene sample1 sample21 GeneA 10 122 GeneB 30 283 GeneC 5 9 生信意义每一行是一个基因每一列是一个样本你以后读的 Count Matrix 就是这种结构✅ 3️⃣ 取子集非常重要expr$gene # 取一列expr[, 2] # 取第二列expr[1, ] # 取第一行expr[expr$sample1 10, ] # 条件筛选✅ Notion 记一句话R 索引格式object[行, 列]✅ 4️⃣ 包安装只演示今天不加载install.packages(tidyverse)国内建议先设镜像RStudio → Tools → Global Options → Packages → CRAN mirror → 选 China
![华为OD机试2025C卷-字符串变换最小次数[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率](http://pic.xiahunao.cn/yaotu/华为OD机试2025C卷-字符串变换最小次数[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率)
![华为OD机试2025C卷-内存资源分配[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率](http://pic.xiahunao.cn/yaotu/华为OD机试2025C卷-内存资源分配[100分]（ Java _ Python3 _ C++ _ C语言 _ JsNode _ Go）实现100%通过率)
