1、先在R中创建简单的矩阵,取名为my_matrix。
2、对于tapply函数我们调用R本身自带的数据airquality,现在我们计算按照Month来分组,每一个Month中Solar.R的均值。
3、上图中Month等于5和8时,Solar.R的均值为NA,这说明在原数据中存在NA的情况。
4、再讲讲矩阵与矩阵之间的运算。
5、矩阵相乘需要使用%*%符号。
注意事项:
R是属于GNU系统的一个自由、免费、源代码开放的软件,它是一个用于统计计算和统计制图的优秀工具。
矩阵作用在向量上,矩阵左乘向量,向量应该列着写,叫列向量!
[a b] [x]= [ax+by]
[c d] [y] [cx+dy]
注:这里上下两个方括号,应该是个大方括号,没办法打出
w<-seq(1:10)
a<-matrix(w,nrow=5,ncol=2,byrow=T,dimnames=list(paste0("r",1:5),paste0("1",1:2)))#给行和列设置名称
cbind更宽rbind更长
my.dataset<-data.frame(site=c("A","B","A","A","A"),
season=c("winter","summer","summer","spring","fall"),
pH=c(7.4,6.3,8.6,7.2,8.9))
names(my.dateset)#读取数据框的列名
setwd("E://dataming")#设置工作路径
getwd()#获取工作路径
import.txt<-read.table("iris.txt",header = TRUE) #读入iris.txt文件
import.csv<-read.table("iris.csv",header = TRUE,sep = ",") #读入iris.csv文件
import.csv<-read.csv("iris.csv") #读入iris.csv文件
unstructuredText <- readLines("unstructuredText.txt")#读入非结构化数据
#Excel文件的导入
#利用RODBC包读入(须配置odbc)
library(RODBC)
channel<-odbcConnectExcel2007("sample.xlsx")#建立连接
odbcdf<-sqlFetch(channel,'data')#读取工作表data的数据
odbcClose(channel)#关闭连接
#利用xlsx包读取Excel数据(需配置java)
library(xlsx)
res <- read.xlsx('sample.xlsx',1)
detach(package:xlsx)
#访问网络数据
salary_data <- read.csv("http://www.justinmrao.com/salary_data.csv")。
扩展资料
rnorm(16)#产生16个服从正态分布的随机数:
rnorm(100,3,4)#产生100个均值是3,标准差为4的随机数。
*dnorm(x,mean=0,sd=1,log=FALSE)的返回值是正态分布概率密度函数值,比如dnorm(z)则表示:标准正态分布密度函数f(x)在x=z处的函数值。
pnorm(q,mean=0,sd=1,lower.tail=TRUE,log.p=FALSE)返回值是正态分布的分布函数值,比如pnorm(z)等价于P[X≤z]。
qnorm(p,mean=0,sd=1,lower.tail=TRUE,log.p=FALSE)的返回值是给定概率p后的下分位点.。
rnorm(n,mean=0,sd=1)的返回值是n个正态分布随机数构成的向量。*
矩阵的特征值与特征向量
矩阵A的谱分解为A=UΛU’,其中Λ是由A的特征值组成的对角矩阵,U的列为A的特征值对应的特征向量,在R中可以用函数eigen()函数得到U和Λ,
eigen(x,symmetric,only.values=FALSE,EISPACK=FALSE)
其中:x为矩阵,symmetric项指定矩阵x是否为对称矩阵,若不指定,系统将自动检测x是否为对称矩阵。