在数学中，矩阵是一个按照长方阵列排列的复数或实数集合，最早来自于方程组的系数及常数所构成的方阵。这一概念由19世纪英国数学家凯利首先提出。

最新版的r语言没有方差分析表格的解决方法如下：

ANOVA对各疗法的F检验表明，4种药品用于缓解术后疼痛的疗效不同，但是并不能得出哪种药品疗法与其他不同。

多重比较可以解决这个问题.e.g. TukeyHSD()函数提供了对各组均值差异的成对检验；multcomp包中的glht()函数提供了多重均值比较更为全面的方法，既适用于线性模型，也适用于广义线性模型；多重t检验方法针对每组数据进行t检验。代码如下： TukeyHSD(medicine.aov) #par()函数旋转轴标签，增大左边界面积，使标签摆放更美观。 par(las = 2) par(mar = c(5, 8, 4, 2)) plot(TukeyHSD(medicine.aov))

图形中置信区间包含0的药品对比，说明差异不显著。 library(multcomp) #为适合字母阵列摆放，par语句用来增大顶部边界面积 par(mar = c(5, 4, 6, 2)) tuk <- glht(medicine.aov, linfct = mcp(Treatment = "Tukey")) #cld()函数中level选项为设置的显著性水平（这里的0.05对应95%置信区间） plot(cld(tuk, level = 0.05), col = "lightgrey")

有相同字母的组（用箱线图表示）说明均值差异不显著。

多次重复使用t检验会增大犯第一类错误的概率，为了克服这一缺点，需要调整p-值。R软件调整p-值用的是p.adjust()函数，函数使用的不同参数代表不同的调整方法。 attach(medicine) #求数据在各水平下的均值 mu<-c(mean(Response[Treatment==1]), mean(Response[Treatment==2]), mean(Response[Treatment==3]),mean(Response[Treatment==4]))mu #作多重t检验。这里用到的pairwise.t.test()函数用来得到多重比较的p值 pairwise.t.test(Response, Treatment, p.adjust.method = "none")

#观察两个作调整后的p值的情况。p.adjust.method()函数的参数也可换为"hochberg","hommel","bonferroni","BH","BY","fdr"等。 pairwise.t.test(Response, Treatment, p.adjust.method = "holm") #绘制箱线图 plot(medicine$Response~medicine$Treatment)

# c函数用来将元素组成为一个向量

v <- c('a', 'b','c')

print(v)

# 输出结果即为元素的值，可以看出，vector类型里面只能有一种元素

print(class(v))

1

2

3

4

5

1

2

3

4

5

1] “a” “b” “c”

[1] “character”

那么问题来了，假如我就是想什么东西都往向量里面塞呢，这种做法并不会引发报错，但是R会暗中把那些乱七八糟的东西全部转换为一种类型。比如在下面这个例子，R就取了vector的第一个元素，将其转换为了character类型。

在这里插入图片描述

Lists 列表【列表是一个 R 对象，它可以在其中包含许多不同类型的元素，如向量，函数甚至其中的另一个列表。】

# 列表里面就什么都可以塞

l <- list(1,"666",c(2,3,4))

print(l)

print(class(l))

1

2

3

4

1

2

3

4

[[1]]

[1] 1

[[2]]

[1] “666”

[[3]]

[1] 2 3 4

[1] “list”

Matrices 矩阵【矩阵是二维矩形数据集。 它可以使用矩阵函数的向量输入创建。】

# 第一个参数指的是矩阵中的元素内容，第二三个参数指的是矩阵的行和列，最后一个参数指的是按行排列还是按列排列

M = matrix( c('a','a','b','c','b','a'), nrow = 2, ncol = 3, byrow = TRUE)

print(M)

M = matrix( c('a','a','b','c','b','a'), nrow = 2, ncol = 3, byrow = FALSE)

print(M)

print(class(M))

1

2

3

4

5

6

1

2

3

4

5

6

在这里插入图片描述

Arrays 数组【虽然矩阵被限制为二维，但阵列可以具有任何数量的维度。 数组函数使用一个 dim 属性创建所需的维数。】

a <- array(c(1,2,3,4),dim = c(3,3,2))

print(a)

print(class(a))

print(a[2,2,1])

1

2

3

4

1

2

3

4

在这里插入图片描述

Factors 因子【因子是使用向量创建的 r 对象。 它将向量与向量中元素的不同值一起存储为标签。 标签总是字符，不管它在输入向量中是数字还是字符或布尔等。 它们在统计建模中非常有用。】

color <- c('green','green','yellow','red','red','red','green')

f <- factor(color)

print(color)

print(f)

print(nlevels(f))

print(class(s))

