数组 array 矩阵 list 数据框 dataframe

转自 ：  http://blog.csdn.net/u011253874/article/details/43115447

1. <span style="font-size:14px;">#R语言备忘录三#  
2. #数组array和矩阵matrix、列表list、数据框dataframe  
3. #数组  
4. #数组的重要属性就是dim，维数  
5. #得到4*5的矩阵  
6. z <- 1:12  
7. dim(z) <- c(3,4)  
8. z  
9. #构建数组  
10. x <- array(1:20, dim = c(4,5))  
11. #三维  
12. y <- array(1:18, dim = c(2,3,3))  
13. #数组下标  
14. y[1, 2, 3]  
15. #数组的广义转置,维度发生变化，把2维变成1维，把3维变成2维，把1维变成3维，即D[i,j,k] = C[j,k,i]  
16. C <- array(1:24, dim = c(2,3,4))  
17. D <- aperm(A, c(2,3,1))  
18. #apply用于数组固定某一维度不变，进行计算  
19. apply(A, 1, sum)  
20. #矩阵  
21. #产生矩阵  
22. A <- matrix(1:15, nrow=3, ncol=5, byrow=TRUE)  
23. B <- matrix(3:17, nrow=5, ncol=3, byrow=TRUE)  
24. #求方阵行列式的值  
25. det(matrix(1:4, ncol = 2))  
26. #内积  
27. #矩阵的内积  
28. A %*% B  
29. #也可以使用crossprod函数  
30. crossprod(A, B)  
31. crossprod(A)  
32. #向量的外积，也叫叉积  
33. x <- 1:5  
34. y <- 2*1:5  
35. x %o% y  
36. #也可以使用tcrossprod函数、outer  
37. outer(x, y)  
38. tcrossprod(x)  
39. #产生对角阵  
40. #如果变量是一个向量，则是以向量为对角线元素的对角阵  
41. v <- c(1, 3, 5)  
42. diag(v)  
43. #如果变量是一个矩阵，则是取矩阵对角线元素作为对角阵对角线元素  
44. diag(A)  
45. #解线性方程Ax=b，  
46. b <- matrix(c(1,1,1), nrow = 3, byrow = TRUE)  
47. B <- matrix(1:9, nrow = 3, byrow = TRUE)  
48. solve(B,b)  
49. #求矩阵的逆  
50. solve(B)  
51. #ev$values是特征根，ev$vectors是特征向量组成的矩阵  
52. SM <- crossprod(A, A)  
53. ev <- eigen(SM)  
54. #奇异解,svd$d返回的是矩阵A的奇异值，svd$u则是正交阵U，svd$v对应的是正交阵V, A = UDVT  
55. svdA <- svd(A)  
56. #把矩阵拉成向量  
57. as.vector(A)  
58. #数组或矩阵的维的名字  
59. X <- matrix(1:6, ncol = 2,  
60.             dimnames = list(c("one", "two", "three"), c("First", "Second")),  
61.             byrow = T)  
62. #亦或是  
63. dimnames(A) <- list(c("one", "two", "three"), c("First", "Second"))  
64. colnames(A) <- c("First", "Second")  
65. rownames(A) <- c("one", "two", "three")  
66. #列表  
67. #构建列表  
68. Lst <- list(name="Fred", wife="Mary", no.children=3, child.ages=c(4,7,9))  
69. #列表元素，列表名[[下标]]  
70. Lst[[2]]  
71. Lst[[4]][2]  
72. #也可以使用名字代替下标  
73. Lst[["name"]]  
74. Lst$name  
75. #修改列表  
76. Lst$name <- c("John", "Tom")  
77. #删除列表某项  
78. Lst$name <- NULL  
79. #连接几个列表  
80. list.ABC <- c(list.A, list.B, list.C)  
81. #数据框  
82. #data.frame，用法和list相同，如果list里的成分满足数据框，也可以使用as.data.frame转换  
83. df<-data.frame(  
84.     Name=c("Alice", "Becka", "James", "Jeffrey", "John"), Sex=c("F", "F", "M", "M", "M"),  
85.     Age=c(13, 13, 12, 13, 12),  
86.     Height=c(56.5, 65.3, 57.3, 62.5, 59.0)  
87.     Weight=c(84.0, 98.0, 83.0, 84.0, 99.5)  
88. )  
89. df  
90. #矩阵可以通过data.frame(X)转换  
91. #取数据框的一部分  
92. df[1:2, 3:5]  
93. df[["Height"]]  
94. df$Weight  
95. #命名  
96. names(df)  
97. rownames(df)  
98. #attch()函数将数据框中的变量调入内存中，方便调用当中的数据  
99. attach(df)  
100. #取消连接  
101. detach(df)  
102. #调用edit进行编辑数据  
103. edit(df)  
104. #因子factor  
105. sex <- c("M","M", "F","F")  
106. sexf <- factor(sex)  
107. #因子水平  
108. sex_level <- levels(sexf)  
109. #用table统计各类数据的频数  
110. sex_tab <- table(sexf)  
111. #用gl()产生因子  
112. #gl(n, k, length = n * k, labels = 1:n, ordered = FALSE)  
113. </span> 

