2019-07-25

四、NA、Inf、NaN、NULL 特殊值(https://zhuanlan.zhihu.com/p/47029970)


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。

五、矩阵(https://zhuanlan.zhihu.com/p/47250328)

1. 创建矩阵:matrix()函数,matrix()的原型为:matrix(data=NA, nrow=1, ncol = 1, byrow=FALSE, dimnames=NULL)

                      data:包含了矩阵的元素,一般是个向量,默认情况下是NA

                      nrow和ncol:设定矩阵的行、列数目;一般这两个值只需设定一个,另外一个值可根据元素个数自动给出

                      byrow:设定矩阵是按行(byrow=TRUE)填充还是按 列(byrow=FALSE)填充,默认情况下按列填充

                      dimnames:包含了以字符型向量表示的行名和列名,是一个列表,默认情况下没有行列名

                      rownames()、colnames()函数来给矩阵添加行、列名

2、矩阵属性:> class(mat) ##结构类型;> typeof(mat)  ##元素数据类型;> dim(mat)  ##维度,2行3列;> length(mat)  ##元素个数;

                       > rownames(mat)  ##获取行名;> colnames(mat)  ##获取列名

3、访问矩阵中的元素:通过行、列名或位置来访问元素[],类似向量

4. 修改矩阵中的元素:通过赋值运算来改变矩阵中的内容,类似向量

     通过rbind()和cbind()函数可添加行和列

5、矩阵的基本运算(类似向量)、转置(t()函数)、内积(%*%运算符/crossprod()函数)、行列式(det()函数)、对角元素操作(diag()函数)、逆(solve()函数)、提取矩阵的上下三角部分(upper.tri(x, diag = FALSE)和lower.tri(x, diag = FALSE)函数)以及如何将矩阵转化为向量(as.vector()函数/c()函数)。https://zhuanlan.zhihu.com/p/47854895

6、矩阵的函数(https://zhuanlan.zhihu.com/p/48725704)

1)rowSums()行和, colSums()列和, rowMeans()行平均, colMeans()列平均, 

2)apply():apply(X, MARGIN, FUN, ...),其中:X为矩阵或数组;MARGIN用来指定是对行运算还是对列运算,MARGIN=1表示对行运算,MARGIN=2表示对列运算;FUN用来指定运算函数;...用来指定FUN中需要的其它参数, 设置na.rm=TRUE来忽略NA值,

3)rbind()、 cbind()分别为矩阵添加行和列, rownames()、colnames()分别为添加行名和列名,如原有4行,第5行添加平均值,则c(1:4, 'mean'),

4)row()、 col()分别返回元素的行和列下标矩阵,如行的下标矩阵,那第一行就都是1,第二行都是2,以此类推。


5)rowsum(), aggregate()对每行进行分组,然后组内每列求和;如行分组求和,可以先将矩阵转置。

6)sweep():sweep(x, MARGIN, STATS, FUN = "-", check.margin = TRUE, ...),其中:x为矩阵或数组;MARGIN用来指定是对行运算还是对列运算,MARGIN=1表示对行运算,MARGIN=2表示对列运算;STATS表示想要清除的统计量;FUN用来指定运算函数,默认为减法-;check.margin用来核实x的维度是否与STATS的匹配,如果事先知道它们匹配的话,将其设为FALSE将提高运算速度; ...用来指定FUN中需要的其它参数

7)max.col():返回矩阵每行最大值所在的列位置(即列下标),其原型为max.col(m, ties.method = c("random", "first", "last")),其中:m为矩阵;当存在多个最大值时,ties.method指定用哪种方式来处理这种情况,默认为"random"(随机),"first"指使用第一个最大值,"last"指使用最后一个最大值

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,133评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,682评论 3 390
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,784评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,508评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,603评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,607评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,604评论 3 415
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,359评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,805评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,121评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,280评论 1 344
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,959评论 5 339
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,588评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,206评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,442评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,193评论 2 367
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,144评论 2 352

推荐阅读更多精彩内容