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。
8 I" [) T" t" P- e' X  o1、对角矩阵和单位阵。
9 ^9 e* D+ K2 u/ s& F4 A例1：x <- 1:6; diag(x) #对角矩阵
例2：y <- rep(1, 5); diag(y) #单位阵

2、矩阵下标
" L5 k2 X$ P4 `; S' A% D% h例1：xx <- matrix(1:20, 4, 5)
/ M) w. d; v0 c9 G; I" Q1 xxx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
4 S# C* I; l; i/ z4 W# ?xx[2, ]; xx[ , 2]
6 f4 T: h$ z* G4 \& x& t5 x
3、代数意义下的矩阵乘法"%*%"
9 w4 ]; h7 X9 X例1：yy <- matrix(1:6, 3, 2); zz <- matrix(1:6, 2, 3)
# b; l  f' J+ c- }, Dyy %*% zz; zz %*% yy

4、矩阵行和列的维数
8 r1 x" j* H, u0 ?6 D$ w例1：xx <- matrix(1:20, 4, 5)
5 P0 P6 F4 B  `9 s. ?dim(xx) #行和列的维数
nrow(xx); ncol(xx) #行数和列数

5、矩阵的主要运算函数
& B- O% j' i7 a9 J) W# i: o例1：x <- 1:6; y <- as.matrix(x) #转换成矩阵
+ S( T! ~6 k1 t& [7 f6 P# a3 y+ T: Y7 y( vis.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
9 J) ?# p% J! @/ U* j& S$ N  aeigen() #求特征值和特征向量
solve() #求逆矩阵
chol() #Choleski分解
svd() #奇异值分解
+ }( b9 y) f- z7 yqr() #QR分解
det() #求行列式
dim() #给出行列数
t() #矩阵转置

6、矩阵合并
0 p" [9 B9 j; H% [- k  T例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)
cbind(aa, bb) #按列合并
rbind(aa, bb) #按行合并
; w/ z" N+ X9 A% I$ r! R; H
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)
colMeans(xx) #列均值
$ L( Z1 w3 s, w& C+ HcolSums(xx) #列和
其余大部分都要用到apply()函数
% F5 a% e  V: f! T: O例2：xx <- matrix(1:20, 4, 5)
. c8 d2 c- G0 V+ m0 b" g- xapply(xx, 2, mean) #列均值，等同于colMeans(xx)
: N7 f* p' [: L. F9 H* }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()。
6 T% `; ~/ U* Uapply(xx, 1, var) #行方差
apply(xx, 2, max) #每列最大值
! `1 ^1 q0 L' Q6 bapply(xx, 2, rev) #每列的数反排列

; Y1 E1 i+ `- U' g% R