📚 课程目录第3章 R语言基础回顾

R基础回顾（一）：向量、矩阵、列表、数据框

咱们正式开始动手前，得先把R的几种核心数据结构捋清楚。别担心，不是枯燥的理论课。我自己的经验是，这几种结构搞明白了，后面写Shiny app的时候，数据怎么流转、怎么变形，心里就有底了。

说白了，R里数据就四种基本容器：向量、矩阵、列表、数据框。它们各有各的脾气，选对了事半功倍。

核心结论一句话：向量同类型、矩阵二维同类型、列表啥都能装、数据框像Excel表格。

向量 —— 最基础的单元

向量是R里最基本的对象。就是个一维的同类型元素集合。记住，是同类型。数值、字符、逻辑，混一起会自动转换，这个坑我踩过。

创建向量用 c() 函数，全称是 combine。

# 数值向量
my_numbers <- c(1, 3, 5, 7, 9)

# 字符向量
my_genes <- c("TP53", "BRCA1", "EGFR")

# 逻辑向量
my_flags <- c(TRUE, FALSE, TRUE)

# 向量运算
my_numbers * 2   # 所有元素乘以2
sqrt(my_numbers) # 对每个元素开平方

我个人习惯在创建向量时直接赋好名字，方便后面索引。

exp_values <- c(TP53 = 12.5, BRCA1 = 8.3, EGFR = 0.5)
exp_values["TP53"]  # 按名字取，清晰多了

矩阵 —— 二维的同类型表格

矩阵其实就是一个加了维度属性的向量。它要求所有元素类型一致，这在处理表达矩阵时很常见。

创建方式有两种，我常用 matrix()。

# 创建一个3行4列的矩阵
mat <- matrix(1:12, nrow = 3, ncol = 4)
mat

# 指定是按行填充还是按列填充
mat_byrow <- matrix(1:12, nrow = 3, byrow = TRUE)

# 给行列加名字
rownames(mat) <- c("GeneA", "GeneB", "GeneC")
colnames(mat) <- c("Sample1", "Sample2", "Sample3", "Sample4")

矩阵运算在差异分析里经常用到。比如计算行均值、列均值。

rowMeans(mat)  # 每个基因的平均表达量
colMeans(mat)  # 每个样本的平均表达量

我曾经在合并两个表达矩阵时，忘了检查基因顺序是否一致，结果算出来的差异基因全是错的。后来养成习惯：每次合并前先用 rownames() 核对一遍。

列表 —— 灵活的大杂烩

列表是R里最灵活的数据结构。它允许你往一个对象里塞不同类型、不同长度、甚至不同维度的东西。你想想看，这不就是为复杂数据准备的嘛。

# 创建列表
my_list <- list(
  gene_name = "TP53",
  expression = c(12.5, 8.3, 0.5, 6.7),
  is_significant = TRUE,
  p_value = 0.003
)

# 访问列表元素（两种方式）
my_list$expression
my_list[["expression"]]

差异分析的结果，比如 DESeq2 输出的对象，本质上就是一个大列表。里面装着结果表、归一化计数、模型拟合信息等等。

避坑指南：用 [] 和 [[]] 取列表元素，结果可不一样。[] 返回的还是列表，[[]] 才取出里面的实际数据。别搞混了。

数据框 —— 最常用的结构

这才是咱们的日常。数据框看起来像矩阵，但每列可以是不同类型。你在Excel里看到的表，到R里就是数据框。

咱们做差异分析，结果表就是一个数据框。基因名是字符列，log2FC是数值列，p值也是数值列，还有判断是否显著的逻辑列。

# 创建数据框
de_results <- data.frame(
  gene = c("TP53", "BRCA1", "EGFR", "MYC"),
  log2FC = c(2.5, -1.3, 0.8, 3.1),
  pvalue = c(0.001, 0.04, 0.12, 0.0005),
  significant = c(TRUE, TRUE, FALSE, TRUE)
)

# 查看结构
str(de_results)

# 提取列
de_results$log2FC
de_results[, "log2FC"]

# 筛选行
de_results[de_results$pvalue < 0.05, ]

讲到这里，你可能已经发现了一个规律：数据框里的每一列，本质上都是一个向量。这才有了列操作的一致性。

四种结构的选用逻辑

数据结构	维度	元素类型	适用场景
向量	一维	同类型	单个样本的表达值、p值列表、基因名列表
矩阵	二维	同类型	表达矩阵（所有值都是数值）
列表	递归	可混合	DEseq2/limma 输出对象、复杂分析结果
数据框	二维	每列同类型	差异表达结果表、样本元数据、日常数据分析

清楚了这些差别，你在写Shiny app时就知道：传参用列表、建图表用数据框、存表达值用矩阵。各司其职，代码才清爽。

实际项目中怎么选？

我举个例子。你在做差异表达分析，流程大概是：

原始数据读进来，是个数据框（因为列类型不同：样本名是字符，表达值是数值）。
提取表达值那几列，变成矩阵（方便做数学运算，比如log2转换）。
跑差异分析（比如DESeq2），结果是个列表（里面装着各种中间结果、统计检验输出）。
把最终结果表（基因、log2FC、p值等）又转回数据框（方便在Shiny里展示和筛选）。

你看，一圈下来，四种结构都用上了。你想想看，如果在第三步你非要把列表当数据框用，代码是不是就拧巴了？

小技巧：数据框转矩阵用 as.matrix()，矩阵转数据框用 as.data.frame()。但是注意，字符列会强制转换整个矩阵为字符类型，别把数值弄丢了。

嗯，到这里核心内容差不多了。这些基础结构是你做差异分析、搭Shiny界面的地基。多操练几遍，写代码时手自然就顺了。