当前位置: 首页 > news >正文

【R语言基础操作】

🍉CSDN小墨&晓末:https://blog.csdn.net/jd1813346972

   个人介绍: 研一|统计学|干货分享
         擅长Python、Matlab、R等主流编程软件
         累计十余项国家级比赛奖项,参与研究经费10w、40w级横向

文章目录

  • 1 数据读取
  • 2 写数据
  • 3 数据的四则运算
    • 3.1 加法
    • 3.2 减法
    • 3.3 乘法
    • 3.4 除法
    • 3.5 综合算法
    • 3.6 余数
    • 3.7 整除
    • 3.8 整除
    • 3.9 判断正负
    • 3.10 幂指数
    • 3.11 平方根
  • 4 向量
    • 4.1 普通向量
    • 4.2 逻辑向量
    • 4.3 向量填充
  • 5 向量的运算
    • 5.1 加法
    • 5.2 减法
    • 5.3 乘法
    • 5.4 除法
    • 5.5 内积
    • 5.6 外积
  • 6 矩阵
    • 6.1 普通矩阵
    • 6.2 转置矩阵
    • 6.3 子矩阵
    • 6.5 对角矩阵
    • 6.6 单位矩阵
  • 7 矩阵运算
    • 7.1 矩阵加法
    • 7.2 矩阵减法
    • 7.3 矩阵除法
    • 7.4 矩阵乘法
    • 7.5 两矩阵相乘
  • 8 数据框
    • 8.1 数据框创建
    • 8.2 数据框取数

该篇文章主要演示R语言中的基本数据操作方法,建议收藏!

文章包括:数据读取;数据基本的四则运算;向量操作及运算;矩阵操作及运算;数据框操作等方法。

1 数据读取

  运行程序:

data<- read.csv ( "G:\\Fonts\\Book1.csv")
head(data)

  运行结果:

##   X1 X2
## 1  2  5
## 2  2  2
## 3  3  7
## 4  4  0
## 5  4  2

2 写数据

  运行程序:

data1<-data.frame(1,2,2)
fix(data1)                           #直接写入data2<-read.table("clipboard", header = T,sep = '\t')
head(data2)                          #通过粘贴板内容写入

  运行结果:

##   X119.367781 X25.99242
## 1    119.3678  25.99242
## 2    119.3678  25.99242
## 3    119.3678  25.99242
## 4    119.3678  25.99242
## 5    119.3678  25.99242

3 数据的四则运算

3.1 加法

  运行程序:

a1=20
a2=4
a1+a2              #加法

  运行结果:

## [1] 24

3.2 减法

  运行程序:

a1-a2              #减法

  运行结果:

## [1] 16

3.3 乘法

  运行程序:

a1*a2              #乘法

  运行结果:

## [1] 80

3.4 除法

  运行程序:

a1/a2              #除法

  运行结果:

## [1] 5

3.5 综合算法

  运行程序:

(3+5/4)**2-6       #综合算法

  运行结果:

## [1] 12.0625

3.6 余数

  运行程序:

5%%2               #余数

  运行结果:

## [1] 1

3.7 整除

  运行程序:

5%/%2              #整除

  运行结果:

## [1] 2

3.8 整除

  运行程序:

abs(-3)            #绝对值

  运行结果:

## [1] 3

3.9 判断正负

  运行程序:

sign(3)            #判断正负

  运行结果:

## [1] 1

3.10 幂指数

  运行程序:

3^2                #幂指数

  运行结果:

## [1] 9

3.11 平方根

  运行程序:

sqrt(4)            #平方根

  运行结果:

## [1] 2

4 向量

4.1 普通向量

  运行程序:

## [1] 5 3 4 2

  运行结果:

## [1] 2

4.2 逻辑向量

  运行程序:

y<-c(TRUE,FALSE,TRUE);y    #逻辑向量

  运行结果:

## [1]  TRUE FALSE  TRUE

4.3 向量填充

  运行程序:

numeric(5)                 #填充5个0向量

  运行结果:

## [1] 0 0 0 0 0

5 向量的运算

5.1 加法

  运行程序:

a1<-c(12,18,32,24)
a2<-c(3,6,2,4)
a1+a2                      #加法

  运行结果:

## [1] 15 24 34 28

5.2 减法

  运行程序:

a1-a2                      #减法

  运行结果:

## [1]  9 12 30 20

5.3 乘法

  运行程序:

a1*a2                      #乘法

  运行结果:

## [1]  36 108  64  96

5.4 除法

  运行程序:

a1/a2              #除法

  运行结果:

## [1]  4  3 16  6

5.5 内积

  运行程序:

a1%*%a1                    #内积

  运行结果:

##      [,1]
## [1,] 2068

5.6 外积

  运行程序:

a1%o%a2                    #外积

  运行结果:

