R语言中的vector(向量),array(数组)使用总结

来自:网络
时间:2021-03-10
阅读:

对于那些有一点编程经验的人来说,vector,matrix,array,list,data.frame就相当于编程语言中的容器,因为只是将R看做数据处理工具所以它们的底层是靠什么实现的,内存怎么处理的具体也不要深究。

R语言很奇怪的是它是面向对象的语言,所以经常会调用系统的方法,而且更奇怪的是总是调用“谓语”的方法,用起来像是写句子一样,记起来真是让人费解。比如is.vector(),read.table(),as.vector()、、

直接开始吧:(由于习惯,大部分用"="代替"<-")

一、向量vector,

1.是最基本的数据容器,里面的数据必须是同一类型,先看基本用法:

a<-c(1,2,3,4,5,6,7,8,9)

或者赋值函数assign,

assign("a",c(1,2,3,4,5,6,7,8,9)) 
> is.vector(a)
[1] TRUE
 
> is.matrix(a) 
[1] FALSE
> is.array(a)
[1] FALSE
> is.list(a)
[1] FALSE

或者利用随机分布函数,rnrom(n,mean,sd),runif(n,min,max)、、、

> b=runif(20,min=1,max=20)
> b
 [1] 2.181016 18.417605 9.748379 2.122849 1.281871 4.099617
 [7] 14.162348 18.034863 7.464664 9.599227 18.973259 1.900773
[13] 8.995223 11.048916 11.667131 3.859275 17.992988 1.089552
[19] 13.490061 12.864029

或者按照一定的步长:

> a=seq(1,20,by=3)
> a
[1] 1 4 7 10 13 16 19

或者重复:

> s=rep(a,times=3)
> s
 [1] 1 4 7 10 13 16 19 1 4 7 10 13 16 19 1 4 7 10 13 16 19

逻辑向量:

> b=a>8;b
[1] FALSE FALSE FALSE TRUE TRUE TRUE TRUE

缺失数据用大写NA表示,数据不确定用NaN表示,数据是无穷用Inf表示(一会全大写,一会大写加小写,一会首字母大写,真是醉了),判断是否为空数据用函数is.na(),判断是否不确定用函数is.nan(),数据是否有限用is.finite(),数据是否为无穷用函数is.infinite():

> z=c(1:3,Na);z
Error: object 'Na' not found
> z=c(1:3,NA);z
[1] 1 2 3 NA
 
> is.na(z)
[1] FALSE FALSE FALSE TRUE

将缺失的数据赋值为0:

> z[is.na(z)]=0;z
[1] 1 2 3 0

下面将这几个有问题的数据放在一个向量中:

> z=c(0/1,0/0,1/0,NA);z
[1]  0 NaN Inf NA
> is.na(z)
[1] FALSE TRUE FALSE TRUE
> is.nan(z)
[1] FALSE TRUE FALSE FALSE
> is.finite(z)
[1] TRUE FALSE FALSE FALSE
> is.infinite(z)
[1] FALSE FALSE TRUE FALSE

2.vector中元素的下标引用.

> a=round(runif(9,min=1,max=9))
> a
[1] 3 8 8 8 2 7 3 5 3

可以看见,与容器不同,vector的下标是从1开始的:

> a[0]
numeric(0)
 
> a[1]
[1] 3

选取第2和第3个数,引用非常方便:

> a[c(2,3)]
[1] 8 8

引用除了第一个值的所有数,用了减号"-":

> a[-c[1]]
[1] 8 8 8 2 7 3 5 3

3.vector作为R语言工具,需要了解vector的各种运算。

①+-×÷,其他运算如log,exp,cos,sqrt等也相似。其意义是对应的向量的每个元素分别做运算,

> x=c(1,2,3)
> y=c(2,3,4)
> z=2*x+y-1
> z
[1] 3 6 9
 
> x^2
[1] 1 4 9
 
> cos(x)
[1] 0.5403023 -0.4161468 -0.9899925
 
> sqrt(x)
[1] 1.000000 1.414214 1.732051

②与向量有关的函数,min(x),max(x), sum(x),range(x),太简单就不在细说,需要强调的是which.min(x),这个还是蛮重要的。

> a=rnorm(10,mean=5,sd=2)
> a
 [1] 5.914559 2.604346 5.342572 9.006863 6.547221 7.519781 7.330211
 [8] 8.322956 6.875491 5.883626
> which.max(a)
[1] 4
> which.min(a)
[1] 2
> a[which.max(a)]
[1] 9.006863
> a[which.min(a)]
[1] 2.604346

其他的如sd(a),var(a),length(a),sort(a),分别是求方差,标准差,长度,排序。与python不同R语言的vector所有操作都不会改变vector本身的值。

4.由于R是一种基于对象的语言,R的对象分为单纯对象和复合对象两种,单纯对象的所有元素都是同一数据类型(数值、字符串),元素不再是对象。复合对象的元素可是是不同的类型,每个元素是一个对象。

R的对象都有两个基本的属性:mode和length,向量的类型为:logical(逻辑型)、numeric(数值型)、complex(复数型)、character(字符型)。

> b=c(0:9)
> b
 [1] 0 1 2 3 4 5 6 7 8 9
> is.numeric(b)
[1] TRUE
> is.character(b)
[1] FALSE
> c=as.character(b)
> c
 [1] "0" "1" "2" "3" "4" "5" "6" "7" "8" "9"
> is.numeric(c)
[1] FALSE
> is.character(c)
[1] TRUE

二、数组array

多维的同一类型集合(字符型、数值型、逻辑型、复数型),R可以很容易地生成和处理数组,特别是矩阵matrix是一个二维数组。

1.可以通过定义dim(维度)将向量变成matrix。

a=c(1,3,4,5,6,7,8,9,3)
> dim(a)=c(3,3)
> a
   [,1] [,2] [,3]
[1,]  1  5  8
[2,]  3  6  9
[3,]  4  7  3

或者:

> a=array(a,dim=c(3,3))
> a
   [,1] [,2] [,3]
[1,]  1  5  8
[2,]  3  6  9
[3,]  4  7  3

或者:

> a=matrix(a,nrow=3,ncol=3);a
   [,1] [,2] [,3]
[1,]  1  5  8
[2,]  3  6  9
[3,]  4  7  3
 
> is.vector(a)
[1] FALSE
> is.matrix(a)
[1] TRUE
> is.array(a)
[1] TRUE
 
> is.list(a)
[1] FALSE

可以发现,a已经通过定义维度将其变成了一个矩阵(matrix)和数组(array),下面将讲matrix其实是一个二维的array。

2.下标引用

> a=c(1:24)
> dim(a)=c(2,3,4)
> a[2,1,2]
[1] 8
> a[1,2:3,2:3]
   [,1] [,2]
[1,]  9  15
[2,]  11  17
> a[1, , ]
   [,1] [,2] [,3] [,4]
[1,]  1  7  13  19
[2,]  3  9  15  21
[3,]  5  11  17  23
返回顶部
顶部