久久国产成人av_抖音国产毛片_a片网站免费观看_A片无码播放手机在线观看,色五月在线观看,亚洲精品m在线观看,女人自慰的免费网址,悠悠在线观看精品视频,一级日本片免费的,亚洲精品久,国产精品成人久久久久久久

搜索
分享

【原】dplyr::bind_rows整合多個數(shù)據(jù)框

 醫(yī)科研 2021-01-25

  

歡迎來到醫(yī)科研，這里是白介素2的讀書筆記,，跟我一起聊臨床與科研的故事, 生物醫(yī)學(xué)數(shù)據(jù)挖掘,，R語言，TCGA,、GEO數(shù)據(jù)挖掘,。

  高效的整合多個數(shù)據(jù)框 

在base包中可以通過cbind, rbind按行或列連接數(shù)據(jù)框,這個我們不多解釋了 dplyr中有更高級的函數(shù)bind_rows, bind_cols,能用于高效的連接多個數(shù)據(jù)框 其實這套高級函數(shù)是** do.call(cbind,dfs),do.call(rbind,dfs)**模式的植入，

  • 用于多個數(shù)據(jù)框的整合 list(數(shù)據(jù)框1,，數(shù)據(jù)框2) .

  • id參數(shù)可以生成一個關(guān)聯(lián)起原來數(shù)據(jù)框的id,標(biāo)記數(shù)據(jù)來源

舉例說明其應(yīng)用

數(shù)據(jù)框輸入作為參數(shù) 重要的特點是能夠接受list作為輸入?yún)?shù) 另一個特點是可以同時連接起多個數(shù)據(jù)框,，不僅限于兩個

library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
one <- mtcars[1:4, ]
two <- mtcars[11:14, ]
head(one)
##                 mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4      21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag  21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710     22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
head(two)
##              mpg cyl  disp  hp drat   wt qsec vs am gear carb
## Merc 280C   17.8   6 167.6 123 3.92 3.44 18.9  1  0    4    4
## Merc 450SE  16.4   8 275.8 180 3.07 4.07 17.4  0  0    3    3
## Merc 450SL  17.3   8 275.8 180 3.07 3.73 17.6  0  0    3    3
## Merc 450SLC 15.2   8 275.8 180 3.07 3.78 18.0  0  0    3    3

按行連接，但rowname丟失了

(bind_rows(one,two))
##    mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## 1 21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## 2 21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## 3 22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## 4 21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## 5 17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## 6 16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## 7 17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## 8 15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3

以list形式,，自動拼接

bind_rows(list(one, two))
##    mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## 1 21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## 2 21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## 3 22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## 4 21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## 5 17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## 6 16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## 7 17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## 8 15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3

按cyl裂解數(shù)據(jù)框,剛好獲得了list形式,，能夠很好的與bind_rows銜接起來
且bind_rows不僅僅連接的是兩個，還是多個

class(mtcars)
## [1] "data.frame"
split(mtcars, mtcars$cyl)
## $`4`
##                 mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Datsun 710     22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## Merc 240D      24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
## Merc 230       22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
## Fiat 128       32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
## Honda Civic    30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
## Toyota Corolla 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
## Toyota Corona  21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
## Fiat X1-9      27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
## Porsche 914-2  26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
## Lotus Europa   30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
## Volvo 142E     21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
## 
## $`6`
##                 mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4      21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## Hornet 4 Drive 21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## Valiant        18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
## Merc 280       19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
## Merc 280C      17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## Ferrari Dino   19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
## 
## $`8`
##                      mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
## Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
## Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
## Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
## Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
## Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
## Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
## AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
## Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
## Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
## Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
## Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
bind_rows(split(mtcars, mtcars$cyl))
##     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## 1  22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## 2  24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
## 3  22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
## 4  32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
## 5  30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
## 6  33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
## 7  21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
## 8  27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
## 9  26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
## 10 30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
## 11 21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
## 12 21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## 13 21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## 14 21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## 15 18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
## 16 19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
## 17 17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## 18 19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
## 19 18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
## 20 14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
## 21 16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## 22 17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## 23 15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
## 24 10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
## 25 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
## 26 14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
## 27 15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
## 28 15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
## 29 13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
## 30 19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
## 31 15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
## 32 15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8

