R语言数据结构之矩阵

已于 2022-04-16 22:24:29 修改
阅读量1.1w 收藏 112
点赞数 38
文章标签： r语言 数据结构
于 2022-04-13 23:22:55 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_54356409/article/details/124156282
版权

目录

 

1.创建矩阵

（1）通过matrix()函数创建矩阵

 (2)通过dim()函数创建矩阵，原理是改变维度

 2.矩阵的属性

3.访问矩阵

(1)通过下标访问

 (2)通过名称访问

 (3)访问后返回矩阵

 4.编辑矩阵中的元素

5.矩阵的基本运算

(1)矩阵间的运算

 (2)矩阵与向量的运算

 (3)其它运算

 6.矩阵的转置

 7.矩阵对角元素相关操作

 8.矩阵转化为向量

9.矩阵的行列计算 

 

1.创建矩阵

（1）通过matrix()函数创建矩阵

# 默认x轴优先
matrix(1:6, nrow = 2)

##       [,1] [,2] [,3]
##  [1,]    1    3    5
##  [2,]    2    4    6

# 设置Y轴优先
matrix(1:6, nrow = 2, byrow = T)

##        [,1] [,2] [,3]
##  [1,]    1    2    3
##  [2,]    4    5    6

# 通过dimnames参数添加行列名称
matrix(1:6, 
       nrow = 2, 
       # ncol = 3, 
       byrow = F, 
       dimnames = list(c('r1', 'r2'), 
                       c('c1', 'c2', 'c3')))

##       c1 c2 c3
##   r1  1  3   5
##   r2  2  4   6

rownames():添加行名

colnames():添加列名

# 通过rownames()、colnames()函数给矩阵添加行列名称
mat <- matrix(1:6, nrow = 2, byrow = T)
rownames(mat) <- c('R1', 'R2')
colnames(mat) <- c('C1', 'C2', 'C3')
mat

##        C1 C2 C3
##   R1  1  2    3
##   R2  4  5    6

 (2)通过dim()函数创建矩阵，原理是改变维度

# 产生向量
mat1 <- 1:6
mat1

##  [1] 1 2 3 4 5 6

# 改变向量维度后成为矩阵
dim(mat1) <- c(2, 3)
mat1

 ##       [,1] [,2] [,3]
##  [1,]    1    3    5
##  [2,]    2    4    6

is.matrix(mat1)  #验证向量是否为矩阵

##  [1] TRUE

# 按行填充
mat2 <- 1:6
dim(mat2) <- c(3, 2)
mat2 <- t(mat2)         # t()换行换列
mat2

##       [,1] [,2] [,3]
##  [1,]    1    2    3
##  [2,]    4    5    6

 2.矩阵的属性

# 数据结构类型
class(mat)

##  [1] "matrix" "array" 

# 数据元素类型
typeof(mat)

##  [1] "integer"

# 数据维度
dim(mat)

 ##  [1] 2   3

# 行维度
nrow(mat)

 ##  [1]  2

# 列维度
ncol(mat)

 ##  [1]  3

# 数据元素个数
length(mat)

  ##  [1]  6

# 行名称
rownames(mat)

 ##  [1] "R1" "R2"

# 列名称
colnames(mat)

##  [1] "C1" "C2" "C3"

3.访问矩阵

(1)通过下标访问

# 输出mat矩阵
mat

##     C1 C2 C3
##  R1  1  2  3
##  R2  4  5  6

# 访问第2行第2列元素
mat[2, 2]

##  [1] 5

# 访问第2行元素
mat[2, ]

 ##  C1 C2 C3 
##    4  5  6 

# 访问第2列元素
mat[, 2]

##  R1 R2 
##   2  5 

 

# 返回均为向量结构
#is.vector(mat[2, 2])
is.vector(mat[2, ])

##  [1] TRUE

 

