R语言，python和Matlab数据类型和数据结构辨析（2）

接着上一章讲，大家好.

我们知道矩阵是有行和列组成的二维数组，其中每一个元素都具有相同的数据类型。

矩阵的创建：

一般我们使用向量进行创建，比如matrix（)函数：matrix（A，nrow=n）

#设定行数n，将向量A的元素逐个、按列填进矩阵；如若设定列数，则声明ncol=m，注意列和行一般声明一个即可。

要将元素按行填入矩阵，则增加声明byrow=TURE（若不声明，该参数默认为FALSE）

下面给出基本的矩阵运

 函数                                  解释

+                               矩阵加

%*%                          矩阵乘

dim()                        以二维列向量形式，输出矩阵的行、列

t()                              矩阵转置

det()                        输出矩阵的行列式

solve()                    输出方阵的逆矩阵

rowSums()                矩阵按行求和，并输出为列向量

colSums()                矩阵按列求和，并输出为列向量

rowMeans()             矩阵按行求平均值，并输出为列向量

colMean()     矩阵按列求平均值，并输出为列向量

下面我们实战一下具体的矩阵常见问题

选取矩阵元素或子矩阵

矩阵中选取某些行、某些列拼合成新矩阵：

A[M,N]

M：代表选取A中行的向量的序号，N代表选取A中列的向量的序号；当选取所有行或所有列的元素时，对应的相应序号可以不写。

> A<-matrix(1:9,nrow=3)
> A
[,1] [,2] [,3]
[1,] 1 4 7
[2,] 2 5 8
[3,] 3 6 9
> A[2,2] # 选取A中第2行第2列的元素
[1] 5
> A[c(1,2),c(1,2)] # 选取A中第1、2行与第1、2列的元素
[,1] [,2]
[1,] 1 4
[2,] 2 5
> A[c(1,3),c(1,3)] # 选取A中第1、3行与第1、3列的元素
[,1] [,2]
[1,] 1 7
[2,] 3 9
> A[c(1,2),] # 选取A中第1、2行元素与所有列的元素
[,1] [,2] [,3]
[1,] 1 4 7
[2,] 2 5 8
> A[,c(2,3)] # 选取A中所有行与第2、3列的元素
[,1] [,2]
[1,] 4 7
[2,] 5 8
[3,] 6 9

 数组：

具有至少3个维度的数据结构，各个维度下的维度值保存为一列向量，称为数组的维度（dim）

数组的创建：

从向量生成数组

array（A，dim=B）

A用于填充数组元素的向量，B声明数组的维度

> A=array(1:24,dim=c(3,4,2))
# c(3,4,2)表示这是一个3维数组，每1维的长度为3、4、2
> A
, , 1

[,1] [,2] [,3] [,4]
[1,] 1 4 7 10
[2,] 2 5 8 11
[3,] 3 6 9 12

, , 2

[,1] [,2] [,3] [,4]
[1,] 13 16 19 22
[2,] 14 17 20 23
[3,] 15 18 21 24

列表：R语言中的列表

首先，列表是最为灵活的数据结构，可以是任意形式的对象的混合组成；其次，可以通过list()函数来新建列表

;最后，很多函数的返回结果已列表形式存储。

那list()函数是怎么创建的呢

例如：A<-1;B<-"huawei";C<-matrix(1:9,nrow=3);

E=list(A,B,C,D)

然后通过[[1]] 来列举。

怎么引用列表中的对象呢

通过列表名$列表名对象的方法来引用

E$A

数据框：

数据框是一个特殊的列表，呈现出行和列的二维结构

其中，列代表指标或属性，行代表个案、记录或一个预测等

是结构化的数据的基本呈现形式。

使用的是data.frame()建立数据框

eg:

ID<-1:5

sex<-(1,2,1,1,1)

age<-(18,31,25,29,24)

sex.f<-factor(sex,level=c(1,2),labels=c("Male","Female"))

M<-data.frame(ID,sex.f,age)

调用数据框可以采用列表的形式。

原文：https://www.cnblogs.com/Chonggmll2025/p/14539487.html