R语言的矩阵、列表、数据框

已于 2022-06-06 14:59:32 修改
阅读量3.4k 收藏 21
点赞数 1
分类专栏： R语言入门与数据分析 文章标签： 矩阵 r语言
于 2022-06-06 14:58:37 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/qq_44795788/article/details/125146769
版权

R语言的矩阵、列表、数据框

矩阵

矩阵是一个按照长方阵列排列的复数或实数集合。向量是一维的，而矩阵是二维的，需要有行和列。

在R软件中，矩阵是有维数的向量，这里的矩阵元素可以是数值型，字符型或者逻辑型，但是每个元素必须都拥有相同的模式，这个和向量一致。

> m <- matrix(1:20,nrow = 4,ncol = 5)
> m
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    5    9   13   17
[2,]    2    6   10   14   18
[3,]    3    7   11   15   19
[4,]    4    8   12   16   20

默认按列分布数值，可以用byrow参数设置按行还是按列分布

> m <- matrix(1:20,4)
> m
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    5    9   13   17
[2,]    2    6   10   14   18
[3,]    3    7   11   15   19
[4,]    4    8   12   16   20
> m <- matrix(1:20,4,byrow=T)
> m
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    2    3    4    5
[2,]    6    7    8    9   10
[3,]   11   12   13   14   15
[4,]   16   17   18   19   20
> m <- matrix(1:20,4,byrow=F)
> m
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    5    9   13   17
[2,]    2    6   10   14   18
[3,]    3    7   11   15   19
[4,]    4    8   12   16   20

为矩阵的行和列取名

> rnameS <- c("R1","R2","R3","R4")
> rnameS
[1] "R1" "R2" "R3" "R4"
> cnames <- c("C1","C2","C3","C4","C5")
> cnames
[1] "C1" "C2" "C3" "C4" "C5"
> rnameS
[1] "R1" "R2" "R3" "R4"
> dimnames(m) <- list(rnameS,cnames)
> m
   C1 C2 C3 C4 C5
R1  1  5  9 13 17
R2  2  6 10 14 18
R3  3  7 11 15 19
R4  4  8 12 16 20

dim函数是Dimensions的简称，dim函数可以显示向量的维数

> x
 [1]  1  2  3  4  5  6  7  8  9 10
[11] 11 12 13 14 15 16 17 18 19 20
> dim(x)
NULL
> dim(x) <- c(4,5)
> x
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    5    9   13   17
[2,]    2    6   10   14   18
[3,]    3    7   11   15   19
[4,]    4    8   12   16   20

数组

> x <- 1:20
> dim(x) <- c(2,2,5)  #多维数组，长宽高为2,2,5的长方体
> x
, , 1

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

, , 2

     [,1] [,2]
[1,]    5    7
[2,]    6    8

, , 3

     [,1] [,2]
[1,]    9   11
[2,]   10   12

, , 4

     [,1] [,2]
[1,]   13   15
[2,]   14   16

, , 5

     [,1] [,2]
[1,]   17   19
[2,]   18   20

array函数创建数组

> dim1 <- c("A1","A2")
> dim2 <- c("B1","B2","B3","B4")
> dim2 <- c("B1","B2","B3")
> dim2
[1] "B1" "B2" "B3"
> dim3 <- c("C1","c2","c3","c4")
> z <- array(1:24,c(2,3,4),dimnames = list(dim1,dim2,dim3))
> z
, , C1

   B1 B2 B3
A1  1  3  5
A2  2  4  6

, , c2

   B1 B2 B3
A1  7  9 11
A2  8 10 12

, , c3

   B1 B2 B3
A1 13 15 17
A2 14 16 18

, , c4

   B1 B2 B3
A1 19 21 23
A2 20 22 24

矩阵的索引

> m <- matrix(1:20,4,5,byrow = T)
> m
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    2    3    4    5
[2,]    6    7    8    9   10
[3,]   11   12   13   14   15
[4,]   16   17   18   19   20
> m[1,2]      #取第1行第2列的值
[1] 2
> m[1,c(2,3,4)] #取第1行第2,3,4列的值
[1] 2 3 4
> m[c(2:4),c(2,3)]  #取第2-4行，第2,3列
     [,1] [,2]
[1,]    7    8
[2,]   12   13
[3,]   17   18
> m[2,]             #取第2行全部值
[1]  6  7  8  9 10
> m[,2]             #取第2列全部值
[1]  2  7 12 17
> m[2]              #取第2行第1个值
[1] 6
> m[-1,2]          #去除第1 行之后的第2列的值
[1]  7 12 17

