R語言-陣列與資料框操作
1、 陣列基本的操作:
1) 、檢視陣列---直接呼叫陣列名回車;
2) 、按照下標獲取陣列元素---呼叫陣列名+方括號+元素下標;
3)、檢視陣列長度(length());
4)、檢視陣列元素型別(mode(); ps:語言只支援陣列元素單一型別,及所有元素要麼都是字元,要麼都是數值)
5)、對陣列的操作還包括多個數組的包括,可以將兩個陣列組合成一個矩陣(R語言稱之為資料框:frame),可以將陣列按照行向量組合rbind()和列方向的組合cbind();
> x1=c(1,2,3,4,5) > x2=c('1','2','3','4','5') > x1 [1] 1 2 3 4 5 > x1[4] [1] 4 > x2 [1] "1" "2" "3" "4" "5" > x2[4] [1] "4" > length(x1) [1] 5 > mode(x1) [1] "numeric" > mode(x2) [1] "character" > m1<-rbind(x1,x2) > m1 [,1] [,2] [,3] [,4] [,5] x1 "1" "2" "3" "4" "5" x2 "1" "2" "3" "4" "5" > m2<-cbind(x1,x2) > m2 x1 x2 [1,] "1" "1" [2,] "2" "2" [3,] "3" "3" [4,] "4" "4" [5,] "5" "5"</span>
2、有關陣列的統計指標處理:
常見的統計指標包括:平均值(mean())、求和(sum())、連乘(prod())、最值(min()、max())、方差(var())、標準差(sd())
首先我們先借助R的快速生成陣列函式c(startNum:endNum)生成1到100個數字並存放於陣列y內,然後對其進行相應統計指標輸出,具體見下圖:
> y<-c(1:100) > mean(y) [1] 50.5 > sum(y) [1] 5050 > prod(y) [1] 9.332622e+157 > max(y) [1] 100 > min(y) [1] 1 > var(y) [1] 841.6667 > sd(y) [1] 29.01149
3、 關於資料下標的相關處理
R語言提供了實用的下標處理函式,我們可以方便的取出理想資料,例如:
1)、取連續下標的元素;
2)、按照其他陣列元素的值取---以其他陣列元素的值取出相應本陣列對應下標的元素;
3)、按照元素值的大小取,如可以去除陣列中大於某個數的所有元素,小於某個數的所有元素等等;
4)、實用的which函式,which在陣列下標中代表該陣列物件,可以通過which取出陣列元素a[which()],相應的也可以取出符合元素的下標which();
5)、自排序函式(sort())和陣列反轉函式(rev());
<span style="font-weight: normal;"><span style="font-size:14px;">a=c(1,2,3,4,5,8,9,10,15555) > a[1:5] [1] 1 2 3 4 5 > a[a<5] [1] 1 2 3 4 > a[a>4 &a<8] [1] 5 > a[a[3]] [1] 3 > which.max(a) [1] 9 > a[which.max(a)] [1] 15555 > which(a>1&a<5) [1] 2 3 4 > a[which(a>1 &a<5)] [1] 2 3 4 > a[which(a==9)] [1] 9 > sort(a) [1] 1 2 3 4 5 8 9 10 15555 > a [1] 1 2 3 4 5 8 9 10 15555 > rev(a) [1] 15555 10 9 8 5 4 3 2 1</span></span>
3、生成矩陣和矩陣操作相關函式:
R提供了陣列轉矩陣的函式(matrix()),矩陣是後續很多工作的開始:
1)、矩陣進行加減(+-)、相乘(%*%):
Ps:陣列生成矩陣時,預設是按照列方向進行,可以加引數byrow=T,使其按行方向生成矩陣
a<-c(1:12)
> mat_a<-matrix(a,nrow=3,ncol=4)
> mat_a
[,1] [,2] [,3] [,4]
[1,] 1 4 7 10
[2,] 2 5 8 11
[3,] 3 6 9 12
> mat_aa<-matrix(a,nrow=4,ncol=3)
> mat_aa
[,1] [,2] [,3]
[1,] 1 5 9
[2,] 2 6 10
[3,] 3 7 11
[4,] 4 8 12
> mat_b<-matrix(a,nrow=3,ncol=4)
> mat_b
[,1] [,2] [,3] [,4]
[1,] 1 4 7 10
[2,] 2 5 8 11
