R实战：【基本类型】向量c和矩阵matrix

R实战系列专栏

向量

创建向量

改变向量的结构的方法就是重新赋值

x<-2:10  #用冒号运算符创建向量元素递增2 3 4 5 6 7 8 9 10

x<-20:10  #用冒号运算符创建递减向量20 19 18 17 16 15 14 13 12 11 10

c(1:10) #创建一维向量 1  2  3  4  5  6  7  8  9 10

c(1,2,3,5) #创建向量 1 2 3 5

seq(1,10,3) #步长为3产生向量1  4  7 10

seq(1,10,length=3) #总共3个 1.0  5.5 10.0

seq(x) #x所有元素的下标组成的向量

length(seq(NULL)) # 0 , seq(x)常用来遍历元素

NA #表示未知的值length(NA) = 1

NULL#表示不存在，空的 length(NULL) = 0

转化为矩阵as.matrix(x)

> y<-1:10
> y
 [1]  1  2  3  4  5  6  7  8  9 10
> as.matrix(y)
      [,1]
 [1,]    1
 [2,]    2
 [3,]    3
 [4,]    4
 [5,]    5
 [6,]    6
 [7,]    7
 [8,]    8
 [9,]    9
[10,]   10

向量化运算

循环补齐：长度不同的向量在做加法等运算时短的会循环补齐到和长的相同长度再运算，常量也一样

对x调用函数f，其实是x的每个元素都被调用了f；普通运算符也是向量化函数。这样可以成百倍的提高程序的运行速度

几乎所有函数都是向量化的，所以你的程序中如果使用了for循环，基本就烂到家了

> x
[1] 1 2 3 4 5
> w<-function(x) return (x+1)
> w(x)
[1] 2 3 4 5 6

> c(1,3,7,9,14)+1
[1]  2  4  8 10 15

向量提取(筛选)

> x<-c(1,3,8,2,20)
> x[x>3]<-0
> x
[1] 1 3 0 2 0
> 

subset筛选（NA会舍弃）

> x
[1]  1  3  8  2 20 NA
> x[x>5]
[1]  8 20 NA
> subset(x,x>5)
[1]  8 20

which获取符合条件的下标

> x
[1]  1  3  8  2 20 NA
> which(x>7)
[1] 3 5

矩阵

改变矩阵的结构的方法就是给矩阵重新赋值

矩阵是按列存储的：先存储第一列，再存储第二列

创建矩阵

> y<-matrix(c(1,2,3,4,5,6),nrow=2)
> y
     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6
> 

m<-rbind(c(1,4),c(2,2)) #每个C是一行(row bind)

> m<-rbind(c(1,4),c(2,2),c(5,6)) #每个C是一行(row bind)
> m
     [,1] [,2]
[1,]    1    4
[2,]    2    2
[3,]    5    6
> 

> y<-1:3
> y
[1] 1 2 3
> t<-as.matrix(y)
> t
     [,1]
[1,]    1
[2,]    2
[3,]    3
> cbind(t,t,t)
     [,1] [,2] [,3]
[1,]    1    1    1
[2,]    2    2    2
[3,]    3    3    3

按行创建

> y<-matrix(c(1,2,3,4,5,6),nrow=2,byrow=T)
> y
     [,1] [,2] [,3]
[1,]    1    2    3
[2,]    4    5    6

子矩阵

提取矩阵的某一行

m[1,] #提取矩阵的第1行，会降维变成成向量

提取矩阵的某一列

m[,2] #提取矩阵的第2列，会降维变成向量

矩阵函数

nrow(x) #获取矩阵的行数

ncol(x) #获取矩阵的列数

dim(x) #获取矩阵的行数和列数

t(x) #矩阵转置

apply(m,dimcode,f,fargs) #dimcode为1表示按行应用，2表示按列应用

> z<-matrix(c(1,2,3,4,5,6),nrow=3)
> z
     [,1] [,2]
[1,]    1    4
[2,]    2    5
[3,]    3    6
> f<-function(x) x/c(2,8)
> y<-apply(z,1,f)
> y
     [,1]  [,2] [,3]
[1,]  0.5 1.000 1.50
[2,]  0.5 0.625 0.75
> t(y)
     [,1]  [,2]
[1,]  0.5 0.500
[2,]  1.0 0.625
[3,]  1.5 0.750

矩阵的行列命名

> z<-matrix(c(1,2,3,4,5,6),nrow=3)
> z
     [,1] [,2]
[1,]    1    4
[2,]    2    5
[3,]    3    6
> colnames(z)
NULL
> colnames(z)<-c("a","b")
> colnames(z)
[1] "a" "b"
> z["a"]
[1] NA
> z[,"a"]
[1] 1 2 3

rbind 追加行 

cbind 追加列

> x<-rbind(1:3,4:6,7:9)
> x
     [,1] [,2] [,3]
[1,]    1    2    3
[2,]    4    5    6
[3,]    7    8    9
> y<-cbind(1:3,4:6,7:9)
> y
     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9
> x<-cbind(x,10:12)
> x
     [,1] [,2] [,3] [,4]
[1,]    1    2    3   10
[2,]    4    5    6   11
[3,]    7    8    9   12
> y<-rbind(y,10:12)
> y
     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9
[4,]   10   11   12

矩阵下标支持模糊查询

矩阵的下标自动支持模糊查询，请看下例：

> library(quantmod)#加载包  
> setSymbolLookup(WK=list(name='603166.ss',from = '2014-01-01', to = '2017-08-09', src='yahoo'))#从雅虎获取个股数据  
> getSymbols("WK")  
[1] "WK"
> chartSeries(WK)#画图 
> names(WK)
[1] "603166.SS.Open"     "603166.SS.High"    
[3] "603166.SS.Low"      "603166.SS.Close"   
[5] "603166.SS.Volume"   "603166.SS.Adjusted"
> WK['2017-08',1]
           603166.SS.Open
2017-08-01          11.43
2017-08-02          11.25
2017-08-03          11.00
2017-08-04          11.30
2017-08-07          11.00
2017-08-08          11.20

数据显示不全

options(max.print=1000000)

面向对象与泛型编程

R的函数基本都是函数模板，接收不同的类的对象作为参数，具体需要找到对应类的执行函数来执行

工作目录

获取当前工作目录

getwd()

设置工作目录

setwd()

或者

从主菜单中选择“文件”（File）→“改变工作目录”（Change dir...）

example函数

你想获取示例代码直接将要了解的函数名填入这个example函数即可自动运行示例