# 访问第1-2行，第2-3列数据，返回矩阵
mat[1:2, 2:3]

##     C2 C3
##  R1  2  3
##  R2  5  6

# 访问第1-2行，第1、3列数据，返回矩阵
mat[1:2, c(1,3)]

##     C1 C3
##  R1  1  3
##  R2  4  6

 (2)通过名称访问

# 访问元素
mat['R2', 'C2']

##  [1] 5

# 访问R2行
mat['R2',]

##  C1 C2 C3 
##   4  5  6 

# 访问C2列
mat[, 'C2']

##  R1 R2 
##   2  5 

# 访问'R1'、'R2'行，'C1'、'C3'列，返回矩阵
mat[c('R1', 'R2'), c('C1', 'C3')]

##     C1 C3
##  R1  1  3
##  R2  4  6

 (3)访问后返回矩阵

mat[2, 2, drop = F]

##       C2
##  R2  5

mat[2, , drop = F]

##       C1 C2 C3
##  R2  4   5    6

#is.matrix(mat[2, 2, drop = F])
is.matrix(mat[2, , drop = F])    #查看是否为矩阵

##   [1] TRUE

 4.编辑矩阵中的元素

# 将第2行第2列数据修改成66
mat[2, 2] <- 66
mat

##     C1 C2 C3
##  R1  1  2  3
##  R2  4 66  6

# 将第3列数据修改成11
mat[,3] <- 11
mat

##     C1 C2 C3
##  R1  1  2 11
##  R2  4 66 11

# 将矩阵中小于4的元素修改成44
mat[mat<4] <- 44
mat

 ##       C1 C2 C3
##  R1  44 44  11
##  R2   4  66  11

# 删除第3列数据 
mat <- mat[, -3]
mat

##       C1   C2
##  R1  44  44
##  R2  4    66

mat <- matrix(1:9, nrow = 3)
mat

##         [,1] [,2] [,3]
##  [1,]    1    4    7
##  [2,]    2    5    8
##  [3,]    3    6    9

# 添加一行数据
rbind(mat, c(12, 13, 14))

##         [,1] [,2] [,3]
##  [1,]    1    4    7
##  [2,]    2    5    8
##  [3,]    3    6    9
##  [4,]   12   13   14

# 添加一列数据
cbind(mat, c(12, 13, 14))

##         [,1] [,2] [,3] [,4]
##  [1,]    1    4    7   12
##  [2,]    2    5    8   13
##  [3,]    3    6    9   14

5.矩阵的基本运算

(1)矩阵间的运算

X = matrix(seq(1, 9 , 2), nrow = 2)

## Warning in matrix(seq(1, 9, 2), nrow = 2): 数据长度[5]不是矩阵行数[2]的整倍

X = matrix(seq(1, 10, 2), nrow = 2)

##         [,1] [,2] [,3]
##  [1,]    1    5    9
##  [2,]    3    7   11 

Y = matrix(seq(2, 10, 12), nrow = 2)

##          [,1] [,2] [,3]
##  [1,]    2    6   10
##  [2,]    4    8   12

# 对应位置进行计算
# 四则运算X+Y、X-Y、X*Y、X/Y
X + Y

##          [,1] [,2] [,3]
##  [1,]    3   11   19
##  [2,]    7   15   23

 (2)矩阵与向量的运算

matrix(1:4, nrow = 2)

##         [,1] [,2]
##  [1,]    1    3
##  [2,]    2    4

# 数字3会自动补齐为matrix(c(3, 3, 3, 3), nrow = 2)
matrix(1:4, nrow = 2) + 3

 ##         [,1] [,2]
##  [1,]    4    6
##  [2,]    5    7

# 向量c(1, 2)自动补齐matrix(c(1, 2, 1, 2), nrow = 2)
matrix(1:4, nrow = 2) + c(1, 2)

##          [,1] [,2]
##  [1,]    2    4
##  [2,]    4    6

matrix(1:4, nrow = 2) + c(0, 2, 4,0)

