生成 4行5列的數組，逐列逐行賦值
x = array(1:20, dim= c(4,5))


依據已知向量生成二維數組
i = array(c(1:3,3:1,4:6,5:7), dim=c(3,4))
也能夠調整行列順序 （3行4列變為4行3列）
i = array (c(1:3,3:1,4:6,7:9), dim=c(4,3))


數組a元素作為索引值操作數組b
i為一個二維數組，x[i]為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。就是將數組i中的元素取出為i[m,n]，為x[i[m,n]]一一賦值。m∈[1,行數],n∈[1,列數]。


創建3*4矩陣。初始化每一個元素為0
b = matrix(0,3,4)


向矩陣最后加入一列
b = cbind(b,1:3)


向矩陣最后加入一行
a = matrix(c(1:9),3,3)
a = rbind(a,c(9,9,9))


將一個數組強制轉換成簡單向量
vec=as.vector(a)
或者
vec=c(a)


矩陣（向量）相乘
crossprod(1:5,2:6)


創建表格
table(c(1:4), c(2:5))


基于數據向量與維度創建數組
z=array(c(1,2,3), dim=c(2,3,4))
基于數據向量<1,2,3>創建4組，3列兩行的表格


動態調整維度
z=array(c(1,2,3), dim=c(2,3,4))
dim(z) = c(2,2,6)
z變成了6組，2列2行的表格


數組操作
a=array(c(1,2),dim=c(3,4))
b = 2*a+1


求向量a,b外積的函數
outer(c(1,2,3),c(3,2,1)) ?(等價于c(1,2,3)%o%c(3,2,1))


過程：
a :<1,2,3> ?
b :
<
3
2
1
>
向量a與b的外積：


1*3, 1*2, 1*1
2*3, 2*2, 2*1
3*3, 3*2, 3*1


還能夠把外積函數替換為其它函數（比如平方和）
outer(x,y,function(x，y)x*x+y*y)


使用plot繪制函數
比如y=x^2
x=c(1:20)
plot(x,x*x)


矩陣旋轉
a = matrix(c(1,2,3,4,5,6,7,8),2,4)
b = aperm(a,c(2,1))
過程：
a :
[1 3 5 7]
[2 4 6 8]
aperm(a, c(2,1)):
[1 2]
[3 4]
[5 6]
[7 8]
aperm(a)等價于t(a)


矩陣相乘
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
以上將完畢 2*4矩陣和4*1矩陣相乘


求方（矩）陣對角元素
a = matrix(c(1:9),3,3)
diag(a)
會取得 1,5,9


生成正太分布隨機數
rnorm(10)


查看矩陣維數
a= matrix(c(1:4),2,2)
dim(a)
改變矩陣維
dim(a) = c(1,4)


求方陣的行列式的值
det(matrix(rnorm(9),3,3))


求值過程 (對角線展開)：
[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)


求逆矩陣
a = matrix(rnorm(9),3,3)
solve(a)
并不是每一個矩陣都可逆，弱為可逆矩陣，在初等變換的過程中，不會出現整行或整列所有為0的情況。

也能夠用det函數來推斷矩陣行列式的值，假設為0則不可逆。


求特征向量和特征值
a = matrix(c(1,2,1,2),2,2)
eigen(a)
eigen(a)$values
對于大型矩陣，能夠僅僅計算特征值
eigen(a, only.values = TRUE)$values


投影
a = matrix(c(1,2,1,2),2,2)
prod(a)


神秘值分解
svd(a)


依據已知向量計算最小二乘擬合
lsfit(c(1,2,3,4),c(2,3,4,3))
會求出直線的斜率和截距
對于本例：
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


實例 ：
a = c(1,2,3,4)
b = c(1,3,4,5)
plot(a,b)
abline(lsfit(a,b))
或者 lm(a~b)




將矩陣QR分解。

Q：正交矩陣
R：上三角矩陣
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 ?0.4082483


qr.R(q)
? ? ? ? ? [,1] ? ? ?[,2] ? ? ? ? ?[,3]
[1,] -3.741657 -8.552360 -1.336306e+01
[2,] ?0.000000 ?1.963961 ?3.927922e+00
[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)
會返回qr分解的系數，擬合和殘差。

轉載于:https://www.cnblogs.com/jzssuanfa/p/7238935.html

總結

以上是生活随笔為你收集整理的R学习-- 数组和矩阵的全部內容，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。