1

2

3

4

5

6

1

2

3

4

5

6

在这里插入图片描述

Data Frames 数据帧【数据帧是表格数据对象。 与数据帧中的矩阵不同，每列可以包含不同的数据模式。 第一列可以是数字，而第二列可以是字符，第三列可以是逻辑的。 它是等长度的向量的列表。】

BMI <- data.frame(

gender = c("Male", "Male","Female"),

height = c(152, 171.5, 165),

weight = c(81,93, 78),

Age = c(42,38,26)

)

print(BMI)

print(class(BMI))

1

2

3

4

5

6

7

8

1

2

3

4

5

6

7

8

在这里插入图片描述

参考网址：w3c

打开CSDN，阅读体验更佳

R语言基础之第六部分 分类(史上最全含ddply、aggregate、split、b...

R语言基础之第六部分 分类(史上最全含ddply、aggregate、split、by) 数据: 某市2014年-2018年空气质量指数日数据,需要按年分类计算每年 warm值为1和 0的均值。 数据长这个样子: 目标:求下列的均值 一、数据处理(提取年月) 首先需要...

R语言:数据类型及属性_woooooood的博客

R语言:数据类型及属性 1.数据类型 R语言可以处理的数据类型主要有6种:数值型、整数型、字符型、复数型、逻辑型和原生型 若输入的数据为一个数字,则数据类型为数值型(numeric),若想数据类型为整数(integer),则需要在所赋值后加“L”...

二、数据集与数据类型【R与统计】

引言 按照要求格式来创建含有研究信息的数据集是任何数据分析的第一步。在R中，这个任务包括以下两步： 选择一种数据结构来存储数据； 将数据输入或导入到该数据结构中 因此，本文将先叙述了R中用于存储数据的多种结构，具体为向量、因子、矩阵、数据框以及列表的用法。熟悉这些数据结构和访问其中元素的表述方法将十分有助于了解R的工作方式，便于后续的编程。 我将在下一篇博客介绍一些在R中导入数据的可行方法。手工输入数据当然可以，除此之外，我们也可以从外部源导入数据。数据源可以是文本文件、电子表格、统计软件和各类数据库管

继续访问

R语言中的数据集

R语言中的数据存储形式主要有以下几种方式 数组，向量，矩阵，数据框，列表 R语言中的可以处理的数据类型有以下几种方式 数值类型，字符类型，逻辑类型，原声类型（二进制类型），复数类型 数值类型 包括 实例标示，日期类型 字符类型 包括 标称变量，序数变量 R语言针对不同的数据类型处理的方式是不同的 一、向量（每一个向量中的元素都是相同的数据类型） a b c

继续访问

最新发布 R语言基础数据类型

R语言主要有三种基本的数据类型，分别是数值型（Numeric）、整型（integer）以及字符型（character）。

继续访问

R语言数据类型基础1 数值型、逻辑型与文本型

基础的R语言数据类型操作，包括了字符串、数值向量以及逻辑向量的一点简单介绍

继续访问

R语言----对数据进行分类汇总(GROUP_BY使用)

library(dplyr) ###加载dplyr模块 A<-read.csv("f:\\TEST\\TDD.csv") ####加载数据 D=data.frame(A) ##### A1<-group_by(D,Date_ID) ####分组项 A2<-summarise(A1,cells=n(), ####统计个数 RRC_ch...

继续访问

R语言--R语言数据类型（2）

一、矩阵与数组 创建 # 1.1 利用array函数，创建二维数组m1，每一行记录不同人（A,B,C）的各科成绩（math，english，physics），成绩请随意输入（要求每行至少有一个90分以上，每一列至少有一个60分以下） print('----1.1') m1 <- array(c(95,40,80,55,92,98,86,93,55), dim = c(3,3), dimnames = list(c('A','B','C'),

继续访问

R语言之对象和类

理解什么是对象R是一种基于对象(object)的语言，所以我们在R语言中看到的一切事物都是对象，向量是对象，函数是对象，图形是对象。简单说，我们可以把整个R看成是一个储物室，它的内容是由内在不同的储物盒(对象)组成, 每个盒子有不同属性(attribute), 最重要的一种属性是它的类(class).查看、删除ls：list的缩写，我们要查看物品，所以要先列出目录。

继续访问

R语言中的类和对象

#####类和对象##### #之前学习的字符向量、数值向量、数据框、列表以及数组都是一个类。 #用class函数定义类 teams<-c("PHI","NYM","FLA","ATL","WSN") w<-c(92,89,94,72,59) l<-c(70,73,77,90,102) nleast<-data.frame(teams,w,l) #定义teams类 class(teams) cla

