r语言apply（R语言是数据可视化工具吗）

本篇文章给大家谈谈r语言apply，以及R语言是数据可视化工具吗对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、r语言如何求矩阵中某一列的总和
• 2、r语言中如何实现数据标准化(每一列的值除以该列均值)？
• 3、用R语言读取文本文件并求出每一列的最大值、最小值、中位值等,将其在屏幕中输？
• 4、R语言中的基本函数使用 - 更新中

r语言如何求矩阵中某一列的总和

设矩阵为A

方法一埋举：colSums(A)

方法二：apply(A，2，sum)

x-matrix(c(1,1,2,1,2,3,4,1),4,2)

x

[,1] [,2]

[1,] 1 2

[2,] 1 3

[3,] 2 4

[4,] 1 1

length(which((x[,1]==1)))

[1] 3

length(which((x[,2]==1)))

[1] 1

#x[,1]==1判断是否为1，返回True或False

# which((x[,1]==1))返回为True的行号

#length(which((x[,1]==1)))返回为True的行数，即1的个数

简正模式

矩阵在物理学中的另一类泛应用是描述线性耦合调和系统。这类系统的运动方程可以用矩阵的形式来表示，即用一个质量矩阵乘以一个广义速度来给出运动项，用谨铅力矩阵乘以位移向量来刻画相互作用。求系统的解的最优方法是将矩阵的特征向量求出（弯晌碧通过对角化等方式），称为系统的简正模式。

以上内容参考：百度百科-矩阵

[img]

r语言中如何实现数据标准化(每一列的值除以该列均值)？

使用apply函数apply(mat, 2, function(x)x/(mean(x)))

测试运行结果：

ma - matrix(c(1:4, 1, 6:8), nrow = 2)

ma

[,1] [,2] [,3] [,4]

[1,] 1 3 1 7

[2,] 2 4 6 8

apply(ma, 2, function(x)x/(mean(x)))

[,1] [,2] [,3] [,4]

[1,] 0.6666667 0.8571429 0.2857143 0.9333333

[2,] 1.3333333 1.1428571 1.7142857 1.0666667

apply函数参数帮助。

apply(X, MARGIN, FUN, ...)

Arguments

X

an array, including a matrix.

MARGIN

a vector giving the subscripts which the function will be applied over. E.g., for a matrix 1 indicates rows, 2 indicates columns, c(1, 2) indicates rows and columns. Where X has named dimnames, it can be a character vector selecting dimension names.

FUN

the function to be applied: see ‘Details’. In the case of functions like +, %*%, etc., the function name must be backquoted or quoted.

...

optional arguments to FUN.

用R语言读取文本文件并求出每一列的最大值、最小值、中位值等,将其在屏幕中输？

首先，要使用 R 语言读取文本文件，你可以使用 read.table 函数燃森：

data - read.table("filename.txt", header = TRUE)

然皮改亩后，要求出每一列的最大值、最小值歼尘、中位值，你可以使用 apply 函数：

# Get the maximum value for each column

apply(data, 2, max)

# Get the minimum value for each column

apply(data, 2, min)

# Get the median for each column

apply(data, 2, median)

最后，将计算结果输出到屏幕，可以使用 print 函数：

print(result)

R语言中的基本函数使用 - 更新中

用法：assign(x, value, pos = -1, envir = as.environment(pos),  inherits = FALSE, immediate = TRUE)

assign函数在循环时候，给变量赋值。

举例说明：

1、

for (i in 1:(length(rowSeq)-1)){

  assign(paste("nginx_server_fields7_", i, sep = ""), nginx_server_fields7[(rowSeq[(i-1)+1]):(rowSeq[i+1]), ])

}

2、

for (i in 1:3){

    assign(paste("a", i, sep = ""), i:10)

}

ls()

[1] "a1" "a2" "a3" "i"

a1

[1]  1  2  3  4  5  6  7  8  9 10

a2

[1]  2  3  4  5  6  7  8  9 10

a3

[1] 3  4  5  6  7  8  9 10

1、paste函数可用于字符串连接

用法：paste (..., sep = " ", collapse = NULL)，分隔符默认为空格

我们简单举个例子

1）paste("a","b") ##能连接a b

[1] "a b"

paste("a","b","c")

[1] "a b c"

2）设置分隔符paste("a","b",sep="=") ##注意到用等号分隔了

[1] "a=b"

3）连接多个元素paste("a",1:5,sep="") ##会自动每个元素与a相连

[1] "a1""a2""a3""a4""a5"

4）paste("a",1:5,".pdf",sep="") ##比如想批量输出文件名

[1] "a1.pdf""a2.pdf""a3.pdf""a4.pdf""a5.pdf"、

2、collapse参数

谢益辉大佬说这个参源慎数引无数英雄竞折腰啊，大家只会sep

1）paste("a",1,collapse="+") ##注意到了吧，collapse没用上

[1] "a 1"

2）paste(c("a","b","c"),collapse="+") ##这样就很容易理解了，collapse折叠起了元素

[1] "a+b+c"

3）paste("a",1:5,sep="") ##再来更明显的举例

[1] "a1""a2""a3""a4""a5"

4）paste("a",1:5,sep="",collapse="+") ##先在元素间连接，然后折叠

[1] "a1+a2+a3+a4+a5"

3、与paste0函数的区别

paste0函数，默认sep=""是两个函数唯一的区别

paste(c("a","b","c"),1:3)##默认空格符

[1] "a 1""b 2""c 3"

paste(c("a","b","c"),1:3,sep="雹和敬 ")

[1] "a 1""b 2""c 3"

paste(c("a","b","c"),1:3,sep="")

[1] "a1""b2""c3"

如果两个向量长度不同paste(c("a","b","c"),1:5) ##超出范围后继续从前向后连接

[1] "a 1"  "b 2"  "c 3"  "a 4"  "b 5"

paste0(c("a","b","c"),1:3)#默认元素连接为sep=""

[1] "a1""b2""c3"

用法：unlist()函数的作用，就是将list结构的数据du，变zhi成非list的数据，即将list数据变成 字符串向量 或者数字向量的形式

如果是向量的话就直接输出向量

例子：

%in%相当于match()函数的一个缩写。用来判断一个数组或矩阵是否包含在另一个数组或矩阵里。举个例子一目了然：

#首先复制两个变量a和b

a - 1:5

b - 3:7

a %in% b    #看a的元素是否包含在b中输出结果如下：

[1] FALSE FALSE  TRUE  TRUE  TRUE

用法：apply(x, MARGIN, FUN, ...)

作用：对 矩阵 的行或列使用函数，或者对 数组 的各个维度使用函数

x为数据对象棚手，MARGIN是维度的下标，MARGIN=1表示行，MARGIN=2表示列，FUN是自己指定的任意或自定义函数

注：数据框dataframe也可以使用apply函数，该函数会自动将数据框转化为矩阵，但前提是数据框中各列的数据类型 必须是数值型，否则会报错。

用法：lapply(x,FUN,...)

作用：对列表中的各个元素使用函数

x是格式为列表的数据源，FUN是任意函数。

intersect(data1，data2)：交集

union(data1，data2)：并集

关于r语言apply和R语言是数据可视化工具吗的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。