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。
  [5 Z5 I; @% G7 `1、对角矩阵和单位阵。
- @5 n% l+ Q9 j  y0 P5 G  B例1：x <- 1:6; diag(x) #对角矩阵
1 e) i8 v+ O, F* h. G例2：y <- rep(1, 5); diag(y) #单位阵

2、矩阵下标
9 L# h0 B" R& T' p) q. u例1：xx <- matrix(1:20, 4, 5)
3 c% m$ \# l# ^- n# |xx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
) }8 y$ Q: j5 `, ]$ p  @: Bxx[2, ]; xx[ , 2]

. q3 |$ ]- X5 `; w3、代数意义下的矩阵乘法"%*%"
例1：yy <- matrix(1:6, 3, 2); zz <- matrix(1:6, 2, 3)
, D( ^1 K4 ~3 B* X1 Nyy %*% zz; zz %*% yy
' a& I. g$ p# W/ ~) S; @3 Q& D/ I
2 s6 D- c$ k( F- D4、矩阵行和列的维数
  @" u8 V' b8 C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
  d+ E6 C5 X* G7 P8 H2 E# g# c
7 B) l2 R* i" U) a5、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
- O: B% B& T) u例2：   diag() #方阵对角线元素或者生成对角矩阵
, M+ V0 \5 Q6 m, X6 ?- lapply() #对矩阵应用函数
0 r8 y! L  D5 j, ]2 N) T- ceigen() #求特征值和特征向量
6 p  |( s( Z' s* Qsolve() #求逆矩阵
& D1 Z+ P0 C$ b1 o( l( f. D4 Z- uchol() #Choleski分解
5 W" z4 b% M6 v# Ssvd() #奇异值分解
qr() #QR分解
$ q) l" Z9 m6 p* }0 `* jdet() #求行列式
& n& u" F' l, N! Hdim() #给出行列数
, M/ g. [9 F, J1 h1 o" o% I! i6 bt() #矩阵转置
" M* x, h$ C4 j
6、矩阵合并
0 ], m3 I% u* ]2 w6 m, |' y0 b例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
) [2 y, }6 K2 c* n/ Q" S: c$ [- _3 h& Tcbind(aa, bb) #按列合并
rbind(aa, bb) #按行合并

9 F5 H2 }; g8 T7 _! h7、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)
2 c% m- a) b% x: F+ x- V/ E/ lcolMeans(xx) #列均值
+ e3 T; S5 z" ]6 |9 ucolSums(xx) #列和
3 Y5 \2 p/ i% v7 }) c8 c& L# T: r其余大部分都要用到apply()函数
例2：xx <- matrix(1:20, 4, 5)
apply(xx, 2, mean) #列均值，等同于colMeans(xx)
/ V- n+ w* u2 L; Dapply(xx, 2, sum) #列和，等同于colMeans(xx)，所以矩阵行和列的运算推荐用apply()。
+ a8 {6 h. i3 Q( ^apply(xx, 1, var) #行方差
/ ^* S+ U7 g; l& ?+ O! z6 P/ L5 Bapply(xx, 2, max) #每列最大值
apply(xx, 2, rev) #每列的数反排列

8 [, S4 C/ ~/ @% g" }# n
! n7 X, w4 _4 f" U" C