R语言学习之矩阵
很多人是在线性代数课学的矩阵,当时什么问题都没有,除了一个问题:学习矩阵到底有什么用呢?矩阵是一个集合,它里面可以存放很多对象,比如一个行就是一个对象(或者说记录),每一个对象又有很多(属性)列。如果把一组对象~属性表示成矩阵,我们就能很容易取出每个对象对应的某个属性了,并且根据线性代数方法考察两个对象之间的联系(相似性)。矩阵的行列数我们一般称作维数。
对于矩阵而言,我们当然想实现以下操作与功能:
矩阵的加减、乘除运算
矩阵的行列切片
最值的快速获取
线性代数运算
好在R语言中的矩阵可以很轻易帮我们实现这些功能,有了这一神兵利器,我们就可以游刃有余地操作应该算是数据分析的基本单位——矩阵了。
创建矩阵
R中直接调用函数matrix()可以快速自定义矩阵,下面一行命令可以快速创建一个4行3列的矩阵:
>a<-matrix(c(1:12),nrow=4,ncol=3,byrow=TRUE)
> a
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 4 5 6
[3,] 7 8 9
[4,] 10 11 12
这里相当于先创建一个向量,再将其转化为一个4x3的矩阵,bynow=TRUE表示会按照把第一行排满,接着排第二行。
还有一些其它小技巧,比如有时候我们需要初始化一个矩阵,以便于后面对其进行赋值:
> a1<-matrix(0,3,4)
> a1
[,1] [,2] [,3] [,4]
[1,] 0 0 0 0
[2,] 0 0 0 0
[3,] 0 0 0 0
矩阵行、列、元素的选取(切片)
取第一行第二列元素
> a[1,2]
[1] 2
取第一行元素,这与Matlab很相像
> a[1,]
[1] 1 2 3
取第一行除了第二个元素之外的元素
> a[1,-2]
[1] 1 3
取第一列元素
> a[,1]
[1] 1 4 7 10
取第一列除了第二个元素之外的元素
> a[-2,1]
[1] 1 7 10
矩阵全部元素
> a[,]
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 4 5 6
[3,] 7 8 9
[4,] 10 11 12
矩阵的基本运算
这里创建一个新的矩阵b、c1,b与a的维数相同,c1的列、行数与a的行、列数分别相等,便于做实验。
> b<-matrix(c(13:24),nrow=4,ncol=3,byrow = TRUE)
> b
[,1] [,2] [,3]
[1,] 13 14 15
[2,] 16 17 18
[3,] 19 20 21
[4,] 22 23 24
> c1<-matrix(c(13:24),nrow=3,ncol=4,byrow = TRUE)
> c1
[,1] [,2] [,3] [,4]
[1,] 13 14 15 16
[2,] 17 18 19 20
[3,] 21 22 23 24
获取矩阵维数
> dim(a)
[1] 4 3
加减法运算
矩阵的加减法运算表示两个矩阵对应元素分别进行加减法运算,返回两个矩阵对应元素分别进行加减法运算的矩阵。当然了,矩阵加减法运算前提是两个矩阵的维数必须一样,否则会报错。
> a+b
[,1] [,2] [,3]
[1,] 14 16 18
[2,] 20 22 24
[3,] 26 28 30
[4,] 32 34 36
乘除法运算
矩阵的乘除法运算表示两个矩阵对应元素分别进行乘除法运算,返回两个矩阵对应元素分别进行乘除法运算的矩阵。当然了,矩阵乘除法运算前提是两个矩阵的维数必须一样,否则会报错。
> a*b
[,1] [,2] [,3]
[1,] 13 28 45
[2,] 64 85 108
[3,] 133 160 189
[4,] 220 253 288
还有就是矩阵的乘法,要求是前面矩阵的列数等于后面矩阵的列数,返回一个左边矩阵行数x右边矩阵列数的矩阵。
> a%*%c1
[,1] [,2] [,3] [,4]
[1,] 110 116 122 128
[2,] 263 278 293 308
[3,] 416 440 464 488
[4,] 569 602 635 668
线性代数运算
R语言提供了很多用于线性代数运算的函数,常用的列出如下:
eigen() #求特征值和特征向量
solve() #求逆矩阵
chol() #Choleski分解
svd() #奇异值分解
qr() #QR分解
det() #求行列式
dim() #给出行列数
t() #矩阵转置
矩阵的拼接
R语言矩阵的拼接主要用到两个函数,rbind()、cbind()
按行拼接要求两个矩阵列数要相同rbind()
> rbind(a,b)
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 4 5 6
[3,] 7 8 9
[4,] 10 11 12
[5,] 13 14 15
[6,] 16 17 18
[7,] 19 20 21
[8,] 22 23 24
按列拼接要求两个矩阵行数要相同cbind()
