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
. Z5 w" D& D5 X5 ], \
: X3 F: ~3 L! z2、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]
) O* f  u' u/ Y! q
( I) v1 I. ]7 `6 A5 z% D8 w7 P3、代数意义下的矩阵乘法"%*%"
% z4 q  e+ a4 e; Q$ A例1：yy <- matrix(1:6, 3, 2); zz <- matrix(1:6, 2, 3)
yy %*% zz; zz %*% yy
" M  r  P3 T/ _% r; D  m
' |* H& Z) b, _8 i! v& w1 I; z, F: u4、矩阵行和列的维数
! P- w/ C' L" f& g9 x" K例1：xx <- matrix(1:20, 4, 5)
2 l# M8 Y7 V0 |" C  [7 Edim(xx) #行和列的维数
nrow(xx); ncol(xx) #行数和列数
8 `3 G. f( g5 r
) ?$ ~* A1 J6 u( ^5、矩阵的主要运算函数
4 }, P2 c, g, H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
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
2 t4 s3 J+ C( V2 E9 F# jeigen() #求特征值和特征向量
solve() #求逆矩阵
chol() #Choleski分解
, i$ q9 p; k5 n" Lsvd() #奇异值分解
$ `; H& Y) W6 Pqr() #QR分解
- S7 h4 {  n, P" Fdet() #求行列式
# u1 H& \4 j( D1 Odim() #给出行列数
9 ]- Q" X# K/ O, [) I6 M  Rt() #矩阵转置

6、矩阵合并
例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
1 e% `$ c+ o0 Rcbind(aa, bb) #按列合并
rbind(aa, bb) #按行合并
: q6 x+ w! N5 p: }
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。
例1：xx <- matrix(1:20, 4, 5)
5 \& W. U& s; L) D# M8 l* u, pcolMeans(xx) #列均值
colSums(xx) #列和
其余大部分都要用到apply()函数
% |0 F! \9 ?. h% J* h3 q例2：xx <- matrix(1:20, 4, 5)
5 g# h8 u! ]( Papply(xx, 2, mean) #列均值，等同于colMeans(xx)
1 G2 ], R: `% u& w2 Zapply(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
- x; J7 u2 o* Rapply(xx, 2, rev) #每列的数反排列

; u0 r' y+ o- _4 d