- c:向量 x1=c(1,2,3,4) x2=c(1:100)
- length:查看向量的长度 length(x1)
- mode:查看数据类型mode(x1) numeric
rbind: 将向量以行的格式合并
x1=(1,2,3,4,5); x2=(2,3,4,5,6); rbind(x1,x2) 1,2,3,4,5 2,3,4,5,6
cbind:将向量以列的形式合并
x1=(1,2,3,4,5); x2=(2,3,4,5,6); cbind(x1,x2) 1 2 2 3 3 4 4 5 5 6
mean:求向量平均值
- sum:求和
- max:求最大值
- min:求最小值
- var:求方差
- sd:求标准差
- prod:连乘
- help:查询帮助
关于向量的一些操作
- 对向量的加减乘除就是对每个元素的加减乘除
- a[1]:取出第一个元素
- a[-(1:5)]:不显示1~5个元素
- a[c(2,4,7)]:显示向量2,4,7个元素
- a[a<20]:显示所有小于20的元素
- seq(5,20):以5位首项,最后一项为20,1为公差。
seq(5,20,by=2):公差为2
seq(5,20,length=10):一共10项 - letters:字母向量,前26项放置26个小写字母。
which:
which.max(a)返回a中最大值元素的下标 which.min(a) which(a==2) a[which(a==2)] which(a>5) a[which(a>5)]
rev:颠倒一个向量
- sort:排序一个向量,从小到大
matrix:没有特殊指定按列放置
> a1=c(1:12) > matrix(a1,nrow=3,ncol=4) [,1] [,2] [,3] [,4] [1,] 1 4 7 10 [2,] 2 5 8 11 [3,] 3 6 9 12 > matrix(a1,nrow=4,ncol=3) [,1] [,2] [,3] [1,] 1 5 9 [2,] 2 6 10 [3,] 3 7 11 [4,] 4 8 12 > matrix(a1,nrow=4,ncol=3,byrow = T) [,1] [,2] [,3] [1,] 1 2 3 [2,] 4 5 6 [3,] 7 8 9 [4,] 10 11 12
矩阵转置
> a=matrix(a1,nrow=4,ncol=3,byrow = T) > a [,1] [,2] [,3] [1,] 1 2 3 [2,] 4 5 6 [3,] 7 8 9 [4,] 10 11 12 > t(a) [,1] [,2] [,3] [,4] [1,] 1 4 7 10 [2,] 2 5 8 11 [3,] 3 6 9 12
- 矩阵加减:对应位置元素的操作
矩阵相乘:
a*b:对应位置元素相乘 a%*%b:矩阵相乘 diag(a):返回矩阵对角线 diag(a):如果a为向量,以该向量为对角线构造矩阵 diag(4):产生4阶单位矩阵
rnorm():按照正态分布产生随机数
rnorm(16):产生16个随机数
solve():求逆矩阵,解方程组
> a=matrix(rnorm(16),4,4) > a [,1] [,2] [,3] [,4] [1,] -1.05965689 0.6143960 -0.8294148 -1.3061685 [2,] -1.60431219 -1.2030678 0.2292120 -1.4342218 [3,] 0.79135067 -0.3404548 -0.8149929 -0.8628479 [4,] 0.06815653 -1.1712486 -0.9934455 1.7037992 > solve(a) [,1] [,2] [,3] [,4] [1,] -0.341489771 -0.1637338 0.4876024 -0.1526864 [2,] 0.374155498 -0.3890995 -0.2724248 -0.1786631 [3,] -0.478976543 0.1730090 -0.2601989 -0.3533297 [4,] -0.008412508 -0.1600527 -0.3584953 0.2641942 解方程组 > b=c(1:4) > solve(a,b) [1] 0.1831044 -1.9359705 -2.3268738 -0.3472269
eigen:求矩阵特征值
> 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 0.8660254 0.0000000 0.0000000 [2,] -0.5 -0.2886751 -0.5773503 -0.5773503 [3,] -0.5 -0.2886751 -0.2113249 0.7886751 [4,] -0.5 -0.2886751 0.7886751 -0.2113249
is.vector():判断变量是否为向量
is.array():判断是否为数组,数组是有维度的向量。矩阵可以看作二维数组。
> x=c(1:6) > x [1] 1 2 3 4 5 6 > is.vector(x) [1] TRUE > is.array(x) [1] FALSE > dim(x)<-c(2,3) > x [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6 > is.vector(x) [1] FALSE > is.array(x) [1] TRUE
data.frame:数据框,二维表单。矩阵和数组中,每个元素必须为数值。数据框可以为任意类型。
> x1=c(1:10) > y1=c(101,110) > x=data.frame(x1,y1) > x x1 y1 1 1 101 2 2 110 3 3 101 4 4 110 5 5 101 6 6 110 7 7 101 8 8 110 9 9 101 10 10 110 > x=data.frame('col1'=x1,'col2'=y1) > x col1 col2 1 1 101 2 2 110 3 3 101 4 4 110 5 5 101 6 6 110 7 7 101 8 8 110 9 9 101 10 10 110
plot:画图
- read.table:.prn以空格分割的文件格式
- read.csv:读入csv文件
- 安装RODBC,再通过ODBC读
for语句:
> a=1 #init a > for(i in 1:59) a[i]=i*2+3 > a [1] 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 [21] 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 [41] 85 87 89 91 93 95 97 99 101 103 105 107 109 111 113 115 117 119 121
while语句:
> a=5 > i=1 > while(a[i]<121){i=i+1;a[i]=a[i-1]+2} > a [1] 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 [21] 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 [41] 85 87 89 91 93 95 97 99 101 103 105 107 109 111 113 115 117 119 121
source(‘x.r’):运行R脚本
分布函数:
正态分布函数rnorm() 泊松分布函数rpois() 指数分布函数rexp() Gamma分布函数rgamma() 均匀分布函数runif() 二项分布函数rbinom() 几何分布函数rgeom() > x<-round(runif(10,min=80,max=100)) > x [1] 95 94 82 90 83 85 85 84 80 99 > x<-round(rnorm(10,mean=80,sd=7)) > x [1] 72 86 77 85 86 75 77 93 78 82
存储数据:write.table()
colMeans:对列求平均值
colMeans(x)[c('x1','x2','x3')] #在指定的3列上求均值
apply:
apply(x,2,mean) #在x的列上求均值 apply(x[c('x1','x2','x3')],1,sum) #3列元素,每行求和
R 语言学习笔记(一)
最新推荐文章于 2022-11-13 13:58:30 发布