可以連接多個list

bind_rows(list(one, two), list(two, one))
##     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## 1  21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## 2  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## 3  22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## 4  21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## 5  17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## 6  16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## 7  17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## 8  15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
## 9  17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## 10 16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## 11 17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## 12 15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
## 13 21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## 14 21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## 15 22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## 16 21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1

還可以連接向量,，同時可以混合數(shù)據(jù)框

bind_rows(
  c(a = 1, b = 2),
  c(a = 3, b = 4)
)
## # A tibble: 2 x 2
##       a     b
##   <dbl> <dbl>
## 1     1     2
## 2     3     4

可以創(chuàng)建一個關(guān)聯(lián)連接兩個數(shù)據(jù)框的id,用于標(biāo)記數(shù)據(jù)框的來源

bind_rows(list(one, two), .id = "id")
##   id  mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## 1  1 21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## 2  1 21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## 3  1 22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## 4  1 21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## 5  2 17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## 6  2 16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## 7  2 17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## 8  2 15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
bind_rows(list(a = one, b = two), .id = "id")
##   id  mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## 1  a 21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## 2  a 21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## 3  a 22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## 4  a 21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## 5  b 17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## 6  b 16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## 7  b 17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## 8  b 15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
bind_rows("group 1" = one, "group 2" = two, .id = "groups")
##    groups  mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## 1 group 1 21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## 2 group 1 21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## 3 group 1 22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## 4 group 1 21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## 5 group 2 17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## 6 group 2 16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## 7 group 2 17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## 8 group 2 15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3

按行結(jié)合時不需要列名相同

bind_rows(data.frame(x = 1:3), data.frame(y = 1:4))
##    x  y
## 1  1 NA
## 2  2 NA
## 3  3 NA
## 4 NA  1
## 5 NA  2
## 6 NA  3
## 7 NA  4

但按列結(jié)合時需要行名相同

# bind_cols(data.frame(x = 1), data.frame(y = 1:2)) 報錯結(jié)果
bind_cols(one, two)
##    mpg cyl disp  hp drat    wt  qsec vs am gear carb mpg1 cyl1 disp1 hp1
## 1 21.0   6  160 110 3.90 2.620 16.46  0  1    4    4 17.8    6 167.6 123
## 2 21.0   6  160 110 3.90 2.875 17.02  0  1    4    4 16.4    8 275.8 180
## 3 22.8   4  108  93 3.85 2.320 18.61  1  1    4    1 17.3    8 275.8 180
## 4 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1 15.2    8 275.8 180
##   drat1  wt1 qsec1 vs1 am1 gear1 carb1
## 1  3.92 3.44  18.9   1   0     4     4
## 2  3.07 4.07  17.4   0   0     3     3
## 3  3.07 3.73  17.6   0   0     3     3
## 4  3.07 3.78  18.0   0   0     3     3
bind_cols(list(one, two))
##    mpg cyl disp  hp drat    wt  qsec vs am gear carb mpg1 cyl1 disp1 hp1
## 1 21.0   6  160 110 3.90 2.620 16.46  0  1    4    4 17.8    6 167.6 123
## 2 21.0   6  160 110 3.90 2.875 17.02  0  1    4    4 16.4    8 275.8 180
## 3 22.8   4  108  93 3.85 2.320 18.61  1  1    4    1 17.3    8 275.8 180
## 4 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1 15.2    8 275.8 180
##   drat1  wt1 qsec1 vs1 am1 gear1 carb1
## 1  3.92 3.44  18.9   1   0     4     4
## 2  3.07 4.07  17.4   0   0     3     3
## 3  3.07 3.73  17.6   0   0     3     3
## 4  3.07 3.78  18.0   0   0     3     3

bind_cols用法與bind_rows相同,，這里不去贅述了

插一個split函數(shù)的應(yīng)用講解

split函數(shù)用于裂解數(shù)據(jù)框，可以根據(jù)因子來裂解,，裂解后得到的是一個list list就非常適合與lapply,sapply,tapply等結(jié)合起來使用了

