R语言练习的时候那些内置数据集

Posted on by

很多人的R语言教程都是读取一个外部文件，这样的话读者很难说重复出来，因为这个外部文件往往是存储在各自的本地电脑。除非是在线数据集读取，或者说是把数据集文件上传到各自云盘，就会多一个工序，而这个时候使用那些内置数据集是一个很好的选择。

R语言提供了许多内置的数据集，这些数据集可以在学习和练习时使用，帮助你熟悉R的数据分析和可视化操作。以下是一些常用的内置数据集及其简要介绍：

  1. iris： 鸢尾花数据集，包含150个样本，每个样本有4个特征（花萼长度、花萼宽度、花瓣长度、花瓣宽度），分为3个不同种类的鸢尾花。
  2. mtcars： 汽车性能数据集，包含32辆汽车的性能参数，如马力、重量、加速度等。
  3. ChickWeight： 小鸡体重数据集，记录了不同饲料和时间点下小鸡的体重数据。
  4. AirPassengers： 航空旅客数据集，包含1949年至1960年的每月国际航空旅客数量。
  5. swiss： 瑞士人口数据集，包含瑞士各州的相关指标，如农村人口比例、不合格的军队适龄人数等。
  6. faithful： 喷泉喷发时间数据集，记录了Old Faithful喷泉的喷发时间和间隔时间。
  7. trees： 树木生长数据集，包含了3种不同类型的树木的直径、高度和体积。
  8. quakes： 地震数据集，包含1964年至1975年新西兰地震的相关信息。
  9. economics： 美国宏观经济数据集，包含一些经济指标，如失业率、工资等。
  10. USArrests： 美国各州的暴力犯罪数据集，包含了每个州的人口、暴力犯罪率等。

使用这些内置数据集，你可以练习数据的导入、处理、可视化等操作，以及统计分析和机器学习的练习。你可以使用以下代码来加载这些数据集：

data(iris)
data(mtcars)
data(ChickWeight)
data(AirPassengers)
data(swiss)
data(faithful)
data(trees)
data(quakes)
data(economics)
data(USArrests)

每个数据集的具体内容和字段可以通过R的帮助文档或在线文档进行查阅。例如，你可以使用 ?iris 命令来获取关于iris数据集的详细信息。

分门别类的更多数据集

当涉及到不同的数据结构，你可以按照向量、因子、矩阵、数据框（类似数据库表格结构）、列表等分类列出这些内置数据集。以下是按照这些数据结构分类的一些内置数据集示例，以下是按照不同数据结构分类的内置数据集的名称和简要描述：

向量：

  • euro: 欧元汇率数据，长度为11的命名向量。
  • landmasses: 48个陆地的面积，每个有命名。
  • precip: 长度为70的命名向量，可能表示降水量。
  • rivers: 北美141条河流的长度。
  • state.abb: 美国50个州的双字母缩写。
  • state.area: 美国50个州的面积。
  • state.name: 美国50个州的全称。

因子：

  • state.division: 美国50个州的分类，有9个类别。
  • state.region: 美国50个州的地理分类。

矩阵、数组：

  • euro.cross: 11种货币的汇率矩阵。
  • freeny.x: 影响收入四个因素的记录。
  • state.x77: 美国50个州的八个指标。
  • USPersonalExpenditure: 5个年份在5个消费方向的数据。
  • VADeaths: 1940年弗吉尼亚州死亡率数据。
  • volcano: 某火山区的地理信息。
  • WorldPhones: 8个区域在7个年份的电话总数。
  • iris3: 3种鸢尾花形态数据。
  • Titanic: 泰坦尼克乘员统计。
  • UCBAdmissions: 伯克利分校1973年院系、录取和性别的频数。
  • crimtab: 3000个男性罪犯左手中指长度和身高关系。
  • HairEyeColor: 592人头发颜色、眼睛颜色和性别的频数。
  • occupationalStatus: 英国男性父子职业联系。

类矩阵：

  • eurodist: 欧洲12个城市的距离矩阵。
  • Harman23.cor: 305个女孩八个形态指标的相关系数矩阵。
  • Harman74.cor: 145个儿童24个心理指标的相关系数矩阵。

