data1<-read.table('clipboard',header=T) （其中，将EXCEL表格中的数据先复制，然后进行导入，即可），
第二步：将数据框转化为矩阵（A）
A<-as.matrix(data1)
第三步：将数据框的第一行的标题去掉
colnames(A)<-NULL
第四步：求矩阵A的转置阵，设转置阵为A1
A1<-t(A)
第五部：计算矩阵A与其转置阵A1相乘
H1<-A%*%A1
R语言-数组到矩阵的转换 1、问题：有一个很大的三维数组，需要转换为一个矩阵，是否能在R中用循环语句或者其他方式实现？三维数组（3, 2, 3）类似下面形式：, , 1 [,1] [,2][1,]14[2,]25[3,]36, , 2 [,1] [,2][1,]7 10[2,]8 11[3,]9 12, , 3 [,1] [,2][1,] 13 16[2,] 14 17[3,] 15 18希望转换后的矩阵(6, 3)如下：1713410162814511173915612182、解答：基于问题数据的特点，可直接用行组合就可以，避免使用循环计算，在进行大数据处理时可显著提高处理效率。可以看到最终数据呈横向扩展，而与第3维数据的个数无关。1、假定有数据：>a <- array(1:18, dim=c(3,2,3))>a, , 1 [,1] [,2][1,]14[2,]25[3,]36, , 2 [,1] [,2][1,]7 10[2,]8 11[3,]9 12, , 3 [,1] [,2][1,] 13 16[2,] 14 17[3,] 15 182、合成后的矩阵为：>b<- rbind(a[1,,],a[2,,],a[3,,])一句话搞定。3、查看结果>b [,1] [,2] [,3][1,]17 13[2,]4 10 16[3,]28 14[4,]5 11 17[5,]39 15[6,]6 12 184、使用更多数据测试：>a <- array(1:24, dim=c(3,2,4))>a, , 1 [,1] [,2][1,]14[2,]25[3,]36, , 2 [,1] [,2][1,]7 10[2,]8 11[3,]9 12, , 3 [,1] [,2][1,] 13 16[2,] 14 17[3,] 15 18, , 4 [,1] [,2][1,] 19 22[2,] 20 23[3,] 21 24>b<-rbind(a[1,,],a[2,,],a[3,,])>b [,1] [,2] [,3] [,4][1,]17 13 19[2,]4 10 16 22[3,]28 14 20[4,]5 11 17 23[5,]39 15 21[6,]6 12 18 243、另外的方法1、apply()apply(x, 3, t)apply()函数，可将一个任意函数“应用”到矩阵、数组、数据框的任何维度上。apply函数的使用格式为： apply(x, MARGIN, FUN, ...)其中，x为数据对象，MARGIN是维度的下标，FUN是由你指定的函数，而...则包括了任何想传递给FUN的参数。在矩阵或数据框中，MARGIN=1表示行，MARGIN=2表示列。2、aperm()（1）aperm() 函数，Transpose an array by permuting its dimensions and optionally resizingit.Transpose变换顺序permute 序列改变，重新排列一个数组该函数意即改变数组的维度顺序，维度1,2,3按不同顺序进行变换。（2）array()函数，用法array(data = NA, dim = length(data), dimnames = NULL)array(aperm(x, c(2,1,3)), c(6,3))将数组x维度改变（1->2,2->1,3->3）后：aperm(x, c(2,1,3))再变换成新的数组：array(aperm(x, c(2,1,3)), c(6,3))注意：其实这样做有点多余，可直接应用数组变换：array(x, c(6,3))结果与上述方法结果一样。如果是三维数量是4，则公式为：array(x,c(6,4))依此类推。R语言如何组成矩阵#利用已有数据组建新的矩阵
v1 <- c(1:4) #创建名为v1的向量
v2 <- c(5:8) #创建名为v2的向量
m5 <- rbind(v1,v2) #将向量v1和v2按行合并为一个矩阵
m6 <- cbind(v1,v2) #将向量v1和v2按列合并为一个矩阵
#参考R语言中常见的几种创建矩阵形式总结_R语言_脚本之家 (jb51.net)
修改列名，
如果是矩阵使用colnames(chr1_edite) <- c("chrom","map","Likelihood")
如果是数据框使用names(chr1_edite) <- c("chrom","map","Likelih111")
但是数据框也可以用colnames()进行修改
x%in%y 返回逻辑向量，表示x中是否有元素在y