[3,] 3 6 9 12
> mat_a+mat_b
[,1] [,2] [,3] [,4]
[1,] 2 8 14 20
[2,] 4 10 16 22
[3,] 6 12 18 24
> mat_a%*%mat_aa
[,1] [,2] [,3]
[1,] 70 158 246
[2,] 80 184 288
[3,] 90 210 330</span>
2)、取對角線(diag())、轉置(t())> mat_a
[,1] [,2] [,3] [,4]
[1,] 1 4 7 10
[2,] 2 5 8 11
[3,] 3 6 9 12
> diag(mat_a)
[1] 1 5 9
> diag(4)
[,1] [,2] [,3] [,4]
[1,] 1 0 0 0
[2,] 0 1 0 0
[3,] 0 0 1 0
[4,] 0 0 0 1
> t(mat_a)
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 4 5 6
[3,] 7 8 9
[4,] 10 11 12
3)、求逆(solve)、解線性方程組(solve):> a=matrix(rnorm(16),4,4)
> a
[,1] [,2] [,3] [,4]
[1,] -1.8060313 -0.1623095 1.6059096 -0.034760390
[2,] -0.5820759 0.5630558 -1.1578085 -0.669633580
[3,] -1.1088896 1.6478175 0.6565885 -0.007604756
[4,] -1.0149620 -0.7733534 2.5489911 1.777084448
> solve(a)
[,1] [,2] [,3] [,4]
[1,] -0.1579445 -0.8872690 0.12951969 -0.3368722
[2,] -0.2696348 -0.1950072 0.61120374 -0.0761404
[3,] 0.4008824 -0.9993255 0.20832490 -0.3678288
[4,] -0.7825607 0.8417821 0.04114366 0.8647852
> b=c(1:4)
> b
[1] 1 2 3 4
> solve(a,b)
[1] -2.8914122 0.8694004 -2.4441089 4.4835754
求特徵值特徵向量(eigen()) > a<-diag(4)+1
> a
[,1] [,2] [,3] [,4]
[1,] 2 1 1 1
[2,] 1 2 1 1
[3,] 1 1 2 1
[4,] 1 1 1 2
> a.e=eigen(a,symmetric=T)
> a.e
$values
[1] 5 1 1 1
$vectors
[,1] [,2] [,3] [,4]
[1,] -0.5 0.000000e+00 0.0000000 0.8660254
[2,] -0.5 -6.408849e-17 0.8164966 -0.2886751
[3,] -0.5 -7.071068e-01 -0.4082483 -0.2886751
[4,] -0.5 7.071068e-01 -0.4082483 -0.2886751
R語言的基本資料結構—資料框
資料框也是矩陣形式,但不同於一般的矩陣,數控框中的列可以是不同的資料型別,每一列即為一個屬性值,每一行即為條記錄,或為一個物件的所有屬性的觀測值。
> x1=c(1:4)
> x2=c(rnorm(4))
> x3=c('52','72','03','789')
> x4=c(runif(4,min=10000,max=10005))
> y=data.frame(x1,x2,x3,x4)
> y
x1 x2 x3 x4
1 1 -1.1386077 52 10002.51
2 2 1.3678272 72 10004.92
3 3 1.3295648 03 10001.62
4 4 0.3364728 789 10002.41
邏輯迴圈控制:
R語言支援for迴圈和while迴圈,兩種迴圈結構上和通用程式語言類似,但有少數差異。
> a
[1] 1 2 3 4 5 6 7 8 9 10
> for(i in 1:10){a[i]=i*2+5}
> a
[1] 7 9 11 13 15 17 19 21 23 25
> a=c(1:10)
> a
[1] 1 2 3 4 5 6 7 8 9 10
> i=1
> while (a[i]<5){a[i]=a[which.max(a)];i=i+1}
> a
[1] 10 10 10 10 5 6 7 8 9 10
-------排序(降序)
e=d[order(d$盈利,decreasing = TRUE),]