下面内容摘录自《用R探索医药数据科学》专栏文章的部分内容。栏目后续章节的文章将深入概括R语言在临床研究和新药创新领域的应用,填补了国内R教材中尚未广泛覆盖的部分内容。
欢迎订阅我们专栏
.......前面部分请点击上面链接看原文(原文5241字)
逻辑运算和矩阵运算是R语言中两个重要的功能模块,前者用于逻辑判断和条件筛选,后者用于处理多维数据结构和执行线性代数运算。本文章详细介绍R语言中的逻辑运算和矩阵运算,帮助读者掌握这两类运算的基本概念、操作方法和实际应用。
二、矩阵运算
矩阵运算是数据处理和分析的重要组成部分。矩阵是一种二维数据结构,由行和列组成。R语言提供了多种函数来操作和处理矩阵,使得数据分析更加便捷和高效。矩阵可以通过多种方式创建,最常见的方法是使用matrix()
函数。我们可以通过指定数据、行数和列数来创建矩阵。例如,下面的代码创建了一个2x2的矩阵:
# 创建一个2x2的矩阵
matrix_1 <- matrix(c(1, 2, 10, 3), nrow = 2, ncol = 2)
print(matrix_1)
# 结果:
# [,1] [,2]
# [1,] 1 10
# [2,] 2 3
矩阵的合并
矩阵的合并是指将两个或多个矩阵在横向或纵向上进行拼接。R语言中,cbind()
函数用于横向合并矩阵,而rbind()
函数用于纵向合并矩阵。我们首先创建一个简单的矩阵Max.1
,然后进行合并操作。
# 创建矩阵Max.1
Max.1 <- rbind(c(1, 10), c(2, 3))
print(Max.1)
# 结果:
# [,1] [,2]
# [1,] 1 10
# [2,] 2 3
# 使用cbind()函数横向合并矩阵
Max.2 <- cbind(Max.1, Max.1)
print(Max.2)
# 结果:
# [,1] [,2] [,3] [,4]
# [1,] 1 10 1 10
# [2,] 2 3 2 3
# 使用rbind()函数纵向合并矩阵
Max.3 <- rbind(Max.1, Max.1)
print(Max.3)
# 结果:
# [,1] [,2]
# [1,] 1 10
# [2,] 2 3
# [3,] 1 10
# [4,] 2 3
矩阵的求和
R语言提供了colSums()
和rowSums()
函数,用于计算矩阵各列和各行的和。这对于数据汇总和统计分析非常有用。以下示例展示了如何对矩阵Max.2
的各列和各行求和。
# 计算矩阵Max.2各列的和
column_sums <- colSums(Max.2)
print(column_sums)
# 结果:
# [1] 3 13 3 13
# 计算矩阵Max.2各行的和
row_sums <- rowSums(Max.2)
print(row_sums)
# 结果:
# [1] 22 10
矩阵的基本算术运算
矩阵的基本算术运算包括加法、减法、乘法和除法。R语言允许对矩阵进行元素级别的操作。例如,我们可以对两个相同维度的矩阵进行加法运算。
# 创建两个矩阵
matrix_A <- matrix(c(1, 2, 3, 4), nrow = 2, ncol = 2)
matrix_B <- matrix(c(5, 6, 7, 8), nrow = 2, ncol = 2)
# 矩阵加法
matrix_sum <- matrix_A + matrix_B
print(matrix_sum)
# 结果:
# [,1] [,2]
# [1,] 6 9
# [2,] 8 12
# 矩阵减法
matrix_diff <- matrix_A - matrix_B
print(matrix_diff)
# 结果:
# [,1] [,2]
# [1,] -4 -4
# [2,] -4 -4
# 矩阵乘法(元素级别)
matrix_prod <- matrix_A * matrix_B
print(matrix_prod)
# 结果:
# [,1] [,2]
# [1,] 5 18
# [2,] 21 32
# 矩阵除法(元素级别)
matrix_div <- matrix_A / matrix_B
