网站建设那里好,深圳企业网站公司,辽宁省建设工程信息网入辽打印,微信公众平台申请小程序生成 4行5列的数组#xff0c;逐列逐行赋值x array(1:20, dim c(4,5))依据已知向量生成二维数组i array(c(1:3,3:1,4:6,5:7), dimc(3,4))也能够调整行列顺序 #xff08;3行4列变为4行3列#xff09;i array (c(1:3,3:1,4:6,7:9), dimc(4,3))数组a元素作为索引值操作数组… 生成 4行5列的数组逐列逐行赋值x array(1:20, dim c(4,5))依据已知向量生成二维数组i array(c(1:3,3:1,4:6,5:7), dimc(3,4))也能够调整行列顺序 3行4列变为4行3列i array (c(1:3,3:1,4:6,7:9), dimc(4,3))数组a元素作为索引值操作数组bi为一个二维数组x[i]为x[i[1,1]],x[i[1,2]]...x[i[1,n]]...x[i[2,1]],x[i[2,2]]...x[i[n,n]]。比如x[i] 0 操作。就是将数组i中的元素取出为i[m,n]为x[i[m,n]]一一赋值。m∈[1,行数],n∈[1,列数]。创建3*4矩阵。初始化每一个元素为0b matrix(0,3,4)向矩阵最后加入一列b cbind(b,1:3)向矩阵最后加入一行a matrix(c(1:9),3,3)a rbind(a,c(9,9,9))将一个数组强制转换成简单向量vecas.vector(a)或者vecc(a)矩阵向量相乘crossprod(1:5,2:6)创建表格table(c(1:4), c(2:5))基于数据向量与维度创建数组zarray(c(1,2,3), dimc(2,3,4))基于数据向量1,2,3创建4组3列两行的表格动态调整维度zarray(c(1,2,3), dimc(2,3,4))dim(z) c(2,2,6)z变成了6组2列2行的表格数组操作aarray(c(1,2),dimc(3,4))b 2*a1求向量a,b外积的函数outer(c(1,2,3),c(3,2,1)) (等价于c(1,2,3)%o%c(3,2,1))过程a :1,2,3 b :321向量a与b的外积1*3, 1*2, 1*12*3, 2*2, 2*13*3, 3*2, 3*1还能够把外积函数替换为其它函数比如平方和outer(x,y,function(xy)x*xy*y)使用plot绘制函数比如yx^2xc(1:20)plot(x,x*x)矩阵旋转a matrix(c(1,2,3,4,5,6,7,8),2,4)b aperm(a,c(2,1))过程a :[1 3 5 7][2 4 6 8]aperm(a, c(2,1)):[1 2][3 4][5 6][7 8]aperm(a)等价于t(a)矩阵相乘a matrix(c(1,2,3,4,5,6,7,8),2,4)b matrix(c(2,2,2,2),4,1)x a %*% b以上将完毕 2*4矩阵和4*1矩阵相乘求方矩阵对角元素a matrix(c(1:9),3,3)diag(a)会取得 1,5,9生成正太分布随机数rnorm(10)查看矩阵维数a matrix(c(1:4),2,2)dim(a)改变矩阵维dim(a) c(1,4)求方阵的行列式的值det(matrix(rnorm(9),3,3))求值过程 (对角线展开)[a(1,1), a(1,2), a(1,3)][a(2,1), a(2,2), a(2,3)][a(3,1), a(3,2), a(3,3)]X a(1,1)*a(2,2)*a(3,3)a(2,1)*a(3,2)*a(1,3)a(3,1)*a(2,3)*a(1,2)-a(1,3)*a(2,2)*a(3,1)-a(1,2)*a(2,1)*a(3,3)-a(1,1)*a(3,2)*a(2,3)求逆矩阵a matrix(rnorm(9),3,3)solve(a)并不是每一个矩阵都可逆弱为可逆矩阵在初等变换的过程中不会出现整行或整列所有为0的情况。也能够用det函数来推断矩阵行列式的值假设为0则不可逆。求特征向量和特征值a matrix(c(1,2,1,2),2,2)eigen(a)eigen(a)$values对于大型矩阵能够仅仅计算特征值eigen(a, only.values TRUE)$values投影a matrix(c(1,2,1,2),2,2)prod(a)神秘值分解svd(a)依据已知向量计算最小二乘拟合lsfit(c(1,2,3,4),c(2,3,4,3))会求出直线的斜率和截距对于本例Intercept斜率 X截距 [1,] -2.0 -5.0000000[2,] 0.5 -2.2360680[3,] 0.5 0.4472136[4,] 0.5 0.8944272实例 a c(1,2,3,4)b c(1,3,4,5)plot(a,b)abline(lsfit(a,b))或者 lm(a~b)将矩阵QR分解。Q正交矩阵R上三角矩阵a matrix(c(1:9),3,3)q qr(a)qr.Q(q) [,1] [,2] [,3][1,] -0.2672612 0.8728716 0.4082483[2,] -0.5345225 0.2182179 -0.8164966[3,] -0.8017837 -0.4364358 0.4082483qr.R(q) [,1] [,2] [,3][1,] -3.741657 -8.552360 -1.336306e01[2,] 0.000000 1.963961 3.927922e00[3,] 0.000000 0.000000 1.776357e-15另外 b - qr.coef(Xplus, y) fit - qr.fitted(Xplus, y) res - qr.resid(Xplus, y)会返回qr分解的系数拟合和残差。 转载于:https://www.cnblogs.com/jzssuanfa/p/7238935.html
