R语言入门基础之矩阵

数模天下

矩阵(matrix)

矩阵生成函数matrix():matrix(data, nrow = , ncol = , byrow = F)，其中，数据data是必须的，其他都是选择参数，可以不选。byrow = F默认为按列来排列数据，如果想要按行排列，令byrow = T。
1、对角矩阵和单位阵。
2 L6 M( n( m+ q: Y0 J7 w例1：x <- 1:6; diag(x) #对角矩阵
例2：y <- rep(1, 5); diag(y) #单位阵
1 g6 k- X- c4 D& f/ k
2、矩阵下标
例1：xx <- matrix(1:20, 4, 5)
xx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
0 ~/ i# G  E# [2 t( Cxx[2, ]; xx[ , 2]
6 g6 T0 k5 q% l
3、代数意义下的矩阵乘法"%*%"
1 }4 _% l1 S- }, V/ q例1：yy <- matrix(1:6, 3, 2); zz <- matrix(1:6, 2, 3)
! i* v+ @  t) @! N% ~: Myy %*% zz; zz %*% yy

: m6 t3 Y- [1 p4、矩阵行和列的维数
例1：xx <- matrix(1:20, 4, 5)
; z$ P; x& w& m5 f+ mdim(xx) #行和列的维数
" K5 N$ S0 W: t& z* o! _$ Rnrow(xx); ncol(xx) #行数和列数

+ H9 p8 k$ Q: W# W( p5、矩阵的主要运算函数
例1：x <- 1:6; y <- as.matrix(x) #转换成矩阵
is.matrix(x); is.matrix(y) #判断是否矩阵
例2：   diag() #方阵对角线元素或者生成对角矩阵
, r6 a8 [5 k$ ]4 k( \2 _apply() #对矩阵应用函数
6 {8 V0 {/ h" Qeigen() #求特征值和特征向量
! N9 G3 G# O7 n1 msolve() #求逆矩阵
  H8 o! _2 p6 Ichol() #Choleski分解
svd() #奇异值分解
qr() #QR分解
; U7 H) _1 I7 w/ z# X' \6 Qdet() #求行列式
- [- l$ f+ w/ r& f, Wdim() #给出行列数
t() #矩阵转置

6、矩阵合并
例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
" y- j' f1 J* I* F% icbind(aa, bb) #按列合并
rbind(aa, bb) #按行合并

7、矩阵apply()运算函数：语法是apply(data, dim, function),dim取1表示对行运用函数，取2表示对列运用函数。
例1：xx <- matrix(1:20, 4, 5)
$ s7 r" l2 E  q( j  x1 tcolMeans(xx) #列均值
colSums(xx) #列和
3 }, b9 V0 T" [/ i5 N其余大部分都要用到apply()函数
+ V2 M% L2 J  ]* I8 v9 V. q* q  y+ k: K例2：xx <- matrix(1:20, 4, 5)
2 x. f- L% P+ A5 O; K3 Mapply(xx, 2, mean) #列均值，等同于colMeans(xx)
apply(xx, 2, sum) #列和，等同于colMeans(xx)，所以矩阵行和列的运算推荐用apply()。
4 A2 M7 I* S/ F3 s, H  tapply(xx, 1, var) #行方差
" |' _2 `' @2 }$ m6 n3 s# i7 S" dapply(xx, 2, max) #每列最大值
+ w4 E* r7 `9 tapply(xx, 2, rev) #每列的数反排列