舉個例子說明一下

head(mtcars)
##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1
df<-as.data.frame(mtcars)

按cyl分組裂解數(shù)據(jù)框

with(df,split(mpg,cyl))
## $`4`
##  [1] 22.8 24.4 22.8 32.4 30.4 33.9 21.5 27.3 26.0 30.4 21.4
## 
## $`6`
## [1] 21.0 21.0 21.4 18.1 19.2 17.8 19.7
## 
## $`8`
##  [1] 18.7 14.3 16.4 17.3 15.2 10.4 10.4 14.7 15.5 15.2 13.3 19.2 15.8 15.0

裂解整個數(shù)據(jù)框

split(mtcars,mtcars$cyl)
## $`4`
##                 mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Datsun 710     22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## Merc 240D      24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
## Merc 230       22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
## Fiat 128       32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
## Honda Civic    30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
## Toyota Corolla 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
## Toyota Corona  21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
## Fiat X1-9      27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
## Porsche 914-2  26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
## Lotus Europa   30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
## Volvo 142E     21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
## 
## $`6`
##                 mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4      21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## Hornet 4 Drive 21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## Valiant        18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
## Merc 280       19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
## Merc 280C      17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## Ferrari Dino   19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
## 
## $`8`
##                      mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
## Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
## Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
## Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
## Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
## Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
## Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
## AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
## Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
## Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
## Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
## Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8

按多個變量構(gòu)成的分組裂解

with(df,split(mpg,list(cyl,am)))
## $`4.0`
## [1] 24.4 22.8 21.5
## 
## $`6.0`
## [1] 21.4 18.1 19.2 17.8
## 
## $`8.0`
##  [1] 18.7 14.3 16.4 17.3 15.2 10.4 10.4 14.7 15.5 15.2 13.3 19.2
## 
## $`4.1`
## [1] 22.8 32.4 30.4 33.9 27.3 26.0 30.4 21.4
## 
## $`6.1`
## [1] 21.0 21.0 19.7
## 
## $`8.1`
## [1] 15.8 15.0

按列裂解矩陣

ma <- cbind(x = 1:10, y = (-4:5)^2)
head(ma)
##      x  y
## [1,] 1 16
## [2,] 2  9
## [3,] 3  4
## [4,] 4  1
## [5,] 5  0
## [6,] 6  1
split(ma, col(ma))
## $`1`
##  [1]  1  2  3  4  5  6  7  8  9 10
## 
## $`2`
##  [1] 16  9  4  1  0  1  4  9 16 25
split(1:10, 1:2)
## $`1`
## [1] 1 3 5 7 9
## 
## $`2`
## [1]  2  4  6  8 10

do.call函數(shù)

執(zhí)行函數(shù)及傳遞給函數(shù)的參數(shù) 舉例說明比較清楚

在給定的參數(shù)下執(zhí)行paste函數(shù)

tmp <- expand.grid(letters[1:2], 1:3, c("+", "-"))
tmp
##    Var1 Var2 Var3
## 1     a    1    +
## 2     b    1    +
## 3     a    2    +
## 4     b    2    +
## 5     a    3    +
## 6     b    3    +
## 7     a    1    -
## 8     b    1    -
## 9     a    2    -
## 10    b    2    -
## 11    a    3    -
## 12    b    3    -
do.call("paste", c(tmp, sep = ""))
##  [1] "a1+" "b1+" "a2+" "b2+" "a3+" "b3+" "a1-" "b1-" "a2-" "b2-" "a3-"
## [12] "b3-"

quote參數(shù)決定是否quote起來

list(as.name("A"))
## [[1]]
## A
do.call(paste, list(as.name("A"), as.name("B")), quote = TRUE)
## [1] "A B"

    轉(zhuǎn)藏 分享 獻花（0）

    0條評論

    發(fā)表

    請遵守用戶 評論公約

    類似文章 更多