##         [,1] [,2]
##  [1,]    1    7
##  [2,]    4    4

# 向量长度不能超过矩阵元素个数
# matrix(1:4, nrow = 2) + c(0, 2, 4, 6, 8)

 (3)其它运算

#cos(matrix(1:4, nrow = 2))
sin(matrix(1:4, nrow = 2))  #三角函数运算

##              [,1]                [,2]
##  [1,] 0.8414710  0.1411200
##  [2,] 0.9092974 -0.7568025

# max(matrix(1:4, nrow = 2))
# min(matrix(1:4, nrow = 2))   
# mean(matrix(1:4, nrow = 2))
exp(matrix(1:4, nrow = 2))  #指数运算

##             [,1]         [,2]
##  [1,] 2.718282 20.08554
##  [2,] 7.389056 54.59815

 6.矩阵的转置

# 产生向量
c(1:4)

##  [1] 1 2 3 4

# 使用t()函数将向量转换成行矩阵
t(c(1:4))

##          [,1] [,2] [,3] [,4]
##   [1,]    1    2    3    4

# 使用t()函数将向量转换两次可得到列矩阵
t(t(c(1:4)))

##          [,1]
##  [1,]    1
##  [2,]    2
##  [3,]    3
##  [4,]    4

 7.矩阵对角元素相关操作

# 矩阵对角元素
M <- matrix(1:9, nrow = 3)
diag(M)       #构造一个对角矩阵

##  [1] 1 5 9

diag(M) <- c(66, 77, 88)
M

##          [,1] [,2] [,3]
##  [1,]   66    4    7
##  [2,]    2   77    8
##  [3,]    3    6   88

# 创建对角矩阵
diag(c(1, 2, 3, 4, 5))

##         [,1] [,2] [,3] [,4] [,5]
##  [1,]    1    0    0    0    0
##  [2,]    0    2    0    0    0
##  [3,]    0    0    3    0    0
##  [4,]    0    0    0    4    0
##  [5,]    0    0    0    0    5

# 创建单位矩阵
diag(9)

##           [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9]
##   [1,]    1    0    0    0    0    0    0    0    0
##   [2,]    0    1    0    0    0    0    0    0    0
##   [3,]    0    0    1    0    0    0    0    0    0
##   [4,]    0    0    0    1    0    0    0    0    0
##   [5,]    0    0    0    0    1    0    0    0    0
##   [6,]    0    0    0    0    0    1    0    0    0
##   [7,]    0    0    0    0    0    0    1    0    0
##   [8,]    0    0    0    0    0    0    0    1    0
##   [9,]    0    0    0    0    0    0    0    0    1

 8.矩阵转化为向量

M <- matrix(1:9, nrow = 3)
M

##       [,1] [,2] [,3]
##  [1,]    1    4    7
##  [2,]    2    5    8
##  [3,]    3    6    9

# 默认按列转化成向量
as.vector(M)

##  [1] 1 2 3 4 5 6 7 8 9

c(M)

 ##  [1] 1 2 3 4 5 6 7 8 9

 

# 利用t()函数按行转化成向量
as.vector(t(M))

##  [1] 1 4 7 2 5 8 3 6 9

c(t(M))

 ##  [1] 1 4 7 2 5 8 3 6 9

9.矩阵的行列计算 

M <- matrix(1:12, nrow = 3)
M

##         [,1] [,2] [,3] [,4]
##  [1,]    1    4    7   10
##  [2,]    2    5    8   11
##  [3,]    3    6    9   12

# 计算第2列的平均值 
mean(M[, 2])

##  [1] 5

# 计算第2行的方差
var(M[2,])

##  [1] 15

# 计算行和
rowSums(M)

##  [1] 22 26 30

 apply()函数用于处理矩阵类型的数据，一般有三个参数；第一个参数代表对其应用操作的矩阵，第二个参数代表允许我们指定是按行还是按列应用操作（1表示对行，2表示对列），第三个参数代表处理数据的函数。

apply(M, 1, sum)

