R语言-向量

最新推荐文章于 2024-09-22 16:17:43 发布

想做大佬的菜鸟李

最新推荐文章于 2024-09-22 16:17:43 发布

阅读量5.4k

点赞数 9

分类专栏： R 文章标签： r语言

本文链接：https://blog.csdn.net/qq_46040234/article/details/120105870

版权

R 专栏收录该内容

25 篇文章 10 订阅

订阅专栏

1 标量、向量、数组、矩阵

R语言中变量类型称为模式
同一向量中的所有元素必须时相同模式

1.1添加或删除向量元素

R中向量是连续存储的，不能插入或删除元素
在R中，向量的大小在创建时已经确定，因此如果想要添加或删除元素，需要重新给向量赋值
例如：

其实，我们为了在其第三和第四元素之间插入一个新的元素168，我们把x的前三个元素、168和x的第四个元素顺序连起来，这样就创建出新的五元向量，但此时x并没有发生变化，接下来再把这个新的向量赋值个x

1.2 获取向量长度

> x <- c(88,5,12,13)
> length(x)
[1] 4
>

1.3 作为向量的矩阵和数组

数组和矩阵（在某种意义上说，甚至包括列表）实际上都是向量，只不过它们还有额外的类属性
在这里插入图片描述
这里2*2的矩阵按列存储为一个四元向量，即（1，2，3，4）

2 声明

R中不需要声明变量
如果要引用向量中特定的元素，必须事先告知R

3 循环补齐

> c(1,2,4)+c(6,0,9,20,22)
[1]  7  2 13 21 24
Warning message:
In c(1, 2, 4) + c(6, 0, 9, 20, 22) :
  longer object length is not a multiple of shorter object length
> c(1,2,4)+c(6,0,9,20,22)
[1]  7  2 13 21 24
Warning message:
In c(1, 2, 4) + c(6, 0, 9, 20, 22) :
  longer object length is not a multiple of shorter object length
> c(1,2,4,1,2)+c(6,0,9,20,22)
[1]  7  2 13 21 24

例子中较短的向量被循环补齐

4 常用的向量运算

4.1向量运算和逻辑运算

在这里插入图片描述

4.2 向量索引

索引向量的格式：向量1[向量2]，返回结果是：向量1中索引为向量2的那些元素

负数的下标代表是把相应的元素删除

4.3 用:运算符创建向量

在这里插入图片描述

4.4使用seq()创建向量

用来生成等差数列
seq()还可以处理空向量的问题

for (i in seq(x)) #与for (i in 1:length(x))是等价的

对seq()函数做一个测试
在这里插入图片描述
当x为空的时候，循环迭代了0次

4.5 使用rep()重复向量常数

可以方便地把同一个常数放在长向量中
格式：rep(x,times),即创建times*length(x)个元素的向量

> x <- rep(8,4)
> x
[1] 8 8 8 8
> rep(c(9,8,7),3)
[1] 9 8 7 9 8 7 9 8 7
> rep(1:3,2)
[1] 1 2 3 1 2 3
> 
> ##参数each，可以指定x交替重复的次数
> rep(c(5,12,13),each=2)
[1]  5  5 12 12 13 13

5 使用all()和any()

all()报告参数是否全部为TRUE
any()报告参数是否至少有一个为TRUE

> x <- 5:10
> any(x>7)
[1] TRUE
> all(x>8)
[1] FALSE
> all(x>4)
[1] TRUE

6 向量化运算符

6.1 向量输入、向量输出

> u <- c(5,2,8)
> v <- c(1,3,9)
> u>v
[1]  TRUE FALSE FALSE
> u<v
[1] FALSE  TRUE  TRUE
> 
> 
> w <- function(x) return(x+10)
> w(u) #使用了向量化的运算符+，从而w()也是向量化的
[1] 15 12 18
> 
> #超越函数----（平方根、对数、三角函数等）也是向量化的
> 
> sqrt(1:9)
[1] 1.000000 1.414214 1.732051 2.000000 2.236068
[6] 2.449490 2.645751 2.828427 3.000000
> 
> #四舍五入函数：round()
> y <- c(1.2,3.8,0.2)
> round(y)
[1] 1 4 0
> 
> 
> # +实际上也是函数
> 
> y <- c(12,5,13)
> y+4
[1] 16  9 17
> "+"(y,4)
[1] 16  9 17

6.2 向量输入、矩阵输出


> z1 <- function(z) return(c(z,z^2))
> x<-1:8
> z1(x)
 [1]  1  2  3  4  5  6  7  8
 [9]  1  4  9 16 25 36 49 64