##      [,1] [,2] [,3] [,4]
## [1,]   36   72   24   48
## [2,]   54  108   36   72
## [3,]   96  192   64  128
## [4,]   72  144   48   96

6 矩阵

6.1 普通矩阵

  运行程序:

A<-matrix(1:12,ncol=4,nrow=3,byrow=TRUE);
A                 #普通矩阵

  运行结果:

##      [,1] [,2] [,3] [,4]
## [1,]    1    2    3    4
## [2,]    5    6    7    8
## [3,]    9   10   11   12

6.2 转置矩阵

  运行程序:

t(A)              #转置矩阵

  运行结果:

##      [,1] [,2] [,3]
## [1,]    1    5    9
## [2,]    2    6   10
## [3,]    3    7   11
## [4,]    4    8   12

6.3 子矩阵

  运行程序:

A[1:2,c(1,2,3)]   #子矩阵

  运行结果:

##      [,1] [,2] [,3]
## [1,]    1    2    3
## [2,]    5    6    7

6.5 对角矩阵

  运行程序:

C=matrix(1:9,nrow = 3,ncol = 3,byrow = T);diag(C)
diag(c(1:3))

  运行结果:

##      [,1] [,2] [,3]
## [1,]    1    0    0
## [2,]    0    2    0
## [3,]    0    0    3

6.6 单位矩阵

  运行程序:

diag(3)           #单位矩阵

  运行结果:

##      [,1] [,2] [,3]
## [1,]    1    0    0
## [2,]    0    1    0
## [3,]    0    0    1

7 矩阵运算

7.1 矩阵加法

  运行程序:

A<-matrix(1:9,ncol=3,nrow=3,byrow=TRUE)
B<-matrix(4:12,ncol=3,nrow=3,byrow=TRUE)
A+B               #矩阵加法

  运行结果:

##      [,1] [,2] [,3]
## [1,]    5    7    9
## [2,]   11   13   15
## [3,]   17   19   21

7.2 矩阵减法

  运行程序:

A-B               #矩阵减法

  运行结果:

##      [,1] [,2] [,3]
## [1,]   -3   -3   -3
## [2,]   -3   -3   -3
## [3,]   -3   -3   -3

7.3 矩阵除法

  运行程序:

A/B               #矩阵除法

  运行结果:

##           [,1]      [,2]      [,3]
## [1,] 0.2500000 0.4000000 0.5000000
## [2,] 0.5714286 0.6250000 0.6666667
## [3,] 0.7000000 0.7272727 0.7500000

7.4 矩阵乘法

  运行程序:

A*B               #矩阵乘法

  运行结果:

##      [,1] [,2] [,3]
## [1,]    4   10   18
## [2,]   28   40   54
## [3,]   70   88  108

7.5 两矩阵相乘

  运行程序:

A%*%B             #矩阵A乘以矩阵B

  运行结果:

##      [,1] [,2] [,3]
## [1,]   48   54   60
## [2,]  111  126  141
## [3,]  174  198  222

8 数据框

8.1 数据框创建

  运行程序:

d=data.frame(name=c("小李","小张","小民"),age=c(18,19,16),height=c(175,172,177));d

  运行结果:

##   name age height
## 1 小李  18    175
## 2 小张  19    172
## 3 小民  16    177

8.2 数据框取数

  运行程序:

d[1,2]

  运行结果:

## [1] 18

相关文章:

【R语言基础操作】

&#x1f349;CSDN小墨&晓末:https://blog.csdn.net/jd1813346972 个人介绍: 研一&#xff5c;统计学&#xff5c;干货分享          擅长Python、Matlab、R等主流编程软件          累计十余项国家级比赛奖项&#xff0c;参与研究经费10w、40w级横向 文…...

sqlite 常见命令 表结构

在 SQLite 中&#xff0c;将表结构保存为 SQL 具有一定的便捷性和重要性&#xff0c;原因如下 便捷性&#xff1a; 备份和恢复&#xff1a;将表结构保存为 SQL 可以方便地进行备份。如果需要还原或迁移数据库&#xff0c;只需执行保存的 SQL 脚本&#xff0c;就可以重新创建表…...

基于深度学习的车辆检测技术

基于深度学习的车辆检测技术是现代智能交通系统的重要组成部分&#xff0c;它利用计算机视觉和机器学习算法&#xff0c;特别是深度学习模型&#xff0c;来识别和定位图像或视频中的车辆。这项技术广泛应用于自动驾驶、交通监控、违章抓拍等多个领域。 深度学习车辆检测技术的…...

