R语言-数组与数据框操作

最新推荐文章于 2024-09-11 22:20:09 发布

小丁丁_ddxdd

最新推荐文章于 2024-09-11 22:20:09 发布

阅读量1.7w

点赞数

分类专栏：技术层-R语言

技术层-R语言专栏收录该内容

35 篇文章 5 订阅

订阅专栏

1、数组基本的操作：

1）、查看数组---直接调用数组名回车；

2）、按照下标获取数组元素---调用数组名+方括号+元素下标；

3）、查看数组长度（length()）；

4）、查看数组元素类型（mode(); ps:语言只支持数组元素单一类型，及所有元素要么都是字符，要么都是数值）

5）、对数组的操作还包括多个数组的包括，可以将两个数组组合成一个矩阵(R语言称之为数据框：frame)，可以将数组按照行向量组合rbind()和列方向的组合cbind();

> x1=c(1,2,3,4,5)
> x2=c('1','2','3','4','5')
> x1
[1] 1 2 3 4 5
> x1[4]
[1] 4
> x2
[1] "1" "2" "3" "4" "5"
> x2[4]
[1] "4"
> length(x1)
[1] 5
> mode(x1)
[1] "numeric"
> mode(x2)
[1] "character"
> m1<-rbind(x1,x2)
> m1
   [,1] [,2] [,3] [,4] [,5]
x1 "1"  "2"  "3"  "4"  "5" 
x2 "1"  "2"  "3"  "4"  "5" 
> m2<-cbind(x1,x2)
> m2
     x1  x2 
[1,] "1" "1"
[2,] "2" "2"
[3,] "3" "3"
[4,] "4" "4"
[5,] "5" "5"</span>

2、有关数组的统计指标处理：

常见的统计指标包括：平均值(mean())、求和(sum())、连乘(prod())、最值(min()、max())、方差(var())、标准差(sd())

首先我们先借助R的快速生成数组函数c(startNum:endNum)生成1到100个数字并存放于数组y内，然后对其进行相应统计指标输出，具体见下图：

> y<-c(1:100)
> mean(y)
[1] 50.5
> sum(y)
[1] 5050
> prod(y)
[1] 9.332622e+157
> max(y)
[1] 100
> min(y)
[1] 1
> var(y)
[1] 841.6667
> sd(y)
[1] 29.01149

3、关于数据下标的相关处理

R语言提供了实用的下标处理函数，我们可以方便的取出理想数据，例如：

1）、取连续下标的元素；

2）、按照其他数组元素的值取---以其他数组元素的值取出相应本数组对应下标的元素；

3）、按照元素值的大小取，如可以去除数组中大于某个数的所有元素，小于某个数的所有元素等等；

4）、实用的which函数，which在数组下标中代表该数组对象，可以通过which取出数组元素a[which()]，相应的也可以取出符合元素的下标which()；

5）、自排序函数(sort())和数组反转函数(rev());

<span style="font-weight: normal;"><span style="font-size:14px;">a=c(1,2,3,4,5,8,9,10,15555)
> a[1:5]
[1] 1 2 3 4 5
> a[a<5]
[1] 1 2 3 4
> a[a>4 &a<8]
[1] 5
> a[a[3]]
[1] 3
> which.max(a)
[1] 9
> a[which.max(a)]
[1] 15555
> which(a>1&a<5)
[1] 2 3 4
> a[which(a>1 &a<5)]
[1] 2 3 4
> a[which(a==9)]
[1] 9
> sort(a)
[1]     1     2     3     4     5     8     9    10 15555
> a
[1]     1     2     3     4     5     8     9    10 15555
> rev(a)
[1] 15555    10     9     8     5     4     3     2     1</span></span>

3、生成矩阵和矩阵操作相关函数：

R提供了数组转矩阵的函数（matrix()），矩阵是后续很多工作的开始:

