R語言開發之資料型別之陣列&因子&資料幀
咱們接著上篇文章來啊,上篇文章最後說道矩陣,但是矩陣只能有兩個維度,然而陣列可以是任意數量的維數。R語言中陣列函式採用一個dim
屬性,建立所需的維數。 在下面的例子中,我們嘗試建立一個有三個元素的陣列,每個元素都是3x3
個矩陣:
執行結果如下:
然後因子是使用向量建立的R物件, 它將向量儲存在向量中的元素的不同值作為標籤,並且標籤始終是字元,無論它是輸入向量中是數字,還是字元或布林等,這讓它們在統計建模中很有用,其中因子使用factor()
函式建立,之後又nlevels
函式給出了級別的計數,來看下例項:
執行結果如下:
資料幀是表格資料物件,它與陣列中的矩陣不同,每列可以包含不同的資料模式。 第一列是數字,而第二列可以是字元,第三列可以是邏輯型別。它是一個長度相等的向量列表。它使用data.frame()
輸出結果如下:
好啦,本次記錄就到這裡了。
如果感覺不錯的話,請多多點贊支援哦。。。
相關推薦
R語言開發之資料型別之陣列&因子&資料幀
咱們接著上篇文章來啊,上篇文章最後說道矩陣,但是矩陣只能有兩個維度,然而陣列可以是任意數量的維數。R語言中陣列函式採用一個dim屬性,建立所需的維數。 在下面的例子中,我們嘗試建立一個有三個元素的陣列,
R語言開發之陣列操作了解下
陣列是可以在二維及以上儲存資料的R資料物件, 例如 - 如果建立一個維陣列(2,3,4),那麼它將建立4個矩形矩陣,每個矩陣具有2行和3列並且陣列只能儲存資料型別。我們可通過使用array()函式來建立
Mac版R語言入門(五)R語言中的資料型別之factor因子
更多R語言資訊歡迎關注我的新浪微博:Jenny愛學習微信公眾號:R語言資料分析與實踐分析資料時,經常遇到分類變數。例如,假設你有一系列關於人群特徵的資料,其中一個指標是瞳孔顏色。這時候,可以用字元型陣列來表示瞳孔顏色:> eye.colors <- c("brow
python語言中的資料型別之元組
資料型別 元組 tuple 元組:不可變型別 用途:元組就是一個不可變的列表,當需要存不改動的值時可用元組 定義方式:在()內用逗號分隔開多個任意型別的元素 t=(1,2.2,'aa',('b','c
python語言中的資料型別之列表
資料型別及內建方法 列表: list 可變型別,有序 用途:用來記錄多個值(同屬性) 定義方式:在[ ]內用逗號分隔開多個任意型別的值 l=['a','b','c'] #l=li
python語言中的資料型別之字典
資料型別 字典型別dict 用途:記錄多個值,列表是索引對應值,而字典是key對應值,其中key對value有描述性 定義方式:在{ }用逗號分隔開多個元素,每個元素都是key:value形式,其中key是不可變型別,通常是字串型別,而value是任意型別。 型別轉換:
python語言中的資料型別之集合
資料型別 集合型別 set 用途:1.關係運算 2.去重 定義方式:在{}內用逗號分隔開多個元素,但元素的特點是 1.集合內元素必須是不可變型別
R語言開發之迴圈結構的控制語句(break&next)瞭解下
迴圈控制語句用於更改程式正常執行順序,就是當執行離開範圍時,在該範圍內建立的所有自動物件都將被銷燬。我們來看下R支援的控制語句: 序號 控制語句 描述 1 break語句 終止迴圈語句並將執行轉移到迴圈之後的語句。 2 next語句
R語言開發之包是個什麼鬼???