> cbind(c1,matrix(c(1:6),nrow = 3,byrow = TRUE))
[,1] [,2] [,3] [,4] [,5] [,6]
[1,] 13 14 15 16 1 2
[2,] 17 18 19 20 3 4
[3,] 21 22 23 24 5 6
其它函数的灵活结合
矩阵相关计算求法还可以灵活应用其它函数,比如求和函数sum(),平均值函数mean(),最值函数max()等。
> a
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 4 5 6
[3,] 7 8 9
[4,] 10 11 12
> max(a)
[1] 12
第一行最大值
>max(a[1,])
[1] 3
> max(a[,1])
[1] 10
对第一行求和
> sum(a[1,])
[1] 6
> mean(a[,1])
[1] 5.5
还有就是结合apply()函数,后面会讲到。
用法,举个例子。apply(Matrix,1,FUN=mean),这里,FUN=mean计算矩阵Matrix每一行的平均值,以向量的形式返回,中间的参数‘1’表示求每一行均值,如果是‘2’,表示求每一列均值
比如:
求a每一行平均值
> apply(a,1,mean)
[1] 2 5 8 11
对a每一列分别求和
> apply(a,2,sum)
[1] 22 26 30
好了,关于矩阵就讲到这里,希望对你们有用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今这个数据驱动的时代,几乎每一个业务决策都离不开对数据的深入分析。而其中,指标波动归因分析更是至关重要的一环。无论是 ...
2025-02-18当数据开始说谎:那些年我们交过的学费 你有没有经历过这样的场景?熬了三个通宵做的数据分析报告,在会议上被老板一句"这数据靠 ...
2025-02-17数据分析作为一门跨学科领域,融合了统计学、编程、业务理解和可视化技术。无论是初学者还是有一定经验的从业者,系统化的学习路 ...
2025-02-17挖掘用户价值本质是让企业从‘赚今天的钱’升级为‘赚未来的钱’,同时让用户从‘被推销’变为‘被满足’。询问deepseek关于挖 ...
2025-02-17近来deepseek爆火,看看deepseek能否帮我们快速实现数据看板实时更新。 可以看出这对不知道怎么动手的小白来说是相当友好的, ...
2025-02-14一秒精通 Deepseek,不用找教程,不用买资料,更不用报一堆垃圾课程,所有这么去做的,都是舍近求远,因为你忽略了 deepseek 的 ...
2025-02-12自学 Python 的关键在于高效规划 + 实践驱动。以下是一份适合零基础快速入门的自学路径,结合资源推荐和实用技巧: 一、快速入 ...
2025-02-12“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩 ...
2025-02-08活动介绍 为了助力大家在数据分析领域不断精进技能,我们特别举办本期打卡活动。在这里,你可以充分利用碎片化时间在线学习,让 ...
2025-02-071、闺女,醒醒,媒人把相亲的带来了。 我。。。。。。。 2、前年春节相亲相了40个, 去年春节相亲50个, 祖宗,今年你想相多少个 ...
2025-02-06在数据科学的广阔领域中,统计分析与数据挖掘占据了重要位置。尽管它们常常被视为有关联的领域,但两者在理论基础、目标、方法及 ...
2025-02-05在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-02-05当我们只有非常少量的已标记数据,同时有大量未标记数据点时,可以使用半监督学习算法来处理。在sklearn中,基于图算法的半监督 ...
2025-02-05考虑一种棘手的情况:训练数据中大部分样本没有标签。此时,我们可以考虑使用半监督学习方法来处理。半监督学习能够利用这些额 ...
2025-02-04一、数学函数 1、取整 =INT(数字) 2、求余数 =MOD(除数,被除数) 3、四舍五入 =ROUND(数字,保留小数位数) 4、取绝对值 =AB ...
2025-02-03作者:CDA持证人 余治国 一般各平台出薪资报告,都会哀嚎遍野。举个例子,去年某招聘平台发布《中国女性职场现状调查报告》, ...
2025-02-02真正的数据分析大神是什么样的呢?有人认为他们能轻松驾驭各种分析工具,能够从海量数据中找到潜在关联,或者一眼识别报告中的数 ...
2025-02-01现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31本人基本情况: 学校及专业:厦门大学经济学院应用统计 实习经历:快手数据分析、字节数据分析、百度数据分析 Offer情况:北京 ...
2025-01-3001专家简介 徐杨老师,CDA数据科学研究院教研副总监,主要负责CDA认证项目以及机器学习/人工智能类课程的研发与授课,负责过中 ...
2025-01-29