1)、矩阵进行加减(+-)、相乘(%*%)：

Ps:数组生成矩阵时，默认是按照列方向进行，可以加参数byrow=T,使其按行方向生成矩阵

a<-c(1:12)
> mat_a<-matrix(a,nrow=3,ncol=4)
> mat_a
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12
> mat_aa<-matrix(a,nrow=4,ncol=3)
> mat_aa
     [,1] [,2] [,3]
[1,]    1    5    9
[2,]    2    6   10
[3,]    3    7   11
[4,]    4    8   12
> mat_b<-matrix(a,nrow=3,ncol=4)
> mat_b
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12
> mat_a+mat_b
     [,1] [,2] [,3] [,4]
[1,]    2    8   14   20
[2,]    4   10   16   22
[3,]    6   12   18   24
> mat_a%*%mat_aa
     [,1] [,2] [,3]
[1,]   70  158  246
[2,]   80  184  288
[3,]   90  210  330</span>

2）、取对角线(diag())、转置(t())

> mat_a
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12
> diag(mat_a)
[1] 1 5 9
> diag(4)
     [,1] [,2] [,3] [,4]
[1,]    1    0    0    0
[2,]    0    1    0    0
[3,]    0    0    1    0
[4,]    0    0    0    1
> t(mat_a)
     [,1] [,2] [,3]
[1,]    1    2    3
[2,]    4    5    6
[3,]    7    8    9
[4,]   10   11   12

3）、求逆(solve)、解线性方程组(solve)：

> a=matrix(rnorm(16),4,4)
> a
           [,1]       [,2]       [,3]         [,4]
[1,] -1.8060313 -0.1623095  1.6059096 -0.034760390
[2,] -0.5820759  0.5630558 -1.1578085 -0.669633580
[3,] -1.1088896  1.6478175  0.6565885 -0.007604756
[4,] -1.0149620 -0.7733534  2.5489911  1.777084448
> solve(a)
           [,1]       [,2]       [,3]       [,4]
[1,] -0.1579445 -0.8872690 0.12951969 -0.3368722
[2,] -0.2696348 -0.1950072 0.61120374 -0.0761404
[3,]  0.4008824 -0.9993255 0.20832490 -0.3678288
[4,] -0.7825607  0.8417821 0.04114366  0.8647852
> b=c(1:4)
> b
[1] 1 2 3 4
> solve(a,b)
[1] -2.8914122  0.8694004 -2.4441089  4.4835754

求特征值特征向量(eigen())

> a<-diag(4)+1
> a
     [,1] [,2] [,3] [,4]
[1,]    2    1    1    1
[2,]    1    2    1    1
[3,]    1    1    2    1
[4,]    1    1    1    2
> a.e=eigen(a,symmetric=T)
> a.e
$values
[1] 5 1 1 1

$vectors
     [,1]          [,2]       [,3]       [,4]
[1,] -0.5  0.000000e+00  0.0000000  0.8660254
[2,] -0.5 -6.408849e-17  0.8164966 -0.2886751
[3,] -0.5 -7.071068e-01 -0.4082483 -0.2886751
[4,] -0.5  7.071068e-01 -0.4082483 -0.2886751

R语言的基本数据结构—数据框

数据框也是矩阵形式，但不同于一般的矩阵，数控框中的列可以是不同的数据类型，每一列即为一个属性值，每一行即为条记录，或为一个对象的所有属性的观测值。

> x1=c(1:4)
> x2=c(rnorm(4))
> x3=c('52','72','03','789')
> x4=c(runif(4,min=10000,max=10005))
> y=data.frame(x1,x2,x3,x4)
> y
  x1         x2  x3       x4
1  1 -1.1386077  52 10002.51
2  2  1.3678272  72 10004.92
3  3  1.3295648  03 10001.62
4  4  0.3364728 789 10002.41

逻辑循环控制：

R语言支持for循环和while循环，两种循环结构上和通用编程语言类似，但有少数差异。

> a
 [1]  1  2  3  4  5  6  7  8  9 10
> for(i in 1:10){a[i]=i*2+5}
> a
 [1]  7  9 11 13 15 17 19 21 23 25
> a=c(1:10)
> a
 [1]  1  2  3  4  5  6  7  8  9 10
> i=1
> while (a[i]<5){a[i]=a[which.max(a)];i=i+1}
> a
 [1] 10 10 10 10  5  6  7  8  9 10

-------排序（降序）

e=d[order(d$盈利,decreasing = TRUE),]