last_col <- cbind(last_col, gse_exp[, -ncol(gse_exp)]) 错误于data.frame(..., check.names = FALSE): 参数值意味着不同的行数: 0, 50352

这个错误通常表示你在尝试合并两个数据集时，它们的行数（即观测次数）不匹配。在这个上下文中，`last_col <- cbind(last_col, gse_exp[, -ncol(gse_exp)])`这句话的意思是把`last_col`和`gse_exp`除了最后一列的部分结合在一起。如果`last_col`是一个空数据框（行数为0），而`gse_exp[, -ncol(gse_exp)]`包含50352行，那么`cbind`会因为这两个对象的行数不一致而抛出错误。

解决这个问题，你需要确认`last_col`是否已经有一个与`gse_exp`其余列长度相同的列，或者是为空的数据框。如果是后者，需要先创建一个与`gse_exp`相同行数的`NULL`列，或者填充一些默认值，然后再尝试进行组合。例如：

if (nrow(last_col) == 0) {
  last_col <- data.frame(matrix(NA, ncol = ncol(gse_exp) - 1, nrow = nrow(gse_exp)))
  # 或者
  # last_col <- replicate(nrow(gse_exp), list(), simplify = FALSE)
}

last_col <- cbind(last_col, gse_exp[, -ncol(gse_exp)])

这里假设`gse_exp`有50352行。

相关问题

修改以下代码，只展示热图的一半：df <- read_excel("Merge_18.UMAP_celltypes_num_type.xlsx", sheet = "Proportion") df # 仅选择数值型的列 numeric_columns <- sapply(df, is.numeric) df_numeric <- df[, numeric_columns] # 计算斯皮尔曼相关系数 spearman_corr <- cor(df_numeric, method = "spearman") # 保留两位小数的相关系数 formatted_corr <- format(round(spearman_corr, 2), nsmall = 2) # 绘制斯皮尔曼相关系数热图 pdf("Merge_18.UMAP_celltypes_num_type_spearman_corr_heatmap.pdf", width = 8, height = 8) heatmap.2(spearman_corr, trace = "none", col = colorRampPalette(c("#FFFFFF","#F8FCCB", "#FCA86B"))(100), cellnote = formatted_corr, notecol = "black") dev.off()

要修改代码以展示热图的一半，你可以使用以下代码：

df <- read_excel("Merge_18.UMAP_celltypes_num_type.xlsx", sheet = "Proportion")
df_numeric <- df\[, sapply(df, is.numeric)\]

spearman_corr <- cor(df_numeric, method = "spearman")
formatted_corr <- format(round(spearman_corr, 2), nsmall = 2)

half_spearman_corr <- spearman_corr\[1:(ncol(spearman_corr)/2), \]
half_formatted_corr <- formatted_corr\[1:(ncol(formatted_corr)/2), \]

pdf("Merge_18.UMAP_celltypes_num_type_spearman_corr_heatmap.pdf", width = 8, height = 8)
heatmap.2(half_spearman_corr, trace = "none", col = colorRampPalette(c("#FFFFFF","#F8FCCB", "#FCA86B"))(100),
          cellnote = half_formatted_corr, notecol = "black")
dev.off()

这段代码首先读取Excel文件中的数据，并选择数值型的列。然后计算斯皮尔曼相关系数，并保留两位小数的相关系数。接下来，我们将相关系数矩阵的一半提取出来，以便只展示热图的一半。最后，使用`heatmap.2`函数绘制热图，并将结果保存为PDF文件。
#### 引用[.reference_title]
- *1* *2* *3* [小鼠参考基因组id转换gtf文件chb 自己注释 从官网下载相应的基因中注释文件gse155802 getmatrix genecode](https://blog.csdn.net/qq_52813185/article/details/127760873)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]

both_gene=intersect(gene1,gene2) gse77298norm <- t(gse77298norm) gse55235norm <- t(gse55235norm) gse55457norm <- t(gse55457norm) expr=rbind(gse77298norm[,both_gene],gse55235norm[,both_gene],gse55457norm[,both_gene]) batch <- paste0("batch", rep(c(1,2,3),c(23,20,23))) tissue <- c(stategse77298,stategse55235,stategse55457) tissue=as.character(tissue) mod <- model.matrix(~tissue) expr <- t(expr) dim(expr) expr_batch <- ComBat(dat = expr, batch = batch, mod = mod)

这段代码是在进行基因表达数据的批次效应校正。首先，对两个基因集合进行交集操作，得到共同的基因。然后，将三个数据集中共同基因的表达矩阵按行合并成一个大的表达矩阵，同时记录每个样本所属的批次和组织类型。接着，使用ComBat算法进行批次效应校正，其中`batch`参数表示批次信息，`mod`参数表示组织类型信息。最后返回校正后的表达矩阵。