-
lapply:循环列表中的每一个元素
查看全部 -
缺失值 NA为有类型的缺失值，确缺失值范围更广 NaN为数字缺失值 注意:NaN属于NA，但是NA不属于NaN 判断是否有缺失值 is.na()/is.nan() 例子: x＜-c(1,NA,2,NA,3) is.na(x) is.nan(x) 执行后的结果为 第一种结果:FALSE. TRUE. FAlSE. TRUE. FALSE (判断每个元素是不是缺失值，如果是返回真，不是返回假) 第二种结果:FALSE. FALSE. FALSE. FALSE. FALSE (说明在x中不存在NaN的缺失值，也证明了，NaN不属于NA，因为它判断不出x中有NA的值) x＜-c(1,NaN,2,NaN,3) is.na(x) is.nan(x) 执行后的结果为:两者的结果一样 第一种结果:FALSE. TRUE. FAlSE. TRUE. FALSE (可以检测出NaN的值) 第二种结果:FALSE.TRUE. FALSE. TRUE. FALSE查看全部
-
因子:factor() 分类数据/有序 vs. 无序 整数向量+标签(因子优于整数向量) 整数向量一般用于线性模型 例如:male/female vs. 1/2#(male代表1奇数) levels-谁在前面，谁就是奇数水平 table() 整体性了解因子水平 unclass() 去掉属性 attr:显示曾经的属性 例子: x＜-factor(c("female","female","male","male","female")) 执行后的结果显示1 1 2 2 1 levels:female,male(默认第一个因子为奇数水平) y＜-factor(c("female","female","male","male","female"),levels=c("male","female")) 执行结果为:levels:male,female 1.table(x)执行后的结果为: female. male 3. 2 2.unclass(x)执行后的结果为: 1 1 2 2 1 attr("levels") female. male查看全部
-
list() 针对不同的类型对象 例如： x<-list(1,2,3,4) 创建一个矩阵，并以列表的形式展现： 例如：y<-matric(1:6,nrow=2,ncol=3) dimnames(y)<-list(c("a","b"),c("c","d","e") #dimnames( )给矩阵命名 结果： c d e a 1 3 5 b 2 4 6查看全部
-
list() 针对不同的类型对象 例如：x<-list(1,2,3,4) 创建一个矩阵，并以列表的形式展现： 例如：y<-matric(1:6,nrow=2,ncol=3) dimnames(y)<-list(c("a","b"),c("c","d","e") #dimnames( )给矩阵命名 结果： c d e a 1 3 5 b 2 4 6查看全部
-
查看全部 -
上一张的内容补充names()命名 例如x ＜- 1 :2 names(x) ＜- c("a","b") 所以1的名称是a 矩阵:matrix(内容值，nrow行，ncol列) 例如，x＜- matrix(1:6,nrow=2,ncol=3) 1. 2. 3 1. 1. 3. 5 2. 2. 4. 6 注意先填充列的值再填充行的值 还有一种创建矩阵的方法: x＜-1:6 dim(x)＜-(2,3)#两行三列 矩阵=向量＋维度(维度只能等于2) dim() 查看矩阵行列数 attributes() 查看属性 例如，dim(x)#执行后的结果是2 3 attributes(x)#显示维度，结果也是2 3 两个矩阵拼接 行的拼接所用的函数是rbind() 列的为cbind() 例如，rbind(x,y)#x y都为两行三列，则组成为新的矩阵为4行3列 数组:array(内容值，维度设定)，维度可以大于2 例如，x＜-array(1:24，dim=c(4,6))#四行六列的数组 x1＜-array(1:24,dim=(2,3,4))#代表有4个两行三列的数组查看全部
-
控制台的命令是一次的，如果想重复使用，就要新建文件，而且文件里的执行需要选择语句才可以执行，不像命令里的语句，直接按回车键。 注意:vector(类型，length=)函数里面是要同一类型的对象。length表示参数值的个数查看全部
-
注意: 逻辑型的布尔值一定大写 字符型的参数要用""(例如"a")查看全部
-
向量数据结构 #为注释 vector()函数的格式:vector(类型，length= ) c()函数的格式:例如x＜- c(1，2，3)意思为参数的取值是1 2 3 注: 1.c()函数的用法和(例如x＜- 1:3)的意思类似，重点在冒号:，x的取值范围在1~3之间 2.c()函数会自动强制转换参数类型 例如x＜- c(TRUE,1,"a")，最终转化的类型为numeric型 如果要强制转化c()函数的类型，可以用的格式是x＜- c(1,2,3) as.(5种属性类型)查看全部
-
用class()函数查看变量的类型 赋值类型有两种:＜-还有=，标准的是用＜- 注意:逻辑型中的布尔类型True/False需要首字母大写查看全部
-
R语言的5种对象的基本类型有: 字符(character) 数值(numeric:real number) 整数(integer) 复数(complex):1+2i 逻辑(logical:true/false)查看全部
-
啊
查看全部 -
不
查看全部 -
matrix
查看全部
举报
0/150
提交
取消