xuzhougeng blog

我用conda创建了R=4.4.3的环境，然后直接用安装，发现会有一堆依赖问题导致无法顺利安装，然后就尝试用conda自己去安装。我先用了默认的conda包管理工具结果是一堆冲突，简单就说，我在当前的R=4.4.3环境下办不到。那我试试mamba呢？毕竟mamba可比conda快多了这下不报错了，但是我定睛一看，他这是要改我的R的环境啊！这肯定不能同意。那咋办呢？那就只能老老实实，自己解决依赖问题了，于是我就把如下的问题让AI给你提供解答方案我创建一个R=4.4.3的环境之后使用R安装ragg。

仔细观察，可以发现，运行提示的Using PKG_CFLAGS=-I/usr/include/x86_64-linux-gnu，用的不是我们conda的依赖库。然后我尝试安装 tidyverse，这就是噩梦的来源，因为tidyverse是一堆包的集合，尤其是其中的httr，如果你的系统是刚安装的，为了装这个包，你得装不少的依赖。这个就简单多了，我就猜测试libxml2没有，安装libxml2解决问题了。不同的R包要求不同，有的只需要运行时包，有的需要开发时包。这里就是一个知识点，区分运行时包和开发时包。

真正把控结果展示，而不迷迷糊糊

动态创建变量名的最好方式，应该就是列表了。

在网页版的Rstuio加载Seurat时，等待了很久都没有成功，刷新网页后就出现了如下的提示

这一篇文章是回答知识星球中一位星友的提问，她的电脑内存有限，无法直接使用所有数据，只能分析部分数据数据清单其中raw_counts.mtx是以稀疏矩阵格式存放的表达量数据，文件为6.5G, 用普通的文本编辑器无法打开，我们可以用L...

能，但是看统计方法

太长不读版- 治本的方法，服务器安装pango, 之后重新编译R语言- 治标的方法，在R的配置文件中增加`options(bitmapType='cairo')`

2019年发表在Nature上的文章【The single-cell transcriptional landscape of mammalian organogenesis】在方法部分提到，使用NNLS(non-negative linear-square)回归的方法分析两个细胞图谱数据集中相关细胞类型。这个方法，在我搜索的中文教程中都没有出现过，所以这里以两个pbmc的数据集为例进行介绍，如何复现文章的方法。10x的细胞数据集的预处理部分不做过多介绍， 如下代码以10x官网提供的数据为例libra

在我没有启动多少应用的时候，macOS已经显示它使用了22.09GB内存。其中App内存是15.81GB, 我并没有打开那么多App.这估计跟configd有关，因为configd占用了20.55G内存。那么configd是真的占用了内存，还是就是声明自己会用到那么多内存呢？我尝试着调用了比较多的内存，直接用了29.3Gb内存cols <- 8189rows <- 320127mat1 <- matrix(data = 0, nrow=320127, ncol = 8189)

处理gsl-config not found, lzma.h not found 的系列报错问题

去年11月换了一台16寸Macbook Pro，用上了苹果自己开发的arm架构的M1芯片。换上新电脑后，一个重要的事情，就是配置好我的R语言分析环境，同时做一期视频教程了。本篇内容是视频教程的概要，详细版见视频。第一步，安装R语言，目前推荐Intel版本的R。相对于arm64版本的R，Intel版本的R虽然需要rosetta转译，存在性能损耗，但同时支持CRAN和Bioconductor里的预编译R包，在安装R包上会省事不少。第二步: 安装Rstudio。下载地址为 https://www.rstu

调用函数时，遇到hursta2a520709cdf not available 也就是找不到的情况目前网络上找到资料都不够全面，详尽，正确的处理方法如下第一步，安装R包makecdfenv 并加载BiocManager::install('makecdfenv')library(makecdfenv)第二步, 在https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL15048下载 GPL15048_HuRSTA_2a520709.CDF