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。
( I5 }6 |  H! x4 {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
0 k$ n* z* `3 x2 e' c" g: d$ b  u
! g% `3 j8 O* O4 S9 v- D, R; y2、矩阵下标
例1：xx <- matrix(1:20, 4, 5)
xx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]
7 u- W, G' r% W( rxx[2, ]; xx[ , 2]
0 Y$ Y4 B2 `, P5 P4 t8 `/ J
- o6 x, m( {! L3、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

% P: W" _2 s0 I3 |2 d4、矩阵行和列的维数
+ M: \; D2 v3 E' }9 @# L' ~9 t例1：xx <- matrix(1:20, 4, 5)
dim(xx) #行和列的维数
0 ?, ~7 i& g$ Znrow(xx); ncol(xx) #行数和列数

4 q- c. f3 z6 ^; D; X9 N* k8 J5、矩阵的主要运算函数
例1：x <- 1:6; y <- as.matrix(x) #转换成矩阵
  C% v# u* E$ ~, c- `( T! Dis.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
6 _# y3 h, O' ]4 e, V1 bapply() #对矩阵应用函数
eigen() #求特征值和特征向量
solve() #求逆矩阵
chol() #Choleski分解
) f+ \$ `6 \# B- c9 l* Q8 D1 q' xsvd() #奇异值分解
* \# r' I9 N/ t8 N, Y, C3 H" q% Iqr() #QR分解
) o& i1 }' _* k2 N2 V; W. xdet() #求行列式
dim() #给出行列数
/ Z: s; F' o: n4 |* v4 bt() #矩阵转置
. {4 h3 E" S! N& f7 F8 [
* a8 J  f' S* h) ^6、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
( t7 z, q3 h* d9 O( n+ H! ^rbind(aa, bb) #按行合并
3 P/ {' H, U4 Z  U, S* q; U0 Q
- h/ S- q, G) Z# u3 B7、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)
3 M" p6 e, ~. S9 P- k/ S8 YcolMeans(xx) #列均值
8 J4 G$ H- @' [: GcolSums(xx) #列和
) A5 ]& S: ?! P* f/ F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)
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()。
7 G5 H5 Q( F/ d( b- japply(xx, 1, var) #行方差
4 @* `( V! e- E5 Gapply(xx, 2, max) #每列最大值
apply(xx, 2, rev) #每列的数反排列


3 a/ ~) W0 w  N. x/ F+ A+ z