矩阵行和列具有名称属性，则可以通过名称访问行和列

> rnames <- c("R1","R2","R3","R4")
> rnames
[1] "R1" "R2" "R3" "R4"
> cnames <- c("C1","C2","C3","C4","C5")
> cnames
[1] "C1" "C2" "C3" "C4" "C5"
> dimnames(m)=list(rnames,cnames)
> m
   C1 C2 C3 C4 C5
R1  1  2  3  4  5
R2  6  7  8  9 10
R3 11 12 13 14 15
R4 16 17 18 19 20
> m["R1","C2"]
[1] 2

colSums () 函数计算每一列的和，rowSums（）函数计算每一行的和

> n <- matrix(1:9,3,3)   #创建3行3列的矩阵
> t <- matrix(2:10,3,3)  #创建3行3列的矩阵
> n
     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9
> t
     [,1] [,2] [,3]
[1,]    2    5    8
[2,]    3    6    9
[3,]    4    7   10
> n+t              #矩阵相加
     [,1] [,2] [,3]
[1,]    3    9   15
[2,]    5   11   17
[3,]    7   13   19
> n*t               #矩阵的乘积
     [,1] [,2] [,3]
[1,]    2   20   56
[2,]    6   30   72
[3,]   12   42   90
> n%*%t            #矩阵的外积
     [,1] [,2] [,3]
[1,]   42   78  114
[2,]   51   96  141
[3,]   60  114  168

列表

列表顾名思义就是用来存储很多内容的一个集合，在其他编程语言中列表一般和数组是等同的，但是在R语言中，列表却是R中最复杂的一种数据结构，也是非常重要的一种数据结构。
列表就是一些对象的有序集合。列表中可以存储若干向量、矩阵、数据框，甚至其他列表的组合。

向量与列表

1、在模式上和向量类似，都是一维数据集合。
2、向量只能存储一种数据类型，列表中的对象可以是中的任何数据结构，甚至列表本身。

> a <- 1:20   #向量
> b <- matrix(1:20,4)   #矩阵
> c <- mtcars #mtcars为内置数据集表示32辆汽车在11个指标上的数据
> d <- "this is a test list"
> a;b;c;d
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16
[17] 17 18 19 20
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    5    9   13   17
[2,]    2    6   10   14   18
[3,]    3    7   11   15   19
[4,]    4    8   12   16   20
                     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
[1] "this is a test list"
> mlist <- list(a,b,c,d)    #存入列表
>mlist <- list(first=a,second=b,third=c,forth=d) #为每个对象添加名称
> mlist
$first
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20

$second
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    5    9   13   17
[2,]    2    6   10   14   18
[3,]    3    7   11   15   19
[4,]    4    8   12   16   20

$third
                     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2

$forth
[1] "this is a test list"
列表访问
> mlist[1]   #访问列表第一个元素
$first
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20
 [1]  2  3  4  5  6  7  8  9 10 11
> mlist[c(1,4)]   #访问多个元素，
$first
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20

$forth
[1] "this is a test list"


##通过名称访问 ，state.center #美国50个州中心的经度和纬度
> mlist["first"]
$first
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20

> mlist[c("first","forth")]
$first
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20

$forth
[1] "this is a test list"


#列表名$元素名称
> mlist$first
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20

列表访问元素的双括号和单括号的区别

> mlist[1]
$first
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20
> mlist[[1]]
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20
> class (mlist[1])
[1] "list"
> class(mlist[[1]])
[1] "integer"

给列表赋值

> y
 [1]   1  12  23  34  45  56  67  78  89 100
> mlist[[5]] <- y

删除列表中的元素

>mlist[-5]
> mlist <- mlist[-5]
#或者
> mlist[[5]] <- NULL

数据框

数据框是一种表格式的数据结构。数据框旨在模拟数据集，与其他统计软件例如SAS或者SPSS中的数据集的概念一致。
数据集通常是由数据构成的一个矩形数组，行表示观测，列表示变量。不同的行业对于数据集的行和列叫法不同。

