R语言对矩阵进行运算 r语言矩阵表示 |
您所在的位置：网站首页 › r语言csv文件转化为矩阵 › R语言对矩阵进行运算 r语言矩阵表示 |
R语言对矩阵进行运算 r语言矩阵表示
|
R语言的矩阵、列表、数据框矩阵 矩阵是一个按照长方阵列排列的复数或实数集合。向量是一维的，而矩阵是二维的，需要有行和列。 在R软件中，矩阵是有维数的向量，这里的矩阵元素可以是数值型，字符型或者逻辑型，但是每个元素必须都拥有相同的模式，这个和向量一致。 > m m [,1] [,2] [,3] [,4] [,5] [1,] 1 5 9 13 17 [2,] 2 6 10 14 18 [3,] 3 7 11 15 19 [4,] 4 8 12 16 20默认按列分布数值，可以用byrow参数设置按行还是按列分布 > m m [,1] [,2] [,3] [,4] [,5] [1,] 1 5 9 13 17 [2,] 2 6 10 14 18 [3,] 3 7 11 15 19 [4,] 4 8 12 16 20 > m m [,1] [,2] [,3] [,4] [,5] [1,] 1 2 3 4 5 [2,] 6 7 8 9 10 [3,] 11 12 13 14 15 [4,] 16 17 18 19 20 > m m [,1] [,2] [,3] [,4] [,5] [1,] 1 5 9 13 17 [2,] 2 6 10 14 18 [3,] 3 7 11 15 19 [4,] 4 8 12 16 20为矩阵的行和列取名 > rnameS rnameS [1] "R1" "R2" "R3" "R4" > cnames cnames [1] "C1" "C2" "C3" "C4" "C5" > rnameS [1] "R1" "R2" "R3" "R4" > dimnames(m) m C1 C2 C3 C4 C5 R1 1 5 9 13 17 R2 2 6 10 14 18 R3 3 7 11 15 19 R4 4 8 12 16 20dim函数是Dimensions的简称，dim函数可以显示向量的维数 > x [1] 1 2 3 4 5 6 7 8 9 10 [11] 11 12 13 14 15 16 17 18 19 20 > dim(x) NULL > dim(x) x [,1] [,2] [,3] [,4] [,5] [1,] 1 5 9 13 17 [2,] 2 6 10 14 18 [3,] 3 7 11 15 19 [4,] 4 8 12 16 20数组 > x dim(x) x , , 1 [,1] [,2] [1,] 1 3 [2,] 2 4 , , 2 [,1] [,2] [1,] 5 7 [2,] 6 8 , , 3 [,1] [,2] [1,] 9 11 [2,] 10 12 , , 4 [,1] [,2] [1,] 13 15 [2,] 14 16 , , 5 [,1] [,2] [1,] 17 19 [2,] 18 20array函数创建数组 > dim1 dim2 dim2 dim2 [1] "B1" "B2" "B3" > dim3 z z , , C1 B1 B2 B3 A1 1 3 5 A2 2 4 6 , , c2 B1 B2 B3 A1 7 9 11 A2 8 10 12 , , c3 B1 B2 B3 A1 13 15 17 A2 14 16 18 , , c4 B1 B2 B3 A1 19 21 23 A2 20 22 24矩阵的索引 > m m [,1] [,2] [,3] [,4] [,5] [1,] 1 2 3 4 5 [2,] 6 7 8 9 10 [3,] 11 12 13 14 15 [4,] 16 17 18 19 20 > m[1,2] #取第1行第2列的值 [1] 2 > m[1,c(2,3,4)] #取第1行第2,3,4列的值 [1] 2 3 4 > m[c(2:4),c(2,3)] #取第2-4行，第2,3列 [,1] [,2] [1,] 7 8 [2,] 12 13 [3,] 17 18 > m[2,] #取第2行全部值 [1] 6 7 8 9 10 > m[,2] #取第2列全部值 [1] 2 7 12 17 > m[2] #取第2行第1个值 [1] 6 > m[-1,2] #去除第1 行之后的第2列的值 [1] 7 12 17矩阵行和列具有名称属性，则可以通过名称访问行和列 > rnames rnames [1] "R1" "R2" "R3" "R4" > cnames cnames [1] "C1" "C2" "C3" "C4" "C5" > dimnames(m)=list(rnames,cnames) > m C1 C2 C3 C4 C5 R1 1 2 3 4 5 R2 6 7 8 9 10 R3 11 12 13 14 15 R4 16 17 18 19 20 > m["R1","C2"] [1] 2colSums () 函数计算每一列的和，rowSums（）函数计算每一行的和 > n t n [,1] [,2] [,3] [1,] 1 4 7 [2,] 2 5 8 [3,] 3 6 9 > t [,1] [,2] [,3] [1,] 2 5 8 [2,] 3 6 9 [3,] 4 7 10 > n+t #矩阵相加 [,1] [,2] [,3] [1,] 3 9 15 [2,] 5 11 17 [3,] 7 13 19 > n*t #矩阵的乘积 [,1] [,2] [,3] [1,] 2 20 56 [2,] 6 30 72 [3,] 12 42 90 > n%*%t #矩阵的外积 [,1] [,2] [,3] [1,] 42 78 114 [2,] 51 96 141 [3,] 60 114 168列表列表顾名思义就是用来存储很多内容的一个集合，在其他编程语言中列表一般和数组是等同的，但是在R语言中，列表却是R中最复杂的一种数据结构，也是非常重要的一种数据结构。列表就是一些对象的有序集合。列表中可以存储若干向量、矩阵、数据框，甚至其他列表的组合。 向量与列表1、在模式上和向量类似，都是一维数据集合。2、向量只能存储一种数据类型，列表中的对象可以是中的任何数据结构，甚至列表本身。 > a b c d a;b;c;d [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 [17] 17 18 19 20 [,1] [,2] [,3] [,4] [,5] [1,] 1 5 9 13 17 [2,] 2 6 10 14 18 [3,] 3 7 11 15 19 [4,] 4 8 12 16 20 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 Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1 Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4 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 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 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 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 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 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 Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4 Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6 Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8 Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2 [1] "this is a test list" > mlist mlist mlist $first [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 $second [,1] [,2] [,3] [,4] [,5] [1,] 1 5 9 13 17 [2,] 2 6 10 14 18 [3,] 3 7 11 15 19 [4,] 4 8 12 16 20 $third 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 Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1 Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4 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 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 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 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 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 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 Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4 Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6 Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8 Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2 $forth [1] "this is a test list"列表访问> mlist[1] #访问列表第一个元素 $first [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 [1] 2 3 4 5 6 7 8 9 10 11 > mlist[c(1,4)] #访问多个元素， $first [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 $forth [1] "this is a test list" ##通过名称访问 ，state.center #美国50个州中心的经度和纬度 > mlist["first"] $first [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 > mlist[c("first","forth")] $first [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 $forth [1] "this is a test list" #列表名$元素名称 > mlist$first [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20列表访问元素的双括号和单括号的区别 > mlist[1] $first [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 > mlist[[1]] [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 > class (mlist[1]) [1] "list" > class(mlist[[1]]) [1] "integer"给列表赋值 > y [1] 1 12 23 34 45 56 67 78 89 100 > mlist[[5]] mlist[-5] > mlist mlist[[5]] women height weight 1 58 115 2 59 117 3 60 120 4 61 123 5 62 126 6 63 129 7 64 132 8 65 135 9 66 139 10 67 142 11 68 146 12 69 150 13 70 154 14 71 159 15 72 164 > plot(women$height,women$weight) #绘制女性身高体重的散点图
lm（）函数是一个线性模型函数，用于线性回归分析 > lm(weight ~height,data = women) Call: lm(formula = weight ~ height, data = women) Coefficients: (Intercept) height -87.52 3.45attach（）函数加载数据框到R搜索目录之后，可以直接输入向量的名字 > attach(women) > height [1] 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 > weight [1] 115 117 120 123 126 129 132 135 139 142 146 150 154 159 164 #使用完之后，可以使用detach（）函数取消加载 > detach(women)with（）函数也可以输出函数名字的元素 > with(women,{height}) [1] 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 > with(women,{weight}) [1] 115 117 120 123 126 129 132 135 139 142 146 150 154 159 164 > with(women,{sum(weight)}) [1] 2051
|
【本文地址】
今日新闻 |
推荐新闻 |