##   [1] 22 26 30

# 计算列和
colSums(M)

##  [1]  6 15 24 33

apply(M, 2, sum)

 ##  [1]  6 15 24 33

# 计算行平均值
rowMeans(M)

##  [1] 5.5 6.5 7.5

apply(M, 1, mean)

##  [1] 5.5 6.5 7.5 

# 计算列平均值
colMeans(M)

##  [1]  2  5  8 11

apply(M, 2, mean)

##  [1]  2  5  8 11 

# 计算每行最大值
apply(M, 1, max)

 ## [1] 10 11 12

# 计算每列最小值
apply(M, 2, min)

##  [1]  1  4  7 10

# 如果矩阵中存在NA值 ，可以设置na.rm=T忽略NA值
M[2, 2] <- NA
M

##         [,1] [,2] [,3] [,4]
##  [1,]    1    4    7   10
##  [2,]    2   NA    8   11
##  [3,]    3    6    9   12

#计算每一列的最大值
apply(M, 2, max)

 ##  [1]  3 NA  9 12

#忽略NA值计算每列最大值
apply(M, 2, max, na.rm = TRUE)

  ##  [1]  3 6  9 12

 rbind():根据行进行合并

 cbind():根据列进行合并

# 添加一行，分别为每列平均值
M <- rbind(M, apply(M, 2, mean, na.rm = T))
M

##         [,1] [,2] [,3] [,4]
##  [1,]    1    4    7   10
##  [2,]    2   NA    8   11
##  [3,]    3    6    9   12
##  [4,]    2    5    8   11  

# 添加行名
rownames(M) <- c(1:3, 'mean')
M

##             [,1] [,2] [,3] [,4]
##    1        1    4    7   10
##    2        2   NA    8   11
##    3        3    6    9   12
## mean    2    5    8   11

 

# 添加一列，分别为每行的和
M <- cbind(M, apply(M, 1, sum, na.rm = T))
M

##            [,1] [,2] [,3] [,4] [,5]
##   1        1    4    7   10   22
##  2         2   NA    8   11   21
##  3         3    6    9   12   30
##mean    2    5    8   11   26

# 添加列名
colnames(M) <- c(1:4, 'sum')
M

##          1  2 3  4 sum
##1        1  4 7 10  22
##2        2 NA 8 11  21
##3        3  6 9 12  30
##mean 2  5 8 11  26

 

