首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

如何在unlist(lapply(mydata,function(x) {x$getElementText()}))后保持取值的原始格式

在使用unlist(lapply(mydata, function(x) {x$getElementText()}))函数后,我们可以通过以下方法来保持取值的原始格式:

  1. 使用sapply()函数代替lapply()函数:sapply()函数在对列表进行操作时会尝试将结果转换为合适的数据类型,而lapply()函数则会将结果转换为向量。因此,我们可以使用sapply()函数来保持原始格式。示例代码如下:
代码语言:txt
复制
result <- sapply(mydata, function(x) {x$getElementText()}, simplify = FALSE)
  1. 使用unlist()函数的参数:使用unlist()函数时,可以通过设置参数use.names=FALSE来保持原始格式。示例代码如下:
代码语言:txt
复制
result <- unlist(lapply(mydata, function(x) {x$getElementText()}), use.names = FALSE)

这样,我们就可以在使用unlist()函数后保持取值的原始格式了。

需要注意的是,以上方法适用于大多数情况,但并不保证适用于所有情况。在特定情况下,可能需要根据具体需求进行适当调整。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

  • 用R进行文本分析初探——包含导入词库和和导入李白语句

    /李白诗集.scel","libai") 安装好,输入同样代码,结果如下 ?...4.分词+统计词频 words=unlist(lapply(X=res, FUN=segmentCN)) #unlist将list类型数据,转化为vector #lapply()返回一个长度与X一致列表...word=lapply(X=words, FUN=strsplit, " ") v=table(unlist(word)) #table统计数据频数 结果v部分截图如下,可以看出此时已经统计好词频了...(lapply(X=res, FUN=segmentCN)) #unlist将list类型数据,转化为vector #lapply()返回一个长度与X一致列表,每个元素为FUN计算出结果,且分别对应到...word=lapply(X=words, FUN=strsplit, " ") v=table(unlist(word)) #table统计数据频数 # 降序排序 v=rev(sort(v))

    2.4K50

    R语言︱数据分组统计函数族——apply族用法与心得

    =list apply 都需要数据框格式,可以与list合用,返回仍是list list用法 sapply=simplify apply=unlist(lapply) 都需要数据框格式,可以与list合用..., ...) lapply Apply a Function over a List or Vector对列表或者向量使用函数 lapply(X, FUN, ...) sapply Apply a Function...lapply使用格式为: lapply(X, FUN, ...) lapply返回值是和一个和X有相同长度list对象, 这个list对象中每个元素是将函数FUN应用到X每一个元素。...同时,lapplyx,fun),这个x格式很重要,如果灌入是list,在使用时候,其实是先把x[[1]],之后然后放入fun之中。也就是说,先拨开list,然后再灌入。...例如: a=function(x)[ x=names(x) x[x=="a"] } lapply(y,a) 从这段代码大致可以了解到,lapply精髓在输入与输出。

    3.5K30

    手把手教你处理illumina beadchip芯片数据

    下载GenomeStudio导出数据 GenomeStudio是处理illumina原始芯片软件,在数据库中提供了该批数据导出结果 该文件内容如下 每一行为一个探针,每个样本用两列表示,第一列是...进行pvalue 校正 计算荧光信号强度与检测p值相关性,代码如下 > x <- read.table("GSE112676_HT12_V3_preQC_nonnormalized.txt", header...<- unlist(lapply(1:sample_cnt, function(t){ + res <- cor.test(x[[t * 2 - 1]], x[[t * 2]], method...为了使整体保持一致,将占比较少正相关样本p值,改为1-P, 代码如下 > # 校正p值 > for(t in which(spearman_cor > 0.9)) { + x[[t * 2]...] <- 1 - x[[t * 2]] + } > # 校正后重新查看相关系数分布 > spearman_cor <- unlist(lapply(1:sample_cnt, function(t){