、、、、、、、、、、、、、、、、、、、、、、、、、、、

1. #R语言学习备忘录一#  
2. #向量运算#  
3.   
4. x <- c(1,2,3,6)  
5. #不小于x的最小整数   
6. ceiling(x)  
7. #不大于x的最大整数   
8. floor(x)   
9. #向0方向截取的x中的整数   
10. trunc(x)   
11. #将x舍入为指定位的小数   
12. round(x,digits=2)   
13. #将x舍入指定的有效数字位数   
14. signif(x,digits=2)   
15. #三角函数   
16. cos(x)   
17. sin(x)   
18. tan(x)   
19. acos(x)   
20. asin(x)  
21. #分位数,如求25%及50%分位数   
22. quantile(x,c(.25,.5))   
23. #求值域   
24. range(x)   
25. #求乘积函数  
26. prod(x)  
27. #滞后差分   
28. diff(x)   
29. #求最大值和最小值对应的位置  
30. which.min(x)   
31. which.max(x)  
32. #数据标准化   
33. x<-c(123,232,212,232,120,273)   
34. mydata<-scale(x)   
35. mydata  
36.   
37. #正则表达式匹配   
38. str<-c("a","A","B","c")   
39. grep("A",str,fixed=TRUE)   
40.   
41. #字符  
42. #分割符strsplit   
43. strsplit("abcde","")   
44. #连接字符paste   
45. paste("x",1:10,sep="")   
46. paste("x",1:5,sep="T")   
47. paste("Today is ",date())   
48. #大写转换toupper   
49. toupper("abcEF")   
50. #小写转换tolower   
51. tolower("ABC")  
52. #计算字符数量 nchar   
53. x<-c("ab","deew","James")   
54. nchar(x)   
55. nchar(x[2])   
56. #提取或替换一个数值，和Excel mid函数差不多  substr   
57. x<-"abcdefg"   
58. substr(x,2,5) #2到5个元素  
59. substr(x,2,5)<-"1111111"   
60. x   
61.   
62. #注意两种等差数列的差别  
63. 1:n-1  
64. 1:(n-1)  
65. #重复函数rep   
66. y<-rep(1:5,2)   
67. y  
68. #等间隔函数  
69. seq(-5, 5, by=.2)  
70. seq(length=51, from=-5, by=.2)  
71. #上下两种方式效果一样  
72. #求行均值   
73. apply(mydata,1,mean)   
74. #求列均值   
75. apply(mydata,2,mean)  
76.   
77. #逻辑变量  
78. #判断一个逻辑向量是否都为真的函数是all  
79. all(c(1,2,3,4,5,6)>3)  
80. #判断一个逻辑向量是否有为真的函数any  
81. any(c(1,2,3,4,5,6)>3)  
82.   
83. #缺失数据  
84. #NA表示数据缺省或缺失  
85. z <- c(1:3, NA)  
86. z  
87. a <- is.na(z)  
88. #修改缺失数据  
89. z[is.na(z)] <- 0  
90. #is.nan()判断数据是否精确，inf也属于非精确  
91. x <- c(0/1, 0/0, 1/0, NA)  
92. is.nan(x)  
93. is.finite(x)  
94. is.infinite(x)  
95. is.na(x)  
96.   
97. #复数向量  
98. #复数z=x+isin(x)  
99. x <- seq(-pi, pi, by = pi/10)  
100. y <- sin(x)  
101. z <- complex(re = x, im = y)  
102. plot(z)  
103. lins(z)  
104.   
105. #向量的下标运算  
106. x <- c(1,4,7)  
107. x[c(2,3)]  
108. #修改元素值  
109. x[c(1,3)] <- c(22, 33)  
110. #逻辑向量  
111. x <- c(1,4,7)  
112. x < 5  
113. x[x<5]  
114. #分段函数  
115. y <- numeric(length(x))  
116. y[x<0] <- 1-x[x<0]  
117. y[x>=0] <- 1-x[x>=0]  
118. #即y=1-x,x<0; y=1+x,x>=0  
119. #下标的负整数运算表示的是删除  
120. v <- 10:20  
121. v[-(1:5)]  
122. #取字符串为下标  
123. ages <- c(Li=33, Zhang=29, Liu=18)  
124. ages["Zhang"]  
125. #给向量赋予名字  
126. fruit <- x(5, 10, 1, 29)  
127. names(fruit) <- c("orange", "banana", "apple", "peach")