可乐　　
关注
  • 38
    点赞
  • 踩
  • 112
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
R语言数据结构(二)矩阵
bio77的博客
08-02 728
这篇文章我们将介绍矩阵的使用
R语言 Matrix的使用
REfusing的博客
03-24 3万+
参考博客：R语言初级教程(13): 矩阵（上篇） R语言初级教程(15): 矩阵（下篇） 注：如有侵权，请告之，删之。 序言 R中有5种基本数据结构，分别是向量(vector)、矩阵(matrix)、数组(array)、数据框(data frame)和列表(list)。它们的结构如下图： 注意:其中向量、矩阵和数组中的数据类型必须是相同的；而数据框和列表中的数据类型可以是不一样的。 首先介绍矩阵...
R语言【base】——dim()
whitedrogen的博客
02-23 316
检索或设置对象的维度。 Arguments 参数【x】：R对象，例如矩阵、数组或数据帧。参数【value】：对于默认方法，要么为NULL，要么为数字向量，后者被强制为整数(通过截断)。函数dim和dim<-是内部泛型原语函数。Dim有一个data.frames方法，该方法返回x和x的row.names属性的长度(分别作为行数和列数)。对于数组(因此特别是对于矩阵)，dim检索对象的dim属性。它是NULL或模式整数的向量。替换方法更改"dim"属性(前提是新值是兼容的)并删除任何"dimnames"和
矩阵--R语言
chongbaikaishi的博客
03-19 6568
1.创建矩阵 矩阵包含行和列，分为单位矩阵，对角矩阵和普通矩阵。 通过matrix函数创建矩阵 1.1 matrix函数 函数功能： reates a matrix from the given set of values. 基于给定的值创建矩阵 函数语法： matrix(data = NA, nrow = 1, ncol = 1, byrow = FALSE,dimnames = NULL) 函数参数： data an optional data vector (including a list o
R语言-矩阵
wangprince2017
01-20 4328
一.基本概念  1.具有行数和列数的一个规则的一个二维表    每一行代表一条记录    每一列代表一个属性          eg：              二.矩阵创建  1.mat&lt;-matrix(c(1:20),nrow=4,ncol=5)     指定数据内容，指定行数，指定列 &gt; mat2&lt;-matrix(c(1:20),nrow = 4,nco...
R语言—矩阵
W_chuanqi的博客
11-05 2469
apply()函数系列是R中最受欢迎同时也是最常用的函数族，包括apply(), tapply(), 和lapply()。z%%2==1，返回一个逻辑向量 TRUE FALSE TRUE，x[z%%2==1,]选取对应的行，即第2行、第3行。又使用了与运算符，选择同时满足两个条件的第3行，最后返回第3行的元素。m[,1]>1 选取第1列大于1的行，符合要求的有2、3行。m[,2]>5 选取第2列大于5的行，符合要求的只有第3行。参数x表示要转换成矩阵的向量，value是表示维数的向量。
创建和使用R语言数据集
05-22
1.了解R语言中的数据结构。 2.熟练掌握他们的创建方法，和函数中一些参数的使用。 3.对创建的数据结构进行，排序、查找、删除等简单的操作。 1.向量的创建及因子的创建和查看 2.矩阵与数组。 3.将之前的state，数组...
R语言语法基础
07-01
第01章：R语言简介 第02章：R语言安装和下载 第02章：RStudio的使用教程 第03章：R中的数据 （1）：从存储角度划分 （2）：从结构角度划分(向量） （3）：从结构角度划分(矩阵） （4）：从结构角度划分(数组） （5）...
R语言基础入门教程.pdf
04-01
在R语言中，有六种基本数据结构，包括向量、矩阵、数组、列表、数据框和因子。向量是R语言中最基本的数据结构，由一组相同类型的元素组成，可以是数值型、字符型或逻辑型等。矩阵是由同类型的元素组成的二维数据结构...
《新媒体数据挖掘——基于R语言》课件
05-29
7 1.3 R在计算传播学中的典型应用 9 1.3.1 用R进行文本分析初探 9 1.3.2 互联网在线数据收集 10 1.3.3 社会网络分析 12 1.4 总结与提高 13 1.5 习题 14 第2章 R语言开发环境 15 2.1 R的获取、安装和基本使用 16 ...
R语言入门教程PPT文档
最新发布
04-01
在《R语言入门教程》中，我们首先会接触到R语言的基础知识，包括变量、数据类型、向量、矩阵、数据框等核心概念。通过生动的案例和直观的图表，文档清晰地展示了这些概念在实际编程中的应用，使读者能够快速上手并...
R语言创建使用矩阵（按行、按列填充，矩阵命名，矩阵下标使用，数据框转换为矩阵）
程序必须为人类阅读而编写，并且仅仅碰巧可以让机器执行
12-27 1万+
