文章目录

• • 向量
  • 矩阵
  • 数组
  • 常用的统计函数

向量

通过c函数创建的数据结构即向量，向量之间可以进行元素一对一的四则混合运算

> xs <- c(1,2,3)
> ys <- c(4,5,6)
> xs + ys
[1] 5 7 9
> xs / ys
[1] 0.25 0.40 0.50

通过[]可以索引向量中的元素，但是和C, Python等编程语言不同，R语言的索引下标从1开始，并且支持多个值同时索引

> xs[1]
[1] 1
> ys[2]
[1] 5
> (xs/ys)[3]
[1] 0.5
> xs[c(1,3)]
[1] 1 3

通过:表达式，可以不同c直接创建新向量

> zs <- 1:10
> zs[2:4]    
[1] 2 3 4

通过:表达式生成的是特定区间内的自然数组，seq函数则提供了等差数组的生成方式，其输入参数有3个，分别表示数组区间以及元素间隔

> seq(1,10,2)   # 从1到10，生成间隔为2的等差向量
[1] 1 3 5 7 9

通过rep，可以创建元素重复的向量，输入参数分别为待重复元素和重复次数

> rep(1,5)
[1] 1 1 1 1 1
> rep(1:2, 5)[1] 1 2 1 2 1 2 1 2 1 2

矩阵

矩阵的初始化可通过matrix函数，其输入参数为矩阵元素和形状，示例如下

> matrix(1:12, 3, 4)[,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12
> matrix(1:12, 4, 3)[,1] [,2] [,3]
[1,]    1    5    9
[2,]    2    6   10
[3,]    3    7   11
[4,]    4    8   12

通过[]可以提取矩阵中的元素，不同维度的序号之间用,分割。

维度相同的矩阵支持常规的加减乘除等运算，此外，R语言提供了便捷的矩阵计算支持，通过%*%可实现矩阵乘法

> m1 = matrix(1:12, 3, 4)
> m2 = matrix(1:12, 4, 3)
> m1 %*% m2[,1] [,2] [,3]
[1,]   70  158  246
[2,]   80  184  288
[3,]   90  210  330

此外，R语言还提供了一些矩阵函数

示例如下

> crossprod(m1, m1)[,1] [,2] [,3] [,4]
[1,]   14   32   50   68
[2,]   32   77  122  167
[3,]   50  122  194  266
[4,]   68  167  266  365
> outer(c1, c2)[,1] [,2] [,3] [,4] [,5]
[1,]    1    2    3    4    5
[2,]    2    4    6    8   10
[3,]    3    6    9   12   15
[4,]    4    8   12   16   20
[5,]    5   10   15   20   25

数组

数组可理解为张量，从而向量和矩阵均为数组的特殊情况，即分别是一维数组和二维数组。

通过array可以创建高维数组，其输入参数分别为数组元素、数组维度以及各维度名称。

array(data, dim=length(data), dimnames=NULL)

示例如下

> a1 <- array(1:12, dim=c(2,3,2))
> a1
, , 1[,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6, , 2[,1] [,2] [,3]
[1,]    7    9   11
[2,]    8   10   12

[]同样可以访问数组元素，不同维度之间用,隔开，如果某一维度未声明特定的值，就提取这个维度的所有元素

> a1[1,2,1]
[1] 3
> a1[1,2,2]
[1] 9
> a1[,2,2]
[1]  9 10
> a1[,2,][,1] [,2]
[1,]    3    9
[2,]    4   10

常用的统计函数

在R语言中，提供了一些统计函数，适用于数组、矩阵以及向量等数据结构

示例如下

> sum(c1)
[1] 15
> sum(m1)
[1] 78
> sum(a1)
[1] 78
> sd(m1)
[1] 3.605551