R语言_第三章

4、调用矩阵的行和列apply(m,dim,f,fargs) apply(x,2,mean) #对矩阵x的列（1代表行， 2代表列）应用函数mean() [1] 2 3
函数也可以是自定义的 f<-function(x)x/c(2,8) apply(x,1,f) [,1] [,2] [,3] #输出时apply()默认行列转置 [1,] 0.50 1.000 1.5 [2,] 0.25 0.375 0.5
2、矩阵运算 代数运算符号为%*%
y%*%y [,1] [,2] [1,] 7 10 [2,] 15 22
索引格式是y[,]
y[,1:2] [,1] [,2] [1,] 1 2 [2,] 3 4
案例1、图像操作 library(pixmap) mtrush1<-read.pnm("mtrush1.pgm") plot(mtrush1) str(mtrush1) mtrush1@grey[28,88] mtrush2<-mtrush1 mtrush2@grey[84:163,135:177]<-1 #把这 一区域设为白色 plot(mtrush2)
8、矩阵的行列命名colnames(),rownames() z<-matrix(c(1,2,3,4),nrow=2) > colnames(z) NULL > colnames(z)<-c("a","b") >z ab [1,] 1 3 [2,] 2 4
9、高维数组：arrays，有三个属性 fi<-matrix(c(46,21,30,25),nrow=2) fj<-matrix(c(56,25,40,55),nrow=2) test<-array(data=c(fi,fj),dim=c(2,2,2)) test[2,2,2] [1] 55 dim(2,2,2)，第一个2是行数，第二个是列数， 第三个是层数。
r<-a[2,] r [1] 2 4 6 dim(r) NULL 要想避免，需要把drop参数设为FALSE r<-a[2,,drop=F dim(r) [1] 1 3
另外，as.matrix()函数可以将向量转化为 矩阵 dim(r) [1] 1 3 > u<-1:3 > v<-as.matrix(u) > dim(u) NULL > dim(v) [1] 3 1
案例3：寻找异常值 findols<-function(x){ findol<-function(xrow){ mdn<-median(xrow) #求中位数 devs<-abs(xrow-mdn) return(which.max(devs)) } return(apply(x,1,findol)) }
1、 创建矩阵
y<-matrix(c(1,2,3,4),nrow=2) y [,1] [,2] [1,] 1 3 [2,] 2 4
R的矩阵式按列存储的，可以通过把byrow设置为 TRUE来使矩阵元素按行排列（，只是改变输入顺 序但没有改变存储顺序）
y<-matrix(c(1,2,3,4),nrow=2,byrow=1) y [,1] [,2] [1,] 1 2 [2,] 3 4
案例2：生成协方差矩阵
makecov<-function(rho,n){ m<-matrix(nrow=n,ncol=n) m<-ifelse(row(m)==col(m),1,rho) #对角线位置为1，其他位置rho return(m) } makecov(0.2,3) [,1] [,2] [,3] [1,] 1.0 0.2 0.2 [2,] 0.2 1.0 0.2 [3,] 0.2 0.2 1.0
3、矩阵元素筛选
x<-matrix(c(1,2,3,2,3,4),nrow=3) x [,1] [,2] [1,] 1 2 [2,] 2 3 [3,] 3 4 x[x[,2]>=3,] #先得出x[,2]>=3的逻辑值，再得出最终结果 [,1] [,2] [1,] 2 3 [2,] 3 4
which(x>2) #定位矩阵中大于2 的元素 [1] 3 5 6
5、增加或删除矩阵的行或列 按列组合cbind()
a<-c(1,1,1,1) > b<-matrix(c(1,2,3,4),nrow=4) > cbind(a,b) a [1,] 1 1 [2,] 1 2 [3,] 1 3 [4,] 1 4
同理，也可用rbind()按行组合。
案例4、找图中距离最近的一对端点 mind<-function(d){ n<-nrow(d) #求行数 dd<-cbind(d,1:n) #给每行标记行号 wmins<-apply(dd[-n,],1,imin) #对除最后一行 的每一行调用函数imin，并返回矩阵wmins i<-which.min(wmins[2,]) #求矩阵wmins第 二行的最小值的位置 j<-wmins[1,i] #求矩阵wmins第i列第 1行的值 return(c(d[i,j],i,j)) #返回最小值及其行列 值 }
#求向量x的最小值及其位置 imin<-function(x){ lx<-length(x) i<-x[lx] #向量x的最后一个值（在 行数ming()中表现为行号） j<-which.min(x[(i+1):(lx-1)])#寻找向量x的最 小值的位置，区间如小括号所示 k<-i+j #考虑了矩阵的对称性 （求相对位置） return(c(k,x[k])) }
a<-matrix(c(1,2,3,4,5,6),nrow=2) a [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6 length(a) [1] 6 class(a) [1] "matrix" dim(a) [1] 2 3
7、避免意外降维
对矩阵提取其中一行会导致提取的部分变为向量
当最小值唯一时，可用下面方法（否则返回 的位置不唯一且混乱） minda<-function(a){ smest,arr.ind=TRUE) return(c(smallest,ij)) }
6、向量与矩阵的差异 首先，矩阵也是向量，所以有长度；然后， 矩阵不仅仅是向量，它有行列数