    1.6K30

    生信编程直播课程优秀学员作业展示1

    (data_item){ # 该函数用于apply执行 # 输入数据为仅含原始数据第1列和第10列dataframe # 用apply函数执行输出数据为每个基因外显子坐标, # 一个基因所有外显子以逗号分隔组成一个...string,所有基因string组成一个vector # 用apply函数执行,最后格式为c('111-112, 115-135, 125-138', '254-258',...)...exon <- unique(strsplit(gene,", ")[[1]])}get_length <- function(exon){ # 输入数据为lapply(c('111-112','115...exon <- unique(strsplit(gene,", ")[[1]])# 注:strsplit输出结果为列表}get_length <- function(exon){ # 输入数据为lapply...exon_i <- lapply(get_exon(gene_i), get_length) mat <- matrix(unlist(exon_i), ncol=3, byrow = T) #mat

    1.1K60

    GWAS实战教程之制作PLINK格式文件(下)

    在上期推送中,我带领大家制作了表型文件和.map文件,今天我们学习一下如何制作.ped文件,关于.ped文件信息请参见往期内容GWAS实战之制作PLINK格式文件(上)。...<- markerID # 给新数据添加列名 mygeno <- as.data.frame(mygeno) mygeno[1:5,1:5] ##这里新建一个列表,用于存储基因型数据,便于后续使用lapply...(genoList,function(x){unlist(strsplit(x,""))[seq(1,2*dim(mygeno)[1],2)]}) # 循环切割基因型数据 A1 <-as.data.frame...(matrix(unlist(A1),byrow=F, ncol=ncol(mygeno))) # 将切割好第一个等位基因变成数据框(要按列排) A2 <- lapply(genoList,function...(x){unlist(strsplit(x,""))[seq(2,2*dim(mygeno)[1],2)]}) # 同上 A2 <- as.data.frame(matrix(unlist(A2),byrow

    78710

    V5版seurat读取不同格式单细胞数据

    使用Seuratv5来读取多个10x单细胞转录组矩阵 使用Seuratv5来读取多个不是10x标准文件单细胞项目 不同格式单细胞多数据读取方法 读取数据进行分析之前,我们需要安装加载需要R包,...如果是10X标准格式多个数据,那我们使用Read10X()函数将多个数据读取进来,再创建seurat对象即可 ##10X标准格式 #单个样品数据V4和V5读取进来没有太大差异 #置顶 samples...head(sce.all@meta.data) h5格式 h5格式其实也有对应函数Read10X_h5()可以直接读取,但是Read10X_h5使用循环读取多个数据文件,会返回一个list,需要手动整合一下.../GSE159115_RAW/' samples=list.files( dir ) samples #读取h5格式文件 sceList = lapply(samples,function(pro)...参考推文:使用Seuratv5来读取多个不是10x标准文件单细胞项目 txt.gz格式 dir='.

    3.7K24

    十步搞定单因素方差分析

    看过我TCGA肿瘤数据库知识图谱小伙伴都只是如何在任意癌症查询指定感兴趣基因表达量,并且对样本进行分组比较,网站是:https://xenabrowser.net/heatmap/ 悄咪咪上线了TCGA...第1步:计算各组内样本均值 lapply(split(df,df$sample_type),function(x) mean(x$CUL5)) 第2步:计算所有样本均值 mean(df$CUL5 ) 第...3步:计算各组内部误差平方和 tmp=lapply(split(df,df$sample_type),function(x) sum((x$CUL5-mean(x$CUL5))^2) ) sse = sum...(unlist(tmp)) 第4步:计算各组间误差平方和 tmp=lapply(split(df,df$sample_type),function(x) nrow(x)*(mean(x$CUL5) -...mean(df$CUL5 ))^2 ) ssb = sum(unlist(tmp)) 第5步:计算各组内部均方误 mse=sse/(nrow(df)-length(unique(df$sample_type

    1.1K50
    领券