数据框的特点
数据框实际上是一个列表。列表中的元素是向量，这些向量构成数据框的列，每一列必须具有相同的长度，所以数据框是矩形结构，而且数据框的列必须命名。

矩阵与数据框

  1. 数据框形状上很像矩阵；
  2. 数据框是比较规则的列表
  3. 矩阵必须为同一数据类型
  4. 数据框每一列必须同一类型，每一行可以不同。

数据框的使用和列表类似

> women
   height weight
1      58    115
2      59    117
3      60    120
4      61    123
5      62    126
6      63    129
7      64    132
8      65    135
9      66    139
10     67    142
11     68    146
12     69    150
13     70    154
14     71    159
15     72    164
> plot(women$height,women$weight)   #绘制女性身高体重的散点图

​ lm（）函数是一个线性模型函数，用于线性回归分析

> lm(weight ~height,data = women)

Call:
lm(formula = weight ~ height, data = women)

Coefficients:
(Intercept)       height  
     -87.52         3.45

attach（）函数加载数据框到R搜索目录之后，可以直接输入向量的名字

> attach(women)
> height
 [1] 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72
> weight
 [1] 115 117 120 123 126 129 132 135 139 142 146 150 154 159 164
 #使用完之后，可以使用detach（）函数取消加载
 > detach(women)