MyBatis 之三:配置文件详解和 Mapper 接口方式

配置文件 MyBatis 的配置文件是 XML 格式的&#xff0c;它定义了 MyBatis 运行时的核心行为和设置。默认的配置文件名称为 mybatis-config.xml&#xff0c;该文件用于配置数据库连接、事务管理器、数据源、类型别名、映射器&#xff08;mapper 文件&#xff09;以及其他全局属性…...

【PyTorch】基础学习:一文详细介绍 torch.load() 的用法和应用

【PyTorch】基础学习&#xff1a;一文详细介绍 torch.load() 的用法和应用 &#x1f308; 个人主页&#xff1a;高斯小哥 &#x1f525; 高质量专栏&#xff1a;Matplotlib之旅&#xff1a;零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程&#x1f44…...

事务、并发、锁机制的实现

配置全局事务 DATABASES {default: {ENGINE: django.db.backends.mysql,NAME: mydb,USER:root,PASSWORD:pass,HOST:127.0.0.1,PORT:3306,ATOMIC_REQUESTS: True, # 全局开启事务&#xff0c;绑定的是http请求响应整个过程# (non_atomic_requests可局部实现不让事务控制)} } …...

PC-DARTS: PARTIAL CHANNEL CONNECTIONS FOR MEMORY-EFFICIENT ARCHITECTURE SEARCH

PC-DARTS&#xff1a;用于内存高效架构搜索的部分通道连接 论文链接&#xff1a;https://arxiv.org/abs/1907.05737 项目链接&#xff1a;https://github.com/yuhuixu1993/PC-DARTS ABSTRACT 可微分体系结构搜索(DARTS)在寻找有效的网络体系结构方面提供了一种快速的解决方案…...

git的下载与安装

下载 首先&#xff0c;打开您的浏览器&#xff0c;并输入Git的官方网站地址 点击图标进行下载 下载页面会列出不同操作系统和平台的Git安装包。根据您的操作系统&#xff08;Windows、macOS、Linux等&#xff09;和位数&#xff08;32位或64位&#xff09;&#xff0c;选择适…...

windows文档格式转换的实用工具

大家好,我是爱编程的喵喵。双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为CSDN博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的…...

四级缓存实现

CommandLineRunner接口的run方法 什么是多级缓存? 多级缓存就是充分利用请求处理的每个环节,分别添加缓存,减轻Server端的压力,提升服务性能。 一级缓存:1.CDN:内容分发网络 二级缓存:2.NGINX+Lua脚本+OpenResty服务器 负载均衡反向代理【静态和转发】 三级缓存:J…...

程序员如何规划职业赛道?

在快速发展的信息技术时代&#xff0c;程序员作为数字世界的构建者&#xff0c;面临着前所未有的职业选择和发展机会。选择合适的职业赛道&#xff0c;不仅关乎个人职业发展的高度和速度&#xff0c;更影响着个人职业生涯的满意度和幸福感。本文将从自我评估与兴趣探索、市场需…...

蓝桥杯day3刷题日记--P9240 冶炼金属

P9240 [蓝桥杯 2023 省 B] 冶炼金属 经典二分&#xff0c;先在第一组中找到最小值&#xff0c;在利用最小值限制范围寻找最大值 #include <iostream> #include <algorithm> using namespace std; int n,kk; int m[10001],num[10001]; int maxs,mins;bool check1…...

Mybatis-xml映射文件与动态SQL

xml映射文件 动态SQL <where><if test"name!null">name like concat(%,#{name},%)</if><if test"username!null">and username#{username}</if></where> <!-- collection&#xff1a;遍历的集合--> <!-- …...

MySQL_数据库图形化界面软件_00000_00001

目录 NavicatSQLyogDBeaverMySQL Workbench可能出现的问题 Navicat 官网地址&#xff1a; 英文&#xff1a;https://www.navicat.com 中文&#xff1a;https://www.navicat.com.cn SQLyog 官网地址&#xff1a; 英文&#xff1a;https://webyog.com DBeaver 官网地址&…...

流媒体学习之路(WebRTC)——FEC逻辑分析(6)

流媒体学习之路(WebRTC)——FEC逻辑分析&#xff08;6&#xff09; —— 我正在的github给大家开发一个用于做实验的项目 —— github.com/qw225967/Bifrost目标&#xff1a;可以让大家熟悉各类Qos能力、带宽估计能力&#xff0c;提供每个环节关键参数调节接口并实现一个json全…...

command failed: npm install --loglevel error --legacy-peer-deps

在使用vue create xxx创建vue3项目的时候报错。 解决方法&#xff0c;之前使用的https://registry.npm.taobao.org 证书过期更换镜像地址即可 操作如下&#xff1a; 1.cd &#xff5e;2.执行rm .npmrc3. sudo npm install -g cnpm --registryhttp://registry.npmmirror.com…...

