對于那些有一點編程經驗的人來說，vector，matrix，array，list，data.frame就相當于編程語言中的容器，因為只是將R看做數據處理工具所以它們的底層是靠什么實現的，內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對象的語言，所以經常會調用系統的方法，而且更奇怪的是總是調用“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：(由于習慣，大部分用"="代替"<-")
一、向量vector，
1.是最基本的數據容器，里面的數據必須是同一類型，先看基本用法：
|
1
|
a<-c(1,2,3,4,5,6,7,8,9) |
或者賦值函數assign，
|
1
2
3
4
5
6
7
8
9
10
|
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，rnrom(n,mean,sd),runif(n,min,max)、、、
|
1
2
3
4
5
6
|
> 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：
|
1
2
3
|
> a=seq(1,20,by=3)> a[1] 1 4 7 10 13 16 19 |
或者重復：
|
1
2
3
|
> 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：
|
1
2
|
> b=a>8;b[1] FALSE FALSE FALSE TRUE TRUE TRUE TRUE |
缺失數據用大寫NA表示，數據不確定用NaN表示，數據是無窮用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），判斷是否為空數據用函數is.na()，判斷是否不確定用函數is.nan()，數據是否有限用is.finite()，數據是否為無窮用函數is.infinite()：
|
1
2
3
4
5
6
7
|
> z=c(1:3,Na);zError: object 'Na' not found> z=c(1:3,NA);z[1] 1 2 3 NA > is.na(z)[1] FALSE FALSE FALSE TRUE |
將缺失的數據賦值為0：
|
1
2
|
> z[is.na(z)]=0;z[1] 1 2 3 0 |
下面將這幾個有問題的數據放在一個向量中：
|
1
2
3
4
5
6
7
8
9
10
|
> 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中元素的下標引用.
|
1
2
3
|
> 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的下標是從1開始的：
|
1
2
3
4
5
|
> a[0]numeric(0) > a[1][1] 3 |
選取第2和第3個數，引用非常方便：
|
1
2
|
> a[c(2,3)][1] 8 8 |
引用除了第一個值的所有數，用了減號"-"：
|
1
2
|
> 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。其意義是對應的向量的每個元素分別做運算，
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
> 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與向量有關的函數,min(x),max(x), sum(x),range(x)，太簡單就不在細說，需要強調的是which.min(x)，這個還是蠻重要的。
|
1
2
3
4
5
6
7
8
9
10
11
12
|
> 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，標準差，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合對象兩種，單純對象的所有元素都是同一數據類型（數值、字符串），元素不再是對象。復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（數值型）、complex（復數型）、character（字符型）。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
> 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、數組array
多維的同一類型集合（字符型、數值型、邏輯型、復數型），R可以很容易地生成和處理數組，特別是矩陣matrix是一個二維數組。
1.可以通過定義dim(維度)將向量變成matrix。
|
1
2
3
4
5
6
7
|
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：
|
1
2
3
4
5
6
|
> 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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
> 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 |
可以發現，a已經通過定義維度將其變成了一個矩陣（matrix）和數組（array)，下面將講matrix其實是一個二維的array。
2.下標引用
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
> 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 |
到此這篇關于R語言中的vector(向量)，array(數組)使用總結的文章就介紹到這了,更多相關R語言向量數組內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://blog.csdn.net/yezonggang/article/details/51103460
