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。
6 L: x/ t+ s: H例1：x <- 1:6; diag(x) #对角矩阵
例2：y <- rep(1, 5); diag(y) #单位阵
% r) k+ k  [! g. ]$ L
2、矩阵下标
5 J2 i1 E! I- t4 g1 b3 m例1：xx <- matrix(1:20, 4, 5)
7 K. e4 Q) h% R2 G+ Ixx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
- r$ {8 R( L6 s1 o* f, hxx[2, ]; xx[ , 2]
. v/ F4 ?" t9 d: f
1 C/ p* Z( }  g1 f3、代数意义下的矩阵乘法"%*%"
7 ^, \4 U( [5 @2 |例1：yy <- matrix(1:6, 3, 2); zz <- matrix(1:6, 2, 3)
yy %*% zz; zz %*% yy
  F. C5 X4 D+ u7 J. [
4、矩阵行和列的维数
例1：xx <- matrix(1:20, 4, 5)
& @. ~) C. H! vdim(xx) #行和列的维数
nrow(xx); ncol(xx) #行数和列数
( x3 h' |" V& k4 G. i- x
5、矩阵的主要运算函数
8 a+ e4 |9 r( d4 @- J! T例1：x <- 1:6; y <- as.matrix(x) #转换成矩阵
  D8 p2 x( r6 i6 @is.matrix(x); is.matrix(y) #判断是否矩阵
0 {  J) ]2 n- w/ g+ E4 s( v' C, s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
# J" e! A1 i! L( peigen() #求特征值和特征向量
solve() #求逆矩阵
. X1 C1 W2 U4 [5 W% z: u! C5 t6 hchol() #Choleski分解
svd() #奇异值分解
9 |% d% g6 j0 t; v- J9 Nqr() #QR分解
  \2 ]! T3 i. {1 U+ vdet() #求行列式
& {- l; z1 O, ~+ V2 u! e. hdim() #给出行列数
, {0 k1 V% W' P9 B9 _t() #矩阵转置
7 b+ t  g/ f& `' W- \# R7 \
; @* p; L6 o- D: q) T$ k# @6、矩阵合并
例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
9 u4 ~" T* s: H# @cbind(aa, bb) #按列合并
' V- ]4 C; p+ _1 qrbind(aa, bb) #按行合并
3 I. ]: e4 p+ q, r  ~! d
) R& ?1 u/ t: v" ^' J1 T7、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。
* E  q. k. c% z, `例1：xx <- matrix(1:20, 4, 5)
colMeans(xx) #列均值
colSums(xx) #列和
其余大部分都要用到apply()函数
& D4 O- y* g) P  X* D9 w; Q例2：xx <- matrix(1:20, 4, 5)
  f, p! _- Y) eapply(xx, 2, mean) #列均值，等同于colMeans(xx)
5 v. J; c1 I4 q  |. ~" L& }4 Qapply(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
( ^% |0 T( A- ~8 M. P8 Yapply(xx, 2, max) #每列最大值
0 X4 C4 L/ e  j+ f* u5 Iapply(xx, 2, rev) #每列的数反排列

2 I3 p0 D4 g9 H