把结果排列成8*2的矩阵，利用matrix

> matrix(z1(x),ncol=2)
     [,1] [,2]
[1,]    1    1
[2,]    2    4
[3,]    3    9
[4,]    4   16
[5,]    5   25
[6,]    6   36
[7,]    7   49
[8,]    8   64
>

可以用sapply()来简化。调用sapply(x,f)即可对x的每一个元素使用函数f()，并将结果转化为矩阵

> z1 <- function(z) return(c(z,z^2))
> sapply(1:8, z1)
     [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
[1,]    1    2    3    4    5    6    7    8
[2,]    1    4    9   16   25   36   49   64

7 NA与NULL值

7.1 NA的使用

缺失值：NA
不存在的值：NULL

> x <- c(88,NA,12,168,13)
> x
[1]  88  NA  12 168  13
> mean(x) #因为有缺失值，导致mean()无法计算均值
[1] NA
> mean(x,na.rm = T) #na.rm移除NA
[1] 70.25
> 
> x <- c(88,NULL,12,168,13)
> mean(x)  #R会自动跳过空值NULL！
[1] 70.25

看几个NA值的模式：

> x <- c(5,NA,12)
> x[1]
[1] 5
> mode(x[1])
[1] "numeric"
> mode(x[2])
[1] "numeric"
> 
> y <- c("abc","cde",NA)
> y[2]
[1] "cde"
> mode(y[2])
[1] "character"
> mode(y[3])
[1] "character"

7.2 NULL的使用

在循环中创建向量

> z <- NULL
> for(i in 1:10) 
   if(i%%2 == 0) z = c(z,i) # 取余运算
> z
[1]  2  4  6  8 10

求偶数的方法：

> x <- seq(from=2,to=10,by=2)
> x
[1]  2  4  6  8 10

> 2*1:10
 [1]  2  4  6  8 10 12 14 16 18 20

NULL值被作为不存在而不计数

> u <- NULL
> length(u)
[1] 0
> v <- NA
> length(v)
[1] 1

8 筛选

8.1 生成筛选索引

> z <- c(5,2,-3,8)
> z
[1]  5  2 -3  8
> z*z >9  #得到布尔值向量，相当于">"(z*z,8)
[1]  TRUE FALSE FALSE  TRUE
> w <- z[z*z > 9]
> w
[1] 5 8

举个例子，先定义提取条件，再利用该结果从另一个向量提取子向量：

> z <- c(5,2,-3,8)
> z
[1]  5  2 -3  8
> z*z >9  #得到布尔值向量
[1]  TRUE FALSE FALSE  TRUE
> w <- z[z*z > 9]
> w
[1] 5 8

8.2 使用subset()函数筛选

subset可以移除NA

> w <- c(1,6,3,NA,2,10)
> w
[1]  1  6  3 NA  2 10
> w[w>5]
[1]  6 NA 10
> #利用subset()函数
> subset(w,w>5)
[1]  6 10

8.3 选择函数which()

找到z中满足条件元素所在的位置
可以找到TRUE

> x <- c(3,2,1,-4,8)
> which(x*x>10)
[1] 4 5

可以利用which()函数改善寻找第一次出现数字1的案例

> first5 <- function(x){
+   return(which(x==1)[1])
+ }
> first5 <- function(x){
+   return(which(x==1)[1])
+ }
> x<-c(3,4,1,7,19,1)
> first5(x)
[1] 3
>

9 向量化的ifelse()函数

格式：ifelse(b,u,v)。b是一个布尔值，u和v是向量
该函数返回值也是向量，如果b[i]为真，则返回值的第i个元素为u[i]，如果b[i]为假，则返回值的第i个元素为v[i]

> x <- c(6,5,8,9,2,1,3)
> ifelse(x>4,x*5,x*10)
[1] 30 25 40 45 20 10 30

10 测试向量相等

最朴素的方法：==
all()函数会询问其所有元素是否为真

> x <- 1:3
> y <- c(1,3,4)
> all(x == y)
[1] FALSE

identical函数判断的是两个对象是否完全一样

> x <- 1:3
> y <- c(1,3,4)
> identical(x,y)
[1] FALSE

但是一种情况：

> x <- 1:3  #:产生的是整数
> y <- c(1,2,3) #产生的是浮点数
> identical(x,y)
[1] FALSE
> typeof(x)
[1] "integer"
> typeof(y)
[1] "double"

11 向量元素的名称

给向量的元素命名
查询向量元素的名称，可以用名称来引用向量中的元素

> x <- c(1,4,5)
> names(x)
NULL
> names(x) <- c("a","b","c")
> names(x)
[1] "a" "b" "c"
> x
a b c 
1 4 5 
> x["a"]
a 
1 
> x["c"]
c 
5