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
例2：y <- rep(1, 5); diag(y) #单位阵

( r& Z1 q, q) D) C2、矩阵下标
% S) ^- t9 [' W) u例1：xx <- matrix(1:20, 4, 5)
xx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
4 t- k) N* f; }! B  ~- b. Bxx[2, ]; xx[ , 2]

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
4 D2 d6 K% Y7 m
4、矩阵行和列的维数
例1：xx <- matrix(1:20, 4, 5)
dim(xx) #行和列的维数
nrow(xx); ncol(xx) #行数和列数

- G# g9 s: H& U; r. |$ J5、矩阵的主要运算函数
5 G$ u# i: Y' j$ |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
) P, ^/ z* Q) U2 ~, i例2：   diag() #方阵对角线元素或者生成对角矩阵
) l$ S% T  V! ?5 u' Zapply() #对矩阵应用函数
' Z9 `% y* t" q- Z. m2 _eigen() #求特征值和特征向量
solve() #求逆矩阵
chol() #Choleski分解
svd() #奇异值分解
qr() #QR分解
3 a6 r. I8 M6 T8 Ldet() #求行列式
dim() #给出行列数
t() #矩阵转置

/ e7 Z8 k: P0 n8 W2 e6、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
3 a' I8 H$ a$ u* b6 Yrbind(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。
2 d  S3 P! q5 F" m例1：xx <- matrix(1:20, 4, 5)
colMeans(xx) #列均值
colSums(xx) #列和
3 a! _- o! V- |' {" h0 g) h( P0 j其余大部分都要用到apply()函数
例2：xx <- matrix(1:20, 4, 5)
' z0 R8 E. z. s. G/ k5 [/ w3 Capply(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()。
8 I% H& L# }2 dapply(xx, 1, var) #行方差
% @! u. j& v% g  H; n0 Bapply(xx, 2, max) #每列最大值
) \$ a  {$ w2 D& R: I& ~apply(xx, 2, rev) #每列的数反排列

) t6 g# {6 Z# A' ?6 x) G6 b# A
* P$ H& K2 u, e  {! @- f$ z! A