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。
例1：x <- 1:6; diag(x) #对角矩阵
7 Z: y5 V2 m. B) i/ }例2：y <- rep(1, 5); diag(y) #单位阵

0 u9 _" n& L  d/ J5 Q2、矩阵下标
例1：xx <- matrix(1:20, 4, 5)
xx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
xx[2, ]; xx[ , 2]
* |# ?0 P5 T# o+ `
2 W5 p2 H4 {5 L$ y3、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

4、矩阵行和列的维数
例1：xx <- matrix(1:20, 4, 5)
3 x4 X/ L. F6 f( a" H9 X: u: X" pdim(xx) #行和列的维数
nrow(xx); ncol(xx) #行数和列数
& T8 K/ ^) L/ M/ A% Q. D
5、矩阵的主要运算函数
% C# ^$ c. a. R! ^7 i# x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
# Y/ m8 l) ^0 W3 S: Z6 y例2：   diag() #方阵对角线元素或者生成对角矩阵
apply() #对矩阵应用函数
8 @; p, g! Q5 n& C; Qeigen() #求特征值和特征向量
2 G5 S* h/ Z2 p" u, Q+ L+ j+ Isolve() #求逆矩阵
% Z( d0 q6 Z; G( |. uchol() #Choleski分解
svd() #奇异值分解
  {7 h3 _" U" F3 J, Qqr() #QR分解
; ?% q' D7 q8 Ldet() #求行列式
% I0 u' s; c- t3 _9 C  q2 ^dim() #给出行列数
7 D0 v8 E1 ~, S6 J* {  q, F. St() #矩阵转置
4 P6 ^9 k, y* [6 p  S7 \; ^( V
7 Z. f6 B' i% C. D, j7 M, {6、矩阵合并
例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
cbind(aa, bb) #按列合并
$ G( P  ~3 ^$ ~5 y2 a  brbind(aa, bb) #按行合并
2 h, f6 \7 x# P8 y
* a7 E0 x7 h7 q$ m+ z7、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。
( M" C, D9 ?7 H' S/ N例1：xx <- matrix(1:20, 4, 5)
colMeans(xx) #列均值
# s  E( I4 D3 S! j0 d' IcolSums(xx) #列和
其余大部分都要用到apply()函数
例2：xx <- matrix(1:20, 4, 5)
) l: ~2 [2 J4 ?" ]apply(xx, 2, mean) #列均值，等同于colMeans(xx)
: k) m  E/ K/ q) h* G0 [% kapply(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
& ~6 ]0 [6 P1 r3 r1 g; n/ K7 F& bapply(xx, 2, rev) #每列的数反排列

# c( R+ h; q. b$ V  X/ h+ X
1 g6 p- F2 E; g. [3 u0 i- i* y$ e0 g