R包是R函式,編碼和樣本資料的集合, 它們儲存在R環境中的名為“library”的目錄下。 預設情況下,R在安裝過程中安裝一組軟體包。當需要某些特定的目的時,也可根據需要新增更多的包。 當我們啟動R控制檯時,預設情況下只有預設軟體包可用。 已經安裝的其他軟體包必須明確載入才能
R語言開發之CSV檔案的讀寫操作了解下
在R中,我們可以從儲存在R環境外部的檔案讀取資料,還可以將資料寫入由作業系統儲存和訪問的檔案。這個csv檔案應該存在於當前工作目錄中,以方便R可以讀取它, 當然,也可以設定自己的目錄,並從那裡讀取檔案。
R語言開發之輸出直方圖
直方圖表示一個變數範圍內的值的頻率。直方圖類似於條形,但區別在於將值分組為連續範圍。直方圖中的每個欄表示該範圍中存在的值的數量的高度。在R中使用hist()函式建立直方圖。 該函式將一個向量作為輸入,並
R語言開發之二進位制檔案讀寫操作
二進位制檔案是一個檔案,其中包含僅以位和位元組形式儲存的資訊(0和1),它們是不可讀的,因為其中的位元組轉換為包含許多其他不可列印字元的字元和符號,隨便我們嘗試使用任何文字編輯器讀取二進位制檔案將顯示為類似Ø和ð這樣的字元。 但是二進位制檔案必須由特定程式讀取才能使用。例如
R語言開發之線性迴歸瞭解下
迴歸分析是一個廣泛使用的統計工具,用於建立兩個變數之間的關係模型,這些變數之一稱為預測變數,其值通過實驗收集。 另一個變數稱為響應變數,其值來自預測變數。線上性迴歸中,這兩個變數通過一個等式相關聯,其中這兩個變數的指數(冪)是1,數學上,當繪製為圖形時,線性關係表示直線,並且
R語言開發之協方差分析瞭解下
我們通常使用迴歸分析來建立描述預測變數變數對響應變數的影響的模型,有時,如果我們有類似於是/否或男/女等值的分類變數,簡單迴歸分析為分類變數的每個值提供多個結果。在這種情況下,我們可以通過使用分類變數和預測變數來研究分類變數的影響,並比較分類變數的每個級別的迴歸線。 這樣的分
R語言開發之非線性最小二乘法瞭解下
當對真實世界資料建模進行迴歸分析時,我們觀察到模型的方程很少是給出線性圖的線性方程。 反而是在大多數情況下,現實世界資料模型的方程式涉及更高程度的數學函式,如3或sin函式的指數。 在這種情況下,模型的曲線給出了曲線而不是線性。線性和非線性迴歸的目標是調整模型引數的值以找到最
R語言學習筆記——melt()函式之整齊資料
R語言學習筆記(二) melt()函式 melt(data,id.vars,measure.vars,variable.name=“variable”,…,na.rm=FALSE,value.name=“value”,factorsAsStrings=TRUE)
java引用資料型別之陣列
首先我們都知道在程式設計中賦值運算“=”的意思是把右邊的值賦給左邊。 如圖所示,當b=a時,實際上就是把a的值賦值給b。 但是在陣列中,可不是這麼回事 如圖所示,先定義一個數組變數
R語言開發之矩陣操作了解下
矩陣是其中元素以二維矩形佈局排列的R物件,它們包含相同原子型別的元素。 雖然我們可以建立一個僅包含字元或僅包含邏輯值的矩陣,但它們沒有太多用處,我們通常使用包含數學元素的矩陣來在數學計算中使用,並且通過使用matrix()函式來建立矩陣。基本語法如下: matrix(dat
R語言開發之平均值,中位數和眾數了解下
R中的統計分析通過使用許多內建函式來執行的,這些函式大部分是R基礎包的一部分,並且它們將R向量與引數一起作為輸入,並在執行計算後給出結果。 先來看如何求平均值。 平均值是通過取數值的總和併除以資料序列中的值的數量來計算,函式mean()用於在R中計算平均值,語法如下:
R語言開發之二項分佈瞭解下
二項分佈模型用來處理在一系列實驗中只發現兩個可能結果的事件的成功概率,例如,擲硬幣總是兩種結果:正面或反面。我們可以使用二項式分佈估算在重複拋擲硬幣10次時正好準確地找到3次是正面的概率。在R中具有四個內建函式來生成二項分佈,如下: dbinom(x, size, prob