R语言数据结构之矩阵、数组与数据框详解

来自:网络
时间:2023-05-18
阅读:
目录

前言

了解一门语言,首先要了解它的数据结构。该文主要介绍矩阵、数组和数据框。文章仅供学习使用,欢迎留言交流哦!

一、矩阵(matrix)

1.1矩阵的创建:

矩阵由指定的行(row)和列(column)构成,与高数中的矩阵相同。与之前提到的向量一样,矩阵只能储存同种类型的数据。

matrix(  ):创建矩阵

matrix(
  data  #要创建矩阵的数据,一般为向量
  nrow  #行数
  ncol  #列数
  byrow = TRUE  #若为TRUE,按行填充矩阵,若为FALSE,按列填充矩阵
  dimnames  #为矩阵个维度命名
)

接下来使用该函数来创建一个3*3的矩阵:

R语言数据结构之矩阵、数组与数据框详解

R语言数据结构之矩阵、数组与数据框详解

如图所示,这个由1~9组成的3*3矩阵,左边指定了行数未指定列数,右边指定了列数未指定行数,但所得矩阵相同,所以系统会自动识别并填充。上面两个矩阵都是按列填充矩阵,由于未设置byrow,所以采用默认值FALSE。下面来看一下当byrow为TRUE时,有何不同:

R语言数据结构之矩阵、数组与数据框详解

R语言数据结构之矩阵、数组与数据框详解

可以看出,byrow为TRUE时,矩阵对数据进行了按行填充。

接下来介绍dimnames函数,为矩阵的行与列命令,第一个向量为行名,第二个向量为列名。

matrix(1:9,ncol = 3,byrow = TRUE,dimnames = list(c("x1","x2","x3"),c("y1","y2","y3")))

得到下图所示矩阵,与上述矩阵相比,[1,]等变成了x1,y1。

R语言数据结构之矩阵、数组与数据框详解

对于已经创建好的向量,可以使用dimnames(),rownames(),colnames()为矩阵进行命名:

创建名为train1,train2的矩阵,train1用dimnames()进行命名,train2分别用rownames(),colnames()对行与列进行命名。

train1 <- matrix(1:9,ncol = 3)
train2 <- matrix(10:18,ncol = 3)
dimnames(train1) <- list(c("x1","x2","x3"),c("y1","y2","y3"))
(rownames(train2) <- c("迪迦","塞罗","特斯拉"))
(colnames(train2) <- c("天王","地虎","二百五"))

R语言数据结构之矩阵、数组与数据框详解

R语言数据结构之矩阵、数组与数据框详解

所得结果如上图。同时dimnames(),rownames(),colnames()还能获取矩阵的名称,使用dimnames获取train2的名称(其他两个大家可以自己尝试一下昂),结果如下图:

R语言数据结构之矩阵、数组与数据框详解

1.2访问矩阵的数据:

matrixname[ridx,cidx]:访问matrixname矩阵中ridx行cidx列的数据:

例如访问train1中的第二行第二列数据,为5。

R语言数据结构之矩阵、数组与数据框详解

也可以使用负数,效果与向量中使用负数相同,即输出除某列或某行的其他所有数据。例如输出train2中除第二行的所有数据。

R语言数据结构之矩阵、数组与数据框详解

1.3矩阵的运算:

四则运算符
运算符含义
X + a矩阵X中所有值与标量a相加,还可以使用"-","*","/"运算符
X + Y对矩阵X与矩阵Y求和,还能使用"-"求矩阵间的差
X %*% Y求矩阵X与矩阵Y的积
矩阵运算相关的函数
函数名函数作用
solve()从式子Y%*%X=Z中求解X,Y、Z为矩阵
nrow()求行数
ncol()求列数
dim求维度
dim <-设置对象的维度
t()求矩阵的转置矩阵

这里就不演示了,大家可以自己尝试,如果有疑问可以评论交流(一般中午、晚上会看的,欢迎评论哦)。

二、数组(array)

2.1数组的创建:

数组与矩阵、向量不同,它可以存储不同数据类型的数据。而且数组是多维的,可以是2*3*4维的。创建数组使用array()函数:

array(
  data #数据
  dim = length(data) #数组维数,若不设置,则为一维数组
  dimnames #维度的名称
)

接下来创建一个3*4的数组和一个2*3*2的数组作为示例:

x <- array(1:12,dim = c(3,4))
y <- array(1:12,dim = c(2,3,2))

R语言数据结构之矩阵、数组与数据框详解

R语言数据结构之矩阵、数组与数据框详解

所得结果如上图,左图很容易看懂,不做过多解释。右图根据 y <- array(1:12,dim = c(2,3,2))所得,其中c(2,3,2)的最后一个数字是指右图中,,1和,,2,可以将其理解为层数,第一层由1,2,3,4,5,6构成,两行三列。

2.2访问数组的数据:

与向量相同,使用X[xidx,yidx,zidx...nidx]访问数组数据:

访问y第二层中第二行第二列的数据,结果如下:

R语言数据结构之矩阵、数组与数据框详解

三、数据框

3.1数据框的创建:

数据框类似于表格,例如上面矩阵运算中所展示的表格。可以使用data.frame()创建数据框

data.frame(
  #以value或name = value的形式展现的数据值
)

可能有点看不懂,没有关系,我们来看几个例子就可以了。创建一个名为名人的数据框:

名人 <-data.frame(美女 = c("西施","王昭君","貂蝉"),名将 = c("荆轲","要离","岳飞"))

R语言数据结构之矩阵、数组与数据框详解

R语言数据结构之矩阵、数组与数据框详解

x <- 1:5
y <- 6:10
z <- 11:15
d <- data.frame(x,y,z)

运行结果如上图,数据框会将你输入的数据按列排布,做出一个类似表格的形式。在数据框中也可以使用rownames(),colnames()等函数,下面以rownames做一个示例: 

 rownames(d) <- c("three","four","two","five","one")

R语言数据结构之矩阵、数组与数据框详解

数据框的数据访问于上述差不多,大家可以自己尝试一下。

总结

返回顶部
顶部