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。
) v/ v; a2 ^% \7 e1 M0 n1、对角矩阵和单位阵。
例1：x <- 1:6; diag(x) #对角矩阵
: m- ^8 r: }" p+ q4 I' a; J例2：y <- rep(1, 5); diag(y) #单位阵

2、矩阵下标
" _) x; T, k  c; q3 T9 D例1：xx <- matrix(1:20, 4, 5)
xx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
xx[2, ]; xx[ , 2]
- g" m- z" D2 L' w7 u, G
3、代数意义下的矩阵乘法"%*%"
例1：yy <- matrix(1:6, 3, 2); zz <- matrix(1:6, 2, 3)
yy %*% zz; zz %*% yy
- d" ~) a9 L, C
5 b8 Q) e1 w6 j# E- O+ T& E( W4、矩阵行和列的维数
例1：xx <- matrix(1:20, 4, 5)
1 z" T% g! Y8 p' v0 ?4 Fdim(xx) #行和列的维数
# w" I2 |) h0 |/ q/ I) hnrow(xx); ncol(xx) #行数和列数

5、矩阵的主要运算函数
/ @, u" G' H: _1 {( e例1：x <- 1:6; y <- as.matrix(x) #转换成矩阵
: l0 W5 C5 }" v* z" K9 ]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
7 `! q* x' n* mapply() #对矩阵应用函数
eigen() #求特征值和特征向量
solve() #求逆矩阵
chol() #Choleski分解
  Q$ {4 [& l/ S1 {4 Usvd() #奇异值分解
" N9 ]. m* A: Q. G# H, i( I/ Gqr() #QR分解
det() #求行列式
6 W0 }6 @2 I" |* U  T% Gdim() #给出行列数
t() #矩阵转置

# R; F( Q9 F$ N, ~0 G6、矩阵合并
" U' I3 H% P) @" V例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
( u$ t) b+ g; kcbind(aa, bb) #按列合并
; c3 n# M8 H7 j" [) yrbind(aa, bb) #按行合并
" |' J* v) v) ?$ g* U
2 q& Y- W  g2 `/ q9 A* N+ b( u9 T1 C7、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)
' c, t/ d& l* H5 HcolMeans(xx) #列均值
- J7 d3 h% z" s: B# AcolSums(xx) #列和
其余大部分都要用到apply()函数
例2：xx <- matrix(1:20, 4, 5)
1 ~2 F/ _. b" v( H  h+ happly(xx, 2, mean) #列均值，等同于colMeans(xx)
8 P( X4 z; ?9 S1 c, Rapply(xx, 2, sum) #列和，等同于colMeans(xx)，所以矩阵行和列的运算推荐用apply()。
apply(xx, 1, var) #行方差
apply(xx, 2, max) #每列最大值
# k, c% w" B6 X: Q" W5 c  ?+ napply(xx, 2, rev) #每列的数反排列
- [3 j  m) r& X2 D# R
9 l' z- d/ x$ |