R语言矩阵知识点总结及实例分析
更新时间：2021年04月11日 09:45:46 作者：w3cschool
在本篇文章里小编给各位整理了一篇关于R语言矩阵知识点总结及实例分析，对此有兴趣的朋友们可以学习下。
矩阵是其中元素以二维矩形布局布置的R对象。 它们包含相同原子类型的元素。 虽然我们可以创建一个只包含字符或只包含逻辑值的矩阵，但它们没有太多用处。 我们使用包含数字元素的矩阵用于数学计算。
使用matrix()函数创建一个矩阵。
语法
在R语言中创建矩阵的基本语法是
matrix(data, nrow, ncol, byrow, dimnames)
以下是所使用的参数的说明
- 数据是成为矩阵的数据元素的输入向量。
- nrow是要创建的行数。
- ncol是要创建的列数。
- byrow是一个逻辑线索。 如果为TRUE，则输入向量元素按行排列。
- dimname是分配给行和列的名称。
例
创建一个以数字向量作为输入的矩阵
# Elements are arranged sequentially by row.
M <- matrix(c(3:14), nrow = 4, byrow = TRUE)
print(M)
# Elements are arranged sequentially by column.
N <- matrix(c(3:14), nrow = 4, byrow = FALSE)
print(N)
# Define the column and row names.
rownames = c("row1", "row2", "row3", "row4")
colnames = c("col1", "col2", "col3")
P <- matrix(c(3:14), nrow = 4, byrow = TRUE, dimnames = list(rownames, colnames))
print(P)
当我们执行上面的代码，它产生以下结果 -
[,1] [,2] [,3]
[1,] 3 4 5
[2,] 6 7 8
[3,] 9 10 11
[4,] 12 13 14
[,1] [,2] [,3]
[1,] 3 7 11
[2,] 4 8 12
[3,] 5 9 13
[4,] 6 10 14
col1 col2 col3
row1 3 4 5
row2 6 7 8
row3 9 10 11
row4 12 13 14
访问矩阵的元素
可以通过使用元素的列和行索引来访问矩阵的元素。 我们考虑上面的矩阵P找到下面的具体元素。
# Define the column and row names.
rownames = c("row1", "row2", "row3", "row4")
colnames = c("col1", "col2", "col3")
# Create the matrix.
P <- matrix(c(3:14), nrow = 4, byrow = TRUE, dimnames = list(rownames, colnames))
# Access the element at 3rd column and 1st row.
print(P[1,3])
# Access the element at 2nd column and 4th row.
print(P[4,2])
# Access only the 2nd row.
print(P[2,])
# Access only the 3rd column.
print(P[,3])
当我们执行上面的代码，它产生以下结果 -
[1] 5 [1] 13 col1 col2 col3 6 7 8 row1 row2 row3 row4 5 8 11 14
矩阵计算
使用R运算符对矩阵执行各种数学运算。 操作的结果也是一个矩阵。
对于操作中涉及的矩阵，维度（行数和列数）应该相同。
矩阵加法和减法
# Create two 2x3 matrices.
matrix1 <- matrix(c(3, 9, -1, 4, 2, 6), nrow = 2)
print(matrix1)
matrix2 <- matrix(c(5, 2, 0, 9, 3, 4), nrow = 2)
print(matrix2)
# Add the matrices.
result <- matrix1 + matrix2
cat("Result of addition","
")
print(result)
# Subtract the matrices
result <- matrix1 - matrix2
cat("Result of subtraction","
")
print(result)
当我们执行上面的代码，它产生以下结果 -
[,1] [,2] [,3]
[1,] 3 -1 2
[2,] 9 4 6
[,1] [,2] [,3]
[1,] 5 0 3
[2,] 2 9 4
Result of addition
[,1] [,2] [,3]
[1,] 8 -1 5
[2,] 11 13 10
Result of subtraction
[,1] [,2] [,3]
[1,] -2 -1 -1
[2,] 7 -5 2
矩阵乘法和除法
# Create two 2x3 matrices.
matrix1 <- matrix(c(3, 9, -1, 4, 2, 6), nrow = 2)
print(matrix1)
matrix2 <- matrix(c(5, 2, 0, 9, 3, 4), nrow = 2)
print(matrix2)
# Multiply the matrices.
result <- matrix1 * matrix2
cat("Result of multiplication","
")
print(result)
# Divide the matrices
result <- matrix1 / matrix2
cat("Result of division","
")
print(result)
当我们执行上面的代码，它产生以下结果 -
[,1] [,2] [,3]
[1,] 3 -1 2
[2,] 9 4 6
[,1] [,2] [,3]
[1,] 5 0 3
[2,] 2 9 4
Result of multiplication
[,1] [,2] [,3]
[1,] 15 0 6
[2,] 18 36 24
Result of division
[,1] [,2] [,3]
[1,] 0.6 -Inf 0.6666667
[2,] 4.5 0.4444444 1.5000000
以上就是R语言矩阵知识点总结及实例分析的详细内容，更多关于R语言矩阵的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了基于R语言中的各种更新方法分享，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-04-04
这篇文章主要介绍了R语言格式化输出sprintf实例讲解，文中代码实例讲解的很清楚，有需要的同学可以研究下2021-03-03
主成分分析（Principal Component Analysis，PCA）是一种无监督的数据降维方法，通过主成分分析可以尽可能保留下具备区分性的低维数据特征。本文将用R语言实现PCA主成分分析图，需要的可以参考一下2022-04-04
这篇文章主要介绍了R语言 出现矩阵/缺失值的解决方案，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03
本文为大家介绍了如何画两组变量（特征）的相关关系热图的方法详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步2022-02-02
这篇文章主要介绍了R语言多线程运算操作(解决R循环慢的问题)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-04-04
R语言学习笔记缺失数据的Bootstrap与Jackknife方法
这篇文章主要为大家介绍了R语言学习笔记关于缺失数据的Bootstrap与Jackknife的方法，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步2021-11-11
这篇文章主要介绍了R语言 实现输出九九乘法表，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03
今天来给大家分享一篇教程关于R语言绘制Vonoroi图的完整代码，包括deldir包绘制Voronoi图，ggplot2绘制Voronoi图的实现代码，感兴趣的朋友跟随小编一起看看吧2021-06-06
在本篇文章里小编给大家整理了一篇关于R语言对Excel文件操作实例内容，有兴趣的朋友们可以学习下。2021-05-05
最新评论