继续访问

R语言数据类型

文章目录基本概念向量字符串矩阵列表数组因子数据框 基本概念 R 语言中的最基本数据类型主要有三种：数字，逻辑，文本 逻辑类型在许多其他编程语言中常称为布尔型（Boolean），常量值只有 TRUE和FALSE。 注意：R 语言区分大小写，true 或 True 不能代表 TRUE。 最直观的数据类型就是文本类型。文本就是其它语言中常出现的字符串（String），常量用双引号包含。 在 R语言中，文本常量既可以用单引号包含，也可以用双引号包含，例如： 按对象类型来分是以下6种：向量（vector），列表（

继续访问

R语言分类汇总

R语言分类汇总 ##加载包 library(dplyr) ##函数 group_by 制定数据集 data 中针对 type 变量进行分类汇总 grou <- group_by(data,type) ##summarise函数计算分类结果——sd 标准差，还可计算其他类，分类汇总 type_sd <- summarise(grou ,sd(range ,na.rm = T)) dat...

继续访问

热门推荐 R语言：排序、筛选以及分类汇总操作

在Excel中我们可以很方便的对数据进行排序、筛选、分类汇总等基本操作，R语言中没有这种傻瓜式的一键操作，如何才能完成这种操作？一、排序1、单变量序列排序单变量序列的排序常用到rank、sort和order函数。给一个例子：>a <- c(3, 1, 5) >rank(a) [1] 2 1 3 >sort(a) [1] 1 3 5 >order(a...

继续访问

R语言 查看与转换数据类型

数据对象类型 R语言的对象常见的数据类型有：数值型、字符型、逻辑型、整数型、复数型等。此外，也可能是缺省值（NA） 数据对象类型及其判别和转化函数 类型 中文释义 示例 辨别 转换 numeric 数值型 2、-3、4.5 is.numeric() as.numeric() character 字符型 “ZhangHenghua” is.character() as.chara...

继续访问

R语言的数据类型

一、数据类型 概括来说，R可以识别六种基本的数据类型，分别是，双整型（double）、整型（integer）、字符型（character）、逻辑型（logical）、复数类型（complex）以及原始类型（raw）. 1.双整型（double） 储存普通数值型数据，可正可负，可大可小，可含小数可不含 R中键入的任何一个数值都默认以double型存储 想知道某个对象是什么类型，可以使用typeof() 函数进行查看 在数据科学里，它更常被称为数值型（numeric） 2.整型（integer） 顾名思义，只能

继续访问

R语言——数据类型详解

R语言——数据类型详解 R语言支持的数据类型 数值型 整数型 逻辑型 字符型 复数型 原生型 R语言的数据对象类型包括 向量：一个向量只能有一种数据类型 矩阵：一个矩阵只能有一种数据类型 数组：一个数组只能有一种数据类型 数据框：不同的列允许不同的数据类型 因子：一个因子只能有一种数据类型 列表：允许不同的数据类型 如上图所示，标量、向量、矩阵和数组可以按同一类型来理解，这四种类型要求对象包含的数据均为同一类型，数组是多维度的一串数据，向量是维度为1的数组，标量是单元素的向量，矩阵是维度为2的数

继续访问

R语言自用笔记:复数

介绍了R语言中虚数的表示、相关函数

继续访问

[R语言]2. R语言中的数据类型和数据结构

R语言中数据类型和数据结构是两种不同的概念，初学者经常容易搞混，因此有必要对这两个概念进行详细说明。

继续访问

R语言数据类型：Logical、Numeric、Integer、Complex、Character、Vectors、Lists、Matrices、Arrays、Factors、DataFrames

R语言数据类型：Logical、Numeric、Integer、Complex、Character、Vectors、Lists、Matrices、Arrays、Factors、DataFrames 通常，在使用任何编程语言进行编程时，都需要使用各种变量来存储各种信息。变量只不过是用来存储值的内存位置或者区间。这意味着，当我们创建一个变量时，系统在内存中保留了一些空间。 我们可能喜欢存储各种数据类型的信息，如字符、宽字符、整数、浮点、双浮点、布尔等。根据变量的数据类型，操作系统进行内存的分配并

继续访问

R语言 常用数据类型

一般来讲，R语言中有三种数据结构，第一种是数组，第二种是列表，第三种是数据框。第一种： 数组（包括向量和矩阵）。数组可以用来储存数值型（numeric)、逻辑型（logical)和字符型（character）三种类型的数据。例如：储存字符型数据 >x = array(rep("a",6),dim=c(2,3)) >x [,1] [,2] [,3] [1,] "a" "a" "a"