文章目录创建矩阵按行、按列填充矩阵命名矩阵下标使用转换数据框为矩阵 创建矩阵 代码： cells <- c(1, 26, 24, 68) rnames <- c("R1", "R2") cnames <- c("C1", "C2") mymatrix <- matrix(data = cells, nrow = 2, ncol = 2, byrow = TRUE, dimnames = list(rnames, cnames)) is.m
R语言-- R语言数据类型（1）
qq_48566899的博客
12-28 388
一、向量 1. 创建 # 1.1.1 请利用c函数，输入5门专业课程的名称，组成向量nms。 print('----1.1.1') nms <- c('语文','数学','英语','历史','物理') print(nms) # 1.1.2 请利用vector函数初始化score向量，记录问题1中5门专业课程的成绩。 print('----1.1.2') score <- vector(mode = 'numeric',length = 5) score <- c(85,90,95,75,
R语言：创建矩阵
m0_43521164的博客
10-21 6889
R语言来创建矩阵，用到的函数包为：matrix() 举例说明，创建一个5x4列的矩阵，如下： x<-matrix(1:20,nrow=5,ncol=4) 运行结果如下： 矩阵的行与列 y[1,2] #代表就矩阵的行与列 运行结果如下： ...
R语言-matrix生成矩阵
热门推荐
qq_42451512的博客
11-22 3万+
主要介绍一下利用matrix函数和rep生成矩阵 在R语言中可以使用matrix()函数来创建矩阵，其语法格式如下： matrix(data=NA, nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL) 参数含义如下： data：矩阵的元素，默认为NA，即未给出元素值的话，各项为NA nrow：矩阵的行数，默认为1； ncol：矩阵的列...
R语言[数组、矩阵、list、数据框练习]
weixin_44288019的博客
03-17 1306
R语言@数组、矩阵、list、向量框练习 1、数组练习 1.1数组的创建 通过array（）函数命令来进行数组的创建，用dim来指定向量的维数（行、列、种类） 1.2数组的重命名与数组的创建 dimnames是各维度中名称标签列表，dim为数组的维数，是数值型向量 举例： arr1 &lt;- array(1:10) #相当于1维的向量：1 2 3 4 5 6 7 8 9 10 arr2 &lt...
r语言提取列名_R语言物种丰度矩阵的实现基本操作与生物物种多样性指数计算...
weixin_39608116的博客
12-08 6223
点击上方蓝字关注我们！本文由“壹伴编辑器”提供技术支持在使用R语言处理数据的过程中，最基础的一步是把数据导入为合理的数据格式，因为不同的R命令只会匹配特定的数据格式。在生态学野外调查研究中，我们获取的实验数据往往是列表的形式，图1的数据中我们在每个样地(site)中设置了5个样方(plot)，对于5个样方的调查，描述了样地的物种组成和物种对于环境的适应度，本调查中用草本物种的盖度代替了物...
rstudio创建矩阵_R中的矩阵
从零开始的教程世界
07-20 7383
Matrices are a very important concept in R programming, mostly used for statistics and data manipulation. Where vectors are a set of values stored across a single dimension, matrices are collections o...
R语言中matrix的难点
05-15
R语言中的矩阵（matrix）是一个重要的数据结构，但也有一些难点需要注意。 1. 矩阵的创建和操作：在R语言中，矩阵可以通过函数matrix()或者cbind()、rbind()等函数创建。矩阵的操作包括选择元素、修改元素、矩阵运算等等。 2. 矩阵的维度：矩阵的维度是一个重要的概念，它指定了矩阵的行数和列数。在R语言中，可以使用dim()函数获取矩阵的维度。 3. 矩阵的索引：矩阵的索引包括行索引和列索引，可以使用方括号[]或者双方括号[[]]进行索引。需要注意的是，在R语言中，矩阵的索引是从1开始的，而不是从0开始的。 4. 矩阵的运算：矩阵的运算包括加减乘除、转置、求逆等等。在R语言中，可以使用+、-、*、/等运算符进行加减乘除运算，使用t()函数进行转置，使用solve()函数进行求逆运算。 5. 矩阵的扩展：矩阵的扩展包括行扩展和列扩展。在R语言中，可以使用rbind()函数进行行扩展，使用cbind()函数进行列扩展。 这些都是R语言中matrix的一些难点，需要仔细理解和掌握。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

可乐　　

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值