“R語言入門開篇，向量(vector)相關知識的介紹”

R語言是一款優秀統計學編程語言，本文介紹R語言的幾個重要命令，以及R語言中非常重要的一種數據結構-向量(Vector)的相關知識。

本文使用的開發工具為RGui，以">"開頭的語句表示輸入的命令，沒有">"開頭的語句是上一個語句的輸出結果。

01

—

常用命令

help()

help()為幫助命令，在()中輸入求助的內容并執行(按下回車鍵)，返回網頁幫助文檔

> help(help)

以上命令返回如下網頁文檔

ls()

ls()命令顯示workspace中存儲的對象名稱

> ls()character(0)> x ls()[1] "x"> y ls()[1]?"x"?"y"

rm()

rm()為刪除命令，在()中輸入workspace中存儲的對象名稱并執行，將刪除workspace中該對象

> ls()[1] "x" "y"> rm(x)> ls()[1]?"y"

rm(list=ls())命令能夠清空workspace中所有對象

> ls()[1] "c" "e" "v" "x" "y" "z"> rm(list=ls())> ls()character(0)

02

—

向量(vector)

數據對象的簡單說明

R語言中包含幾種基本數據類型：

數值型(numeric)

字符型(character)

邏輯型(logical)

復數型(complex)

raw型

缺失型(missing value)

將上述基本數據以一定的規則組織起來形成的數據結構：

向量(vector)

矩陣(matrix)

數組(array)

因子(factor)

列表(list)

數據幀(data frame)

向量的賦值

1)c()函數

c()函數可將()中包含的向量、數字等元素順序連接成為一個向量

> x x[1] 1 2 3 4 5> y y[1] 1 2 3 4 5

2)向量的賦值表達式

可使用或assign函數賦值，前兩者用于向左賦值

>?x c(1,1,1,1,1)->y> assign("z",c(2,2,2,2,2))> n=c(3,3,3,3,3)> h x[1] 0 0 0 0 0> y[1] 1 1 1 1 1> z[1] 2 2 2 2 2> n[1] 3 3 3 3 3> h[1]?0?0?0?0?0?1?1?1?1?1?2?2?2?2?2

向量的算術運算

1)規則

向量之間進行算術運算時，向量中的每一個元素將進行相同的運算操作

> x[1] 1 1 1 1 1> y[1] 1 2 3 4 5> x+y[1] 2 3 4 5 6> x-y[1] 0 -1 -2 -3 -4> x+2*y[1] 3 5 7 9 11

當兩個向量的長度不相同時，較短的向量以自身元素循環的形式進行補充，直至與較長的向量中元素個數一致。

> x[1] 1 -1> y[1] 0 0 0 0 0 0 0 0> x+y[1] 1 -1 1 -1 1 -1 1 -1

2)算術運算符

+ 加

- 減

* 乘

/ 除

^ 乘方

3)函數

sin() 求正弦值

cos() 求余弦值

tan() 求正切值

log() 求底數為10的對數值

exp() 求底數為e的指數

sqrt() 求平方根

sqrt(-2) 返回NaN

sqrt(-2+0i) 返回復數

> c c[1] NaN> x x[1]?0+1.414214i

max() 求最大值

min() 求最小值

median() 求中位數

range() 求最大值和最小值，相當于c(min(),max())

length() 求向量中元素個數

sum() 求向量中所有元素之和

prod() 求向量中所有元素之積

mean() 求樣本均值

var() 求樣本方差，var(x)等價于sum((x-mean(x))^2)/(length(x)-1)

sd() 求樣本標準差

quantile() 求百分位數

cov(x, y) 求向量x和y的協方差

cor(x,y) 求向量x和y的相關系數

sort() 返回遞增排序后的向量

規則序列的生成

1)":"運算符

生成間隔為1的遞增或遞減數列

> x x[1] 1 2 3 4 5 6 7 8 9 10> y y[1] 10 9 8 7 6 5 4 3 2 1

2)seq()函數

seq()函數生成規則序列

seq(from=1, to=1, by=(to-from)/(length.out-1), length.out=NULL, along.with=NULL, ...)

---by? 表示步長或間隔

> seq(1,10)[1] 1 2 3 4 5 6 7 8 9 10> seq(from=1,to=10,by=2)[1]?1?3?5?7?9

3)rep()函數

rep()函數生成重復序列，設置參數times或each可實現不同的重復形式

> rep(1,5)[1] 1 1 1 1 1> rep(c(1,2,3),times=2)[1] 1 2 3 1 2 3> rep(c(1,2,3),each=2)[1] 1 1 2 2 3 3

邏輯向量

與上述介紹的數值型向量類似，R語言可以定義邏輯向量。邏輯向量的元素可以是TRUE、FALSE、NA(無效值)

1)賦值

> l l[1] TRUE FALSE NA NA FALSE

條件表達式可生成邏輯向量

> x x_bigger_than_55> x[1] 1 2 3 4 5 6 7 8 9 10> x_bigger_than_5[1] FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE

2)條件運算符

> 大于

< 小于

== 等于

>= 大于等于

<= 小于等于

!= 不等于

& 且

| 或

！非

> x1[1] 0 1> !x1[1] TRUE FALSE> x1[1] 0 1> x2[1] 1 0> x1&x2[1] FALSE FALSE> x1|x2[1] TRUE TRUE