数据框：

  • airquality: 纽约1973年5-9月每日空气质量。
  • anscombe: 四组x-y数据，实际数据差异较大。
  • attenu: 加利福尼亚23次地震的观测数据。
  • attitude: 30个部门在七个方面的调查结果。
  • beaver1: 一只海狸每10分钟的体温数据。
  • beaver2: 另一只海狸每10分钟的体温数据。
  • BOD: 随水质的提高，生化反应对氧的需求随时间的变化。
  • cars: 1920年代汽车速度对刹车距离的影响。
  • chickwts: 不同饮食种类对小鸡生长速度的影响。
  • esoph: 法国的一个食管癌病例对照研究。
  • faithful: 一个间歇泉的爆发时间和持续时间等。

列表：

  • state.center: 美国50个州中心的经度和纬度。

类数据框：

  • ChickWeight: 饮食对鸡生长的影响。
  • CO2: 耐寒植物CO2摄取的差异。
  • DNase: 若干次试验中，DNase浓度和光密度的关系等。

这些是一些内置数据集的简要描述，你可以在R中使用相应的数据集名称来访问和探索这些数据。

大家可以使用上面的测试数据集来做一些生物信息常见图表

生物信息学中常用的图表有很多种，用于可视化不同类型的生物数据和分析结果。以下是一些常见的生物信息学图表类型：

  1. 折线图（Line Plot）： 用于显示数据随时间、条件等变化的趋势，例如基因表达随时间的变化。
  2. 柱状图（Bar Plot）： 用于比较不同类别之间的数据，例如不同基因的表达水平。
  3. 散点图（Scatter Plot）： 用于显示两个变量之间的关系，例如基因表达的相关性。
  4. 箱线图（Box Plot）： 用于显示数据的分布和统计信息，包括中位数、四分位数等，常用于比较不同组之间的数据分布。
  5. 热图（Heatmap）： 用于显示基因表达矩阵等数据的模式，颜色表示数值大小，有助于发现基因表达模式。
  6. 曲线图（Curve Plot）： 用于显示曲线、函数等的形状，常用于绘制剖面图、曲线拟合等。
  7. 散点密度图（Scatter Density Plot）： 类似于散点图，但可以显示点的密度，有助于发现密集区域。
  8. 基因组浏览图（Genome Browser Plot）： 用于显示基因组上的特征，如基因、外显子、内含子等。
  9. Venn图： 用于显示多个数据集之间的共有和独有元素，例如基因集的重叠。
  10. 网络图（Network Plot）： 用于显示分子相互作用、蛋白质-蛋白质互作用等网络关系。
  11. 气泡图（Bubble Plot）： 类似于散点图，但点的大小表示第三个维度的数值。
  12. 韦恩图（Venn Diagram）： 用于显示集合之间的重叠和差异。
  13. 生物通路图（Pathway Diagram）： 用于显示代谢通路、信号传导通路等生物学过程。
  14. 箱线密度图（Box Density Plot）： 结合了箱线图和核密度图，用于更全面地显示数据分布。
  15. 瀑布图（Waterfall Plot）： 用于显示多个数据点之间的增减关系，常用于基因突变的分析。

是否有专门的生物信息学数据集呢

R语言中有一些专门用于生物信息学分析的R包体系，可以在生物信息学领域进行练习和研究。以下是一些常用的生物信息学R包体系的示例：

  1. Bioconductor数据集： Bioconductor是一个R语言的生物信息学软件包库，提供了许多生物学分析所需的数据集。例如，”Biobase” 包中包含了许多基因表达数据集，”GenomicRanges” 包中包含了基因组坐标数据集等。
  2. IRanges数据集： “IRanges” 包提供了处理基因组坐标的工具，包括基因的外显子、内含子等信息。
  3. GEOquery数据集： “GEOquery” 包允许你从NCBI的基因表达数据库(GEO)中下载和分析基因表达数据。
  4. TCGA数据集： “TCGAbiolinks” 包提供了访问和分析The Cancer Genome Atlas (TCGA) 数据的功能，这是一个涵盖多种癌症基因组数据的项目。
  5. BioMart数据集： “biomaRt” 包允许你从Ensembl数据库中获取基因注释和基因组信息。
  6. seqinr数据集： “seqinr” 包提供了处理生物序列数据（如DNA、RNA、蛋白质序列）的工具和数据集。
  7. msms.data数据集： “msms.data” 包提供了质谱数据集，用于蛋白质质谱分析。
  8. BSgenome数据集： “BSgenome” 包中包含了许多生物物种的基因组序列数据。
  9. Homo.sapiens数据集： “Homo.sapiens” 包中包含了人类基因组注释信息。
​

 

Comments are closed.