R語言中的vector(向量)，array(數(shù)組)使用總結(jié)
對于那些有一點編程經(jīng)驗的人來說，vector，matrix，array，list，data.frame就相當(dāng)于編程語言中的容器，因為只是將R看做數(shù)據(jù)處理工具所以它們的底層是靠什么實現(xiàn)的，內(nèi)存怎么處理的具體也不要深究。
R語言很奇怪的是它是面向?qū)ο蟮恼Z言，所以經(jīng)常會調(diào)用系統(tǒng)的方法，而且更奇怪的是總是調(diào)用“謂語”的方法，用起來像是寫句子一樣，記起來真是讓人費解。比如is.vector(),read.table(),as.vector()、、
直接開始吧：(由于習(xí)慣，大部分用"="代替"<-")
一、向量vector，
1.是最基本的數(shù)據(jù)容器，里面的數(shù)據(jù)必須是同一類型，先看基本用法：
a<-c(1,2,3,4,5,6,7,8,9)
或者賦值函數(shù)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
或者利用隨機分布函數(shù)，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
或者按照一定的步長：
> a=seq(1,20,by=3) > a [1] 1 4 7 10 13 16 19
或者重復(fù)：
> 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
邏輯向量：
> b=a>8;b [1] FALSE FALSE FALSE TRUE TRUE TRUE TRUE
缺失數(shù)據(jù)用大寫NA表示，數(shù)據(jù)不確定用NaN表示，數(shù)據(jù)是無窮用Inf表示（一會全大寫，一會大寫加小寫，一會首字母大寫，真是醉了），判斷是否為空數(shù)據(jù)用函數(shù)is.na()，判斷是否不確定用函數(shù)is.nan()，數(shù)據(jù)是否有限用is.finite()，數(shù)據(jù)是否為無窮用函數(shù)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
將缺失的數(shù)據(jù)賦值為0：
> z[is.na(z)]=0;z [1] 1 2 3 0
下面將這幾個有問題的數(shù)據(jù)放在一個向量中：
> 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中元素的下標(biāo)引用.
> a=round(runif(9,min=1,max=9)) > a [1] 3 8 8 8 2 7 3 5 3
可以看見，與容器不同，vector的下標(biāo)是從1開始的：
> a[0] numeric(0) > a[1] [1] 3
選取第2和第3個數(shù)，引用非常方便：
> a[c(2,3)] [1] 8 8
引用除了第一個值的所有數(shù)，用了減號"-"：
> a[-c[1]] [1] 8 8 8 2 7 3 5 3
3.vector作為R語言工具，需要了解vector的各種運算。
①+-×÷，其他運算如log，exp，cos，sqrt等也相似。其意義是對應(yīng)的向量的每個元素分別做運算，
> 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與向量有關(guān)的函數(shù),min(x),max(x), sum(x),range(x)，太簡單就不在細(xì)說，需要強調(diào)的是which.min(x)，這個還是蠻重要的。
> 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)，分別是求方差，標(biāo)準(zhǔn)差，長度，排序。與python不同R語言的vector所有操作都不會改變vector本身的值。
4.由于R是一種基于對象的語言，R的對象分為單純對象和復(fù)合對象兩種，單純對象的所有元素都是同一數(shù)據(jù)類型（數(shù)值、字符串），元素不再是對象。復(fù)合對象的元素可是是不同的類型，每個元素是一個對象。
R的對象都有兩個基本的屬性：mode和length，向量的類型為：logical（邏輯型）、numeric（數(shù)值型）、complex（復(fù)數(shù)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、數(shù)組array
多維的同一類型集合（字符型、數(shù)值型、邏輯型、復(fù)數(shù)型），R可以很容易地生成和處理數(shù)組，特別是矩陣matrix是一個二維數(shù)組。
1.可以通過定義dim(維度)將向量變成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
可以發(fā)現(xiàn)，a已經(jīng)通過定義維度將其變成了一個矩陣（matrix）和數(shù)組（array)，下面將講matrix其實是一個二維的array。
2.下標(biāo)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
到此這篇關(guān)于R語言中的vector(向量)，array(數(shù)組)使用總結(jié)的文章就介紹到這了,更多相關(guān)R語言向量數(shù)組內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了R語言histogram(直方圖)的具體使用，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
這篇文章主要介紹了R語言繪制地圖實例講解，文中代碼實例講解的很清晰，有需要的可以研究下2021-03-03
這篇文章主要為大家詳細(xì)介紹了R語言中基礎(chǔ)繪圖的相關(guān)知識，文中的示例代碼講解詳細(xì)，具有一定的借鑒價值，感興趣的小伙伴可以了解一下2023-03-03
R語言安裝以及手動安裝devtools的詳細(xì)圖文教程
R語言是一個強大的數(shù)據(jù)分析工具,其強大之處在于有各種各樣的R包幫助其實現(xiàn)各種各樣的功能,下面這篇文章主要給大家介紹了關(guān)于R語言安裝以及手動安裝devtools的相關(guān)資料,需要的朋友可以參考下2022-08-08
vscode配置R語言debugger環(huán)境:'vscDebugger"的安裝方法
在R中安裝vscDebugger包可以通過兩種方法：第一種是使用Visual Studio Code的命令面板自動安裝,操作簡便,第二種是手動在R控制臺中安裝,這兩種方法都可以有效地安裝vscDebugger包,進而幫助用戶在R語言中進行代碼調(diào)試,更多詳細(xì)步驟和信息可以參考相關(guān)教程或文章2024-10-10
這篇文章主要介紹了R語言刪除/添加數(shù)據(jù)框中的某一行/列，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
這篇文章主要介紹了R語言 實現(xiàn)輸出九九乘法表，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03
本文介紹了如何使用R語言實現(xiàn)自動文摘，我們首先介紹了基于詞頻-逆文檔頻率（TF-IDF）的自動文摘方法，包括創(chuàng)建詞項文檔矩陣，計算TF-IDF值，提取關(guān)鍵詞，以及根據(jù)關(guān)鍵詞生成摘要，需要的朋友一起學(xué)習(xí)下吧2023-05-05
這篇文章主要介紹了R語言matrix生成矩陣的方法，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
這篇文章主要介紹了R語言時間序列中時間年、月、季、日的處理操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03