缺失值

當元素是無效值或缺失值的時候，元素被賦予NA值(not avaliable的縮寫)。一般情況下，作用于NA值的操作將得到NA值。

> x[1] 1 2 3 NA> x+1[1] 2 3 4 NA

is.na(x)函數逐個判斷向量x中的元素是否為NA值

> x is.na(x)[1] FALSE FALSE FALSE TRUE FALSE TRUE

R語言中還有第二類缺失值，即NaN(Not a Numbe的縮寫)。is.na()函數能夠不加區別地識別NA值和NaN值，is.nan()函數僅識別NaN值。

> x x[1] 1 2 NaN NA 3> is.na(x)[1] FALSE FALSE TRUE TRUE FALSE> is.nan(x)[1] FALSE FALSE TRUE FALSE FALSE

字符向量

字符型數據即包含在單引號或雙引號中的一串字符

1)賦值

> x x[1] "x" "y" "How" "Jun" "R"

2)轉義字符

在字符型數據中，稱為轉義字符，使用?Quotes命令可查看所有轉義字符。

3)paste()函數

paste()函數能夠逐個連接兩個或多個字符向量中每一個元素

paste(..., sep="", collapse = NULL)

---...?? 一個或多個R對象，被轉換為字符串

---sep? 分隔符

> c c[1] "1kg" "2kg" "3kg" "4kg" "5kg"> x x[1]?"Jun-1"?"Jun-2"?"Jun-3"?"Jun-4"?"Jun-5"> x x[1] "2020-6-1" "2020-6-2" "2020-6-3" "2020-6-4" "2020-6-5"

索引向量

向量名后加中括號，并在中括號中填入索引向量，可獲得原向量的子集。

創建向量子集的表達式：vector[index_vector]

索引向量分為如下四種類型：

1)邏輯索引向量

邏輯索引向量使用邏輯值TRUE和FALSE進行索引，遇到TRUE值時取出作為子集的元素。當邏輯索引向量和原向量長度不一時，索引向量或循環補充或截斷。

> x x[1] 1 2 3 4 5> x[x>2][1] 3 4 5> index_x x[index_x][1] 1 3 5> (x+2)[x>2&x<5][1]?5?6

2)正整數索引向量

正整數索引向量表示創建子集時取出該位置上的元素，正整數索引向量中元素的取值范圍是{1,2,3,4,length(x)}，R語言中第一個元素的位置為1。

> x x[1] 1 2 3 4 5 6 7 8 9 10> x[5][1]?5> x[4:8][1] 4 5 6 7 8> x[rep(c(3,5),times=3)][1] 3 5 3 5 3 5

3)負整數索引向量

負整數索引向量中表示排除該元素的意思，即在創建子集時不選擇負整數的絕對值位置上的元素。

> x[1] 1 2 3 4 5 6 7 8 9 10> x[-5][1] 1 2 3 4 6 7 8 9 10> x[-(2:6)][1] 1 7 8 9 10

4)字符索引向量

當向量中的元素具有名稱時，可使用名稱進行索引。names()函數可以為向量中的元素添加名稱，名稱與數字索引相比更容易記憶。

> x names(x) x["fish"]fish3> xapple cat fish1 2 3

索引賦值操作：

> x x[1] -5 -4 -3 -2 -1 0 1 2 3 4 5> x[x<0] x[1]?5?4?3?2?1?0?1?2?3?4?5

03

—

描述性統計實踐

使用某班級的身高數據作為練習的數據集，對數據集進行描述性統計。

1)輸入數據：

> s?s[1] 176 170 173 179 170 163 168 167 178 173 172 169 178 182 165 172 174 170 166[20] 167 172 164 172 163 176 163 170 174 174 173 169 165 170 172 172 159 163 155[39] 154 156 158 161 162 165 162 163 158 160 161 162 159 156 156 162 156 157 166[58] 155 156 158 157 162 162 155 157 156 157 157

2)數值描述性度量

計算數據集的樣本容量、平均值、極差、樣本方差、樣本標準差、最小值、下四分位數、中位數、上四分位數、最大值

> mean_s var_s sd_s len_s?min_s Q1 median_s Q3 max_s range_s result_s names(result_s) result_slen mean range var sd min Q168.000000 165.058824 28.000000 52.951712 7.276793 154.000000 158.000000median Q3 max163.500000 172.000000 182.000000

summary()函數能夠一次性計算出最小值、下四分位數、中位數、樣本均值、上四分位數、最大值；

fivenum()函數能夠一次性計算出最小值、下四分位數、中位數、上四分位數、最大值。

> summary(s)Min. 1st Qu. Median Mean 3rd Qu. Max.154.0 158.0 163.5 165.1 172.0 182.0> fivenum(s)[1] 154.0 158.0 163.5 172.0 182.0

3)直方圖和箱線圖

> hist(s,main="",col="pink",xlab="height (cm)",breaks=8)

boxplot(s,col="pink")

4)判斷異常值

z得分判據：abs(z)＞3

> s[abs((s-mean_s)/sd_s)>3]numeric(0)

盒子圖判據：＞Q3+3*(Q3-Q1) or ＜Q1-3*(Q3-Q1)

> s[(s>Q3+3*(Q3-Q1))|(s

5)判斷數據的正態性

判據1：四分位間距與標準差之比IQR/s≈1.3時，數據近似正態

> (Q3-Q1)/sd_s75%1.923925

判據2：正態概率圖

> qqnorm(s)>?qqline(s,col=2,lwd=2)

總結

以上是生活随笔為你收集整理的r语言x c(-1 -2),【软件】R语言入门之向量的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。