print(matrix_div)
# 结果:
# [,1] [,2]
# [1,] 0.2000000 0.4285714
# [2,] 0.3333333 0.5000000
矩阵的转置
矩阵的转置是指将矩阵的行和列互换。R语言中的t()
函数用于对矩阵进行转置操作。
matrix_E <- matrix(c(1, 2, 3, 4), nrow = 2, ncol = 2)
# 矩阵转置
matrix_transpose <- t(matrix_E)
print(matrix_transpose)
# 结果:
# [,1] [,2]
# [1,] 1 3
# [2,] 2 4
在 R 语言的丰富功能中,逻辑运算和矩阵运算扮演着至关重要的角色。逻辑运算使得我们能够根据不同的条件进行判断和筛选。就像我们前面提到的&
(逻辑与)和|
(逻辑或)运算符,它们帮助我们在数据处理和分析中做出精确的条件判断。比如,在处理大量数据时,我们可以通过逻辑运算快速找出符合特定条件的数据子集,从而进行更有针对性的分析。而矩阵运算则为处理大规模数据提供了高效的手段。
在这里,你学到的并非仅仅是 R 的某一个技巧,而是能够从零开始,深入且系统地学习 R 语言。此外,本专栏每周至少定期更新三篇文章,每篇文章篇幅均在 5000 字以上。而且,对于已经发表的知识点,我们也会根据新的技术或理解及时进行更新,这是纸质版图书无法做到的。为了让更多的忠实粉丝和同学们享受到实惠,本专栏采用折扣定价策略。随着章节的不断完成,折扣力度会逐渐减小。所以,现在正是订阅的最佳时机!
https://blog.csdn.net/2301_79425796/category_12729892.html?spm=1001.2014.3001.5482
第一章:认识数据科学和R
1章1节:数据科学的发展历程,何 R 备受青睐及我们专栏的独特之处(更新20240822)-CSDN博客
1章2节:关于人工智能、机器学习、统计学连和机器学习、R 与 ChatGPT 的探究 (更新20240814)-CSDN博客
1章3节:R 语言的产生与发展轨迹(更新2024/08/14)-CSDN博客
1章4节:数据可视化, R 语言的静态绘图和 Shiny 的交互可视化演示(更新20240814)-CSDN博客
第二章:R的安装和数据读取
2章1节:R和RStudio的下载和安装(Windows 和 Mac)_rst语言选择哪个镜像-CSDN博客
2章2节:RStudio 四大区应用全解,兼谈 R 的代码规范与相关文件展示_rstudio的console和terminal-CSDN博客
2章3节:RStudio的高效使用技巧,自定义RStudio环境(更新20240823)_rstudio如何使用-CSDN博客
2章4节:用RStudio做项目管理,静态图和动态图的演示,感受ggplot2的魅力-CSDN博客
2章5节:认识和安装R的扩展包,什么是模糊搜索安装,工作目录和空间的区别与设置(更新20240807 )-CSDN博客
2章6节:R的数据集读取和利用,如何高效地直接复制黏贴数据到R(更新20240807 )_r语言 复制数据集-CSDN博客
2章7节:读写RDS,CSV,TXT,Excel,SPSS、SAS、Stata、Minitab等的数据文件(更新20240807)_r语言读取rds文件-CSDN博客
2章8节:一文学会 R Markdown 的文档核心操作,切记文末有R资源的分享_r markdown文件(.rmd)-CSDN博客
2章9节:认识R与数据库连接和网络爬虫,学会在R中使用SQL语言_sql和r语言-CSDN博客
2章10节:用 R 直接下载并分析 NHANES 数据库的数据,文末示例自创便捷下载函数(更新20240807)_nhanes数据分析-CSDN博客
第三章:认识数据
3章1节:数据的基本概念以及 R 中的数据结构、向量与矩阵的创建及运算-CSDN博客
3章2节:继续讲R的数据结构,数组、数据框和列表-CSDN博客
3章3节:R的赋值操作与算术运算_r里面的赋值-CSDN博客
第四章:数据的预处理
4章1节:全面了解 R 中的数据预处理,通过 R 基本函数实施数据查阅_r数据预处理-CSDN博客