with（）函数也可以输出函数名字的元素

> with(women,{height})
 [1] 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72
> with(women,{weight})
 [1] 115 117 120 123 126 129 132 135 139 142 146 150 154 159 164
> with(women,{sum(weight)})
[1] 2051
躺平yyds
关注
  • 1
    点赞
  • 踩
  • 21
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
用R语言进行数据分析入门教程（一）
01-04
在学习数据分析之前，需要了解一些基本的R语言语法，例如变量、向量、矩阵、数据框等。可以通过阅读相关书籍或在线教程来学习这些内容。 3. 加载数据集 在进行数据分析之前，需要加载相应的数据集。可以使用R语言...
R语言中dim函数_R语言入门：函数介绍（3）—— %>%
weixin_39539684的博客
11-20 1万+
R语言入门：函数介绍(2)%>%大家好，绝艺我又回来更新了！本期主要内容是介绍上次预告的中缀函数%>%，该函数封装于"dplyr"包中。同时剧透下一期内容为有同学点播要求学习的reshape2包中的melt()函数和cast()函数。函数介绍(3)%>%%>%函数，本质上而言就是编程中常用的管道符。什么叫管道符呢？顾名思义，就是像一个管道一样，把数据传输过去。...
R语言中dim函数_R语言 常见函数知识点梳理与解析 | 精选分析
weixin_39801165的博客
10-22 2万+
目 录1、str() 显示数据集和变量类型，并简要展示数据集情况2、subset() 取子集3、which.min(), which.max()和which()4、pmin( )/ pmax( )5、complete.cases( ) 判断对象中是否数据完全6、grep()找出所数据框中元素所在的列值(仅数据框中)7、assign()通过变量名的字符串来赋值8、 split()根据因子...
R语言【base】——dim()
whitedrogen的博客
02-23 310
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
R语言中dim函数_R语言函数使用总结
weixin_39541044的博客
11-20 1万+
R语言函数使用总结​www.bioinfo.online固定参数函数f1 <- function(a,b=2){ message(a,b) return(a+b) # 没有return返回最后一条语句 } b <- f1(5) # 52 b # 7 f1(2,5) # 25 f1(b=2,a=5) # 52 f1(b=5,2) # 25可变参数的函数r自带函数 c(.....
【R语言学习笔记】初识（二）
热门推荐
Yunru_Yang的博客
03-29 2万+
今天继续上次的R-FAQ 【23】R的工作目录 默认R的目录在我的文档， 比如用getwd()进行目录确认，但是文中说用setwd()是会报错；网上查了一下，如果要更改需要使用全部的目录，如setwd('C:/Users/yangyunru/Documents/R')这个语句，但是尝试了一下，这个目录必须是已经存在的目录，否则R一样会报错；也就是说，需要先手动在WINDOW某个
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语言列联表
01-20
xtab()：根据一个公式和一个矩阵或数据框创建一个 N 维列联表 CrossTable()： 函数有很多选项，可以做许多事情：计算（行、列、单元格）的百分比；指 定小数位数；进行卡方、Fisher和McNemar独立性检验；计算期望和...
R语言从入门到精通系列之数据对象
06-09
本篇首先对数据对象进行概要，并介绍了is判别函数和as转换函数；介绍常用的几个时间变量转换函数...并介绍因子、矩阵和数组、列表和数据框的创建方法，每个小知识点通过小案例的详解讲解加深大家对不同数据对象的了解。
R语言语法基础
07-01
（5）：从结构角度划分(数据框） （6）：从结构角度划分(列表） （7）：从结构角度划分(因子） （8）：数据之间的转换 第04章：字符串操作与正则表达式 第05章：判断语句 第06章：循环语句 第07章：操作系统文件 第...
VB--dim函数
jeromezmzx007的博客
06-03 7536
dim 变量不经过定义是可以直接使用的。 但是经过Dim定义的和没有经过定义的，使用起来效果真的一样吗？ 其实两个还是有差别的。 简单程序中看不出差别，如果以后程序复杂了，我认为还是有差别的。 还是先用Dim定义一下比较好。 因为，以后我们还会学到Public定义的变量（全局变量），而用Dim定义的是局部变量。 看看下面的脚本1中a 的值的变化。最后的a 是80啦。 a = 50 msgbox “...
R语言学习——矩阵
leshushu01的博客
01-03 3460
矩阵
R语言中dim函数_R 语言中的矩阵计算
weixin_39653766的博客
11-20 6045
这方面有需求很棒的内容，转载不了我就直接扣过来了~~对这方面有需求的读者不妨收藏一下。作者：张丹(Conan)来源：http://blog.fens.me/r-matrix/前言R 是作为统计语言，生来就对数学有良好的支持。矩阵计算作为底层的数学工具，有非常广泛的使用场景。用R语言很好地封装了，矩阵的各种计算方法，一个函数一行代码，就能完成复杂的矩阵分解等操作。让建模人员可以更专注于模型...
R语言学习笔记
weixin_46018407的博客
01-19 1148
R语言学习笔记
矩阵秩的定义和相关结论汇总
qq_44498688的博客
11-12 2382
矩阵的秩是理解线性空间和矩阵代数的重要概念，矩阵的秩有非常多的定义形式，也有许多结论。充分理解这些定义和结论对于提升抽象思维具有很好的帮助。
R语言使用dim函数查看数据维度、例如、使用dim函数查看dataframe数据有多少行多少列
statistics+insight+vista+power
02-27 5815
R语言使用dim函数查看数据维度、例如、使用dim函数查看dataframe数据有多少行多少列
64、二分-搜索二维矩阵
最新发布
qq_29434541的博客
04-27 99
通过使用二分方式，对于每行进行二分，因为每行的最后一个数小于下一行的第一个数，我们就可以依次二分。首先取出行数N，然后从0-N进行二分，如果mid最后一个数小于目标值说明0-mid中没有，舍弃，从mid+1到N-1行进行寻找。然后在进行二分直到找到或者便利完为止。
L2-052 吉利矩阵
2301_80718054的博客
04-24 185
所有元素为非负整数，且各行各列的元素和都等于 7 的 3×3 方阵称为“吉利矩阵”，因为这样的矩阵一共有 666 种。本题就请你统计一下，把 7 换成任何一个 [2,9] 区间内的正整数 L，把矩阵阶数换成任何一个 [2,4] 区间内的正整数 N，满足条件“所有元素为非负整数，且各行各列的元素和都等于 L”的 N×N 方阵一共有多少种？
写一个函数实现:将一个5*5的矩阵中最大的元素放在中心，4个角分别放4个最小的元素(顺序为从左到右，从上到下依次从小到大存放)之解法改写
创作不易，宝子们！ 既然看完了人家的代码，如果文章对你们有帮助的话，别忘了给个免费的赞哟~
04-21 462
练习随笔:第二种解法:改写change函数中的if语句
r语言怎么把数据框转换成矩阵
06-01
在R语言中，可以使用`as.matrix()`函数将一个数据框（data frame）转换成矩阵。在转换时，数据框中的所有列都会被转换成矩阵中的一列。 以下是一个例子： ```R # 创建一个数据框 df <- data.frame(x = c(1, 2, 3), y = c(4, 5, 6)) # 将数据框转换成矩阵 mat <- as.matrix(df) # 打印矩阵 print(mat) ``` 在上面的例子中，我们首先创建了一个包含两列和三行的数据框。然后，我们使用`as.matrix()`函数将这个数据框转换成矩阵，并将结果存储在`mat`变量中。最后，我们使用`print()`函数打印这个矩阵。

“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
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
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