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。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博客文章浏览阅读163次。本文详细介绍了R语言中常见的数据结构的向量和矩阵。通过掌握这些数据结构的基本概念和操作技巧,可以更高效地处理和分析数据。https://blog.csdn.net/2301_79425796/article/details/140734026?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22140734026%22%2C%22source%22%3A%222301_79425796%22%7D
欢迎订阅我们专栏
.......前面部分请点击上面链接看原文(原文5426字)
2、矩阵(Matrix)
矩阵是一种二维数组,每个矩阵仅能包含一类数据(数值型、字符型或者逻辑型)。可以通过函数 matrix() 来构建矩阵。其中,nrow 和 ncol 参数分别用于指定行和列的维数;dimnames 参数包含了可供选择的、以字符型向量形式呈现的行名和列名;byrow 参数表示矩阵应当按行填充(TRUE)还是按列填充(FALSE),默认是按列填充。另外,list() 函数用于创建列表。
创建行名和列名的向量
rnames <- c("R1", "R2")
cnames <- c("C1", "C2", "C3")
这两行代码分别创建了行名和列名的向量:
rnames
向量包含两个元素,分别是"R1"
和"R2"
,表示矩阵的行名。cnames
向量包含三个元素,分别是"C1"
、"C2"
和"C3"
,表示矩阵的列名。
mat.data <- matrix(data = c(7:12), nrow=2, ncol=3, byrow = TRUE, dimnames=list(rnames, cnames))
这行代码创建了一个矩阵,具体参数解释如下:
data = c(7:12)
指定矩阵的数据是从7到12的数值,即7, 8, 9, 10, 11, 12;nrow = 2
指定矩阵有2行;ncol = 3
指定矩阵有3列;byrow = TRUE
指定矩阵按行填充数据,即先填充第一行,然后填充第二行;dimnames = list(rnames, cnames)
指定矩阵的行名和列名,分别是之前定义的rnames
和cnames
。
打印矩阵
mat.data
显示结果为:
C1 C2 C3
R1 7 8 9
R2 10 11 12
访问矩阵元素
矩阵的元素可以通过行索引和列索引来访问。例如,访问第一行第二列的元素:
element <- mat.data[1, 2]
print(element)
输出结果:
[1] 8
矩阵运算
矩阵可以进行各种数学运算,如加法、减法、乘法和除法。例如:
# 创建另一个矩阵
mat.data2 <- matrix(data = c(1:6), nrow = 2, ncol = 3, byrow = TRUE)
# 矩阵加法
result <- mat.data + mat.data2
print(result)
输出结果:
C1 C2 C3
R1 8 10 12
R2 12 14 16
矩阵转置
矩阵的转置可以使用t()
函数:
# 转置矩阵
transposed <- t(mat.data)
print(transposed)
输出结果:
R1 R2
C1 7 10
C2 8 11
C3 9 12
矩阵是R语言中一种重要的数据结构,用于存储和操作二维同类型数据。通过matrix()
函数可以方便地创建矩阵,并且可以为矩阵指定行名和列名。矩阵支持各种数学运算和矩阵操作,如加法、乘法和转置等。在数据分析和统计计算中,矩阵有着广泛的应用。
本文详细介绍了R语言中常见的数据结构的向量和矩阵。通过掌握这些数据结构的基本概念和操作技巧,可以更高效地处理和分析数据。下一节课,我们继续介绍数组、数据框和列表,和它们的基本操作,以及各种符号的使用,你将能够更加高效地进行数据分析和编程。
数据结构 | 维度 | 同质性 | 主要特点 | 使用场景 |
---|---|---|---|---|
向量 | 一维 | 同质 | 基本单元,支持简单运算 | 存储简单的一维数据 |
矩阵 | 二维 | 同质 | 行列索引,支持矩阵运算 | 存储二维表格数据,进行线性代数运算 |
数组 | 多维 | 同质 | 多维索引,支持数组运算 | 存储多维数据,如图像处理 |
数据框 | 二维 | 异质 | 行列索引,每列不同类型数据 | 存储和操作异质二维表格数据 |
列表 | 多层次 | 异质 | 嵌套结构,可包含多种数据结构 | 存储复杂和多层次的数据 |
........
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
9章9节:试验的随机分组认识,用R做简单随机化-CSDN博客
9章11节:用R实现区组随机化和置换区组随机化-CSDN博客
9章12节:动态随机化方法介绍,和用R绘制随机化卡片-CSDN博客
第十章:Meta分析攻略
10章1节:认识循证医学中的Meta分析,并予代码演示分析绘图-CSDN博客
10章2节:Meta分析的7大步骤的扼要解读-CSDN博客
10章3节:二分类变量的Meta分析模型,分析公式构建和结果解读-CSDN博客