4章2节:从排序到分组和筛选,通过 R 的 dplyr 扩展包来操作-CSDN博客
4章3节:处理医学类原始数据的重要技巧,R语言中的宽长数据转换,tidyr包的使用指南-CSDN博客
4章4节:临床数据科学中如何用R来进行缺失值的处理_临床生存分析缺失值r语言-CSDN博客
4章5节:数据科学中的缺失值的处理,删除和填补的选择,K最近邻填补法-CSDN博客
4章6节:R的多重填补法中随机回归填补法的应用,MICE包的实际应用和统计与可视化评估-CSDN博客
4章7节:用R做数据重塑,数据去重和数据的匹配-CSDN博客
4章8节:用R做数据重塑,行列命名和数据类型转换-CSDN博客
4章9节:用R做数据重塑,增加变量和赋值修改,和mutate()函数的复杂用法_r语言如何在数据集中添加变量-CSDN博客
4章10节:用R做数据重塑,变体函数应用详解和可视化的数据预处理介绍-CSDN博客
4章11节:用R做数据重塑,数据的特征缩放和特征可视化-CSDN博客
4章12节:R语言中字符串的处理,正则表达式的基础要点和特殊字符-CSDN博客
4章13节:R语言中Stringr扩展包进行字符串的查阅、大小转换和排序-CSDN博客
4章14节:R语言中字符串的处理,提取替换,分割连接和填充插值_r语言替换字符串-CSDN博客
4章15节:字符串处理,提取匹配的相关操作扩展,和Stringr包不同函数的重点介绍和举例-CSDN博客
4章16节:R 语言中日期时间数据的关键处理要点_r语言 时刻数据-CSDN博客
第五章:定量数据的统计描述
5章1节:用R语言进行定量数据的统计描述,文末有众数的自定义函数-CSDN博客
5章2节:离散趋势的描述,文末1个简单函数同时搞定20个结果-CSDN博客
5章3节:在R语言中,从实际应用的角度认识假设检验-CSDN博客
5章4节:从R语言的角度认识正态分布与正态性检验-CSDN博客
5章5节:认识方差和方差齐性检验(三种方法全覆盖)-CSDN博客
5章9节:组间差异的非参数检验,Wilcoxon秩和检验和Kruskal-Wallis检验-CSDN博客
第六章:定性数据的统计描述
6章1节:定性数据的统计描述之列联表,文末有优势比计算介绍-CSDN博客
6章2节:认识birthwt数据集,EpiDisplay和Gmodels扩展包的应用-CSDN博客
6章3节:独立性检验,卡方检验,费希尔精确概率检验和Cochran-Mantel-Haenszel检验-CSDN博客
6章4节:相关关系和连续型变量的Pearson相关分析-CSDN博客
6章5节:分类型变量的Spearman相关分析,偏相关分析和相关图分析-CSDN博客
6章6节:相关图的GGally扩展包,和制表的Tableone扩展包-CSDN博客
第七章:R的传统绘图
7章1节:认识R的传统绘图系统,深度解析plot()函数和par()函数的使用-CSDN博客
7章2节:R基础绘图之散点图、直方图和概率密度图-CSDN博客
7章5节:散点矩阵图,与小提琴图、Cleveland 点图、马赛克图和等高图-CSDN博客
7章6节:用R进行图形的保存与导出,详细的高级图形输出,一文囊括大多数保存的各种问题,和如何批量保存不同情况的图形-CSDN博客
第八章:R的进阶绘图
8章1节:认识 ggplot2 扩展包,深度解析 qplot() 函数的使用-CSDN博客
8章2节:深度讲解 ggplot2 的绘图步骤,理解其核心逻辑, 和 ggplot()函数-CSDN博客
8章3节:用R来绘制医学地理图,文末有具体完整代码-CSDN博客
8章4节:维恩图的认识与应用,和使用UpSet图-CSDN博客
8章5节:用R绘制平行坐标图-CSDN博客
8章8节:绘制自定义的高质量动态图和交互式动态图-CSDN博客
第九章:临床试验的统计
9章4节:两组例数相同的均数比较的样本量估计和绘制功效曲线-CSDN博客
9章5节:两组的例数不等的均数比较的样本量估计和可视化-CSDN博客
9章6节:自身配对设计的均数比较临床试验的样本量估计和可视化-CSDN博客
9章8节: 两、三组试验组率比较的样本量估算和可视化-CSDN博客