对于那些有一点编程经验的人来说,vector,matrix,array,list,data.frame就相当于编程语言中的容器,因为只是将R看做数据处理工具所以它们的底层是靠什么实现的,内存怎么处理的具体也不要深究。
R语言很奇怪的是它是面向对象的语言,所以经常会调用系统的方法,而且更奇怪的是总是调用“谓语”的方法,用起来像是写句子一样,记起来真是让人费解。比如is.vector(),read.table(),as.vector()、、
直接开始吧:(由于习惯,大部分用"="代替"<-")
一、向量vector,
1.是最基本的数据容器,里面的数据必须是同一类型,先看基本用法:
1
|
a<-c(1,2,3,4,5,6,7,8,9)
|
或者赋值函数assign,
1
2
3
4
5
6
7
8
9
10
|
assign("a",c(1,2,3,4,5,6,7,8,9))
> is.vector(a)
[1] TRUE
> is.matrix(a)
[1] FALSE
> is.array(a)
[1] FALSE
> is.list(a)
[1] FALSE
|
或者利用随机分布函数,rnrom(n,mean,sd),runif(n,min,max)、、、
1
2
3
4
5
6
|
> b=runif(20,min=1,max=20)
> b
[1] 2.181016 18.417605 9.748379 2.122849 1.281871 4.099617
[7] 14.162348 18.034863 7.464664 9.599227 18.973259 1.900773
[13] 8.995223 11.048916 11.667131 3.859275 17.992988 1.089552
[19] 13.490061 12.864029
|
或者按照一定的步长:
1
2
3
|
> a=seq(1,20,by=3)
> a
[1] 1 4 7 10 13 16 19
|
或者重复:
1
2
3
|
> s=rep(a,times=3)
> s
[1] 1 4 7 10 13 16 19 1 4 7 10 13 16 19 1 4 7 10 13 16 19
|
逻辑向量:
1
2
|
> b=a>8;b
[1] FALSE FALSE FALSE TRUE TRUE TRUE TRUE
|
缺失数据用大写NA表示,数据不确定用NaN表示,数据是无穷用Inf表示(一会全大写,一会大写加小写,一会首字母大写,真是醉了),判断是否为空数据用函数is.na(),判断是否不确定用函数is.nan(),数据是否有限用is.finite(),数据是否为无穷用函数is.infinite():
1
2
3
4
5
6
7
|
> z=c(1:3,Na);z
Error: object 'Na' not found
> z=c(1:3,NA);z
[1] 1 2 3 NA
> is.na(z)
[1] FALSE FALSE FALSE TRUE
|
将缺失的数据赋值为0:
1
2
|
> z[is.na(z)]=0;z
[1] 1 2 3 0
|
下面将这几个有问题的数据放在一个向量中:
1
2
3
4
5
6
7
8
9
10
|
> z=c(0/1,0/0,1/0,NA);z
[1] 0 NaN Inf NA
> is.na(z)
[1] FALSE TRUE FALSE TRUE
> is.nan(z)
[1] FALSE TRUE FALSE FALSE
> is.finite(z)
[1] TRUE FALSE FALSE FALSE
> is.infinite(z)
[1] FALSE FALSE TRUE FALSE
|
2.vector中元素的下标引用.
1
2
3
|
> a=round(runif(9,min=1,max=9))
> a
[1] 3 8 8 8 2 7 3 5 3
|
可以看见,与容器不同,vector的下标是从1开始的:
1
2
3
4
5
|
> a[0]
numeric(0)
> a[1]
[1] 3
|
选取第2和第3个数,引用非常方便:
1
2
|
> a[c(2,3)]
[1] 8 8
|
引用除了第一个值的所有数,用了减号"-":
1
2
|
> a[-c[1]]
[1] 8 8 8 2 7 3 5 3
|
3.vector作为R语言工具,需要了解vector的各种运算。
①+-×÷,其他运算如log,exp,cos,sqrt等也相似。其意义是对应的向量的每个元素分别做运算,
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
> x=c(1,2,3)
> y=c(2,3,4)
> z=2*x+y-1
> z
[1] 3 6 9
> x^2
[1] 1 4 9
> cos(x)
[1] 0.5403023 -0.4161468 -0.9899925
> sqrt(x)
[1] 1.000000 1.414214 1.732051
|
②与向量有关的函数,min(x),max(x), sum(x),range(x),太简单就不在细说,需要强调的是which.min(x),这个还是蛮重要的。
1
2
3
4
5
6
7
8
9
10
11
12
|
> a=rnorm(10,mean=5,sd=2)
> a
[1] 5.914559 2.604346 5.342572 9.006863 6.547221 7.519781 7.330211
[8] 8.322956 6.875491 5.883626
> which.max(a)
[1] 4
> which.min(a)
[1] 2
> a[which.max(a)]
[1] 9.006863
> a[which.min(a)]
[1] 2.604346
|
其他的如sd(a),var(a),length(a),sort(a),分别是求方差,标准差,长度,排序。与python不同R语言的vector所有操作都不会改变vector本身的值。
4.由于R是一种基于对象的语言,R的对象分为单纯对象和复合对象两种,单纯对象的所有元素都是同一数据类型(数值、字符串),元素不再是对象。复合对象的元素可是是不同的类型,每个元素是一个对象。
R的对象都有两个基本的属性:mode和length,向量的类型为:logical(逻辑型)、numeric(数值型)、complex(复数型)、character(字符型)。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
> b=c(0:9)
> b
[1] 0 1 2 3 4 5 6 7 8 9
> is.numeric(b)
[1] TRUE
> is.character(b)
[1] FALSE
> c=as.character(b)
> c
[1] "0" "1" "2" "3" "4" "5" "6" "7" "8" "9"
> is.numeric(c)
[1] FALSE
> is.character(c)
[1] TRUE
|
二、数组array
多维的同一类型集合(字符型、数值型、逻辑型、复数型),R可以很容易地生成和处理数组,特别是矩阵matrix是一个二维数组。
1.可以通过定义dim(维度)将向量变成matrix。
1
2
3
4
5
6
7
|
a=c(1,3,4,5,6,7,8,9,3)
> dim(a)=c(3,3)
> a
[,1] [,2] [,3]
[1,] 1 5 8
[2,] 3 6 9
[3,] 4 7 3
|
或者:
1
2
3
4
5
6
|
> a=array(a,dim=c(3,3))
> a
[,1] [,2] [,3]
[1,] 1 5 8
[2,] 3 6 9
[3,] 4 7 3
|
或者:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
> a=matrix(a,nrow=3,ncol=3);a
[,1] [,2] [,3]
[1,] 1 5 8
[2,] 3 6 9
[3,] 4 7 3
> is.vector(a)
[1] FALSE
> is.matrix(a)
[1] TRUE
> is.array(a)
[1] TRUE
> is.list(a)
[1] FALSE
|
可以发现,a已经通过定义维度将其变成了一个矩阵(matrix)和数组(array),下面将讲matrix其实是一个二维的array。
2.下标引用
1
2
3
4
5
6
7
8
9
10
11
12
13
|
> a=c(1:24)
> dim(a)=c(2,3,4)
> a[2,1,2]
[1] 8
> a[1,2:3,2:3]
[,1] [,2]
[1,] 9 15
[2,] 11 17
> a[1, , ]
[,1] [,2] [,3] [,4]
[1,] 1 7 13 19
[2,] 3 9 15 21
[3,] 5 11 17 23
|
到此这篇关于R语言中的vector(向量),array(数组)使用总结的文章就介绍到这了,更多相关R语言向量数组内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家!
原文链接:https://blog.csdn.net/yezonggang/article/details/51103460