KubeSphere集群安装-nfs分布式文件共享-对接Harbor-对接阿里云镜像仓库-遇到踩坑记录

KubeSphere安装和使用集群版 官网:https://www.kubesphere.io/zh/ 使用 KubeKey 内置 HAproxy 创建高可用集群:https://www.kubesphere.io/zh/docs/v3.3/installing-on-linux/high-availability-configurations/internal-ha-configuration/ 特别注意 安装前注意必须把当前使…...

Epuck2机器人固件更新及IP查询

文章目录 前言一、下载固件更新软件包&#xff1a;二、查询机器人在局域网下的IP 前言 前面进行了多机器人编队仿真包括集中式和分布式&#xff0c;最近打算在实物机器人上跑一跑之前的编队算法。但由于Epuck2机器人长时间没使用&#xff0c;故对其进行固件的更新&#xff0c;…...

C goto 语句

C 语言中的 goto 语句允许把控制无条件转移到同一函数内的被标记的语句。 注意&#xff1a;在任何编程语言中&#xff0c;都不建议使用 goto 语句。因为它使得程序的控制流难以跟踪&#xff0c;使程序难以理解和难以修改。任何使用 goto 语句的程序可以改写成不需要使用 goto 语…...

【排序算法】-- 深入理解桶排序算法

概述 在计算机科学中&#xff0c;排序算法是一种对数据进行有序排列的重要技术。桶排序&#xff08;Bucket Sort&#xff09;是一种常见的排序算法&#xff0c;它通过将数据分到有限数量的桶中&#xff0c;并对每个桶中的数据分别排序&#xff0c;最后按照顺序将所有桶中的数据…...

告别默认图表:手把手教你定制VASPKIT的PLOT.In文件,画出符合期刊要求的能带图

科研绘图进阶&#xff1a;深度定制VASPKIT能带图的专业技巧在学术论文写作中&#xff0c;一张精心设计的能带图往往能成为研究成果的视觉名片。VASPKIT作为材料计算领域的利器&#xff0c;其自动绘图功能虽然便捷&#xff0c;但默认输出往往难以满足高端期刊的审美要求。本文将…...

李白的思乡诗 / 山水诗 / 豪放诗有哪些?诗词在线app手工整理

"酒入豪肠&#xff0c;七分酿成了月光&#xff0c;余下的三分啸成剑气&#xff0c;绣口一吐就半个盛唐。" 李白的诗&#xff0c;是盛唐最耀眼的星&#xff0c;既有 "天生我材必有用" 的豪放&#xff0c;也有 "低头思故乡" 的柔情&#xff0c;更有…...

用Python手把手复现GRO淘金优化算法(附完整代码与CEC2005测试)

用Python手把手复现GRO淘金优化算法&#xff08;附完整代码与CEC2005测试&#xff09;当算法工程师第一次接触GRO淘金优化算法时&#xff0c;往往会被其独特的生物启发式设计所吸引。这种模拟19世纪淘金者行为的元启发式算法&#xff0c;在解决复杂优化问题时展现出令人惊讶的效…...

MNIST识别项目复盘:除了准确率97%,我们更应该关注数据预处理与损失函数的选择

MNIST识别项目深度复盘&#xff1a;超越97%准确率的工程实践思考 在完成一个基础的MNIST手写数字识别项目后&#xff0c;很多开发者会满足于模型达到97%的准确率便止步不前。然而&#xff0c;真正有价值的机器学习实践远不止于调出一个高准确率的模型。本文将带您深入两个常被忽…...

【具身智能】最大微信群

点击下方卡片&#xff0c;关注“CVer”公众号AI/CV重磅干货&#xff0c;第一时间送达具身智能&#xff1a;人工智能的下一个浪潮&#xff01;今年再次被写入《政府工作报告》中&#xff0c;已经成为国家未来重点培育产业。市场方面&#xff0c;具身智能近一年融资更是爆火&…...

【小红书算法偏爱的文案结构】:ChatGPT无法自学的3层语义嵌套技巧(含2024Q2平台最新流量权重白皮书节选)

更多请点击&#xff1a; https://kaifayun.com 第一章&#xff1a;小红书算法偏爱的文案结构本质解构 小红书的推荐算法并非仅依赖关键词或标签匹配&#xff0c;其核心是通过多模态语义理解与用户行为反馈闭环&#xff0c;对文案的信息密度、情绪节奏和结构可读性进行加权评估…...

AI Agent在DevOps中的应用:自主监控、根因分析与故障修复

AI Agent在DevOps中的应用&#xff1a;自主监控、根因分析与故障修复 引言 痛点引入&#xff1a;现代DevOps团队的“三座大山” 想象一个场景&#xff1a;周五晚上23:58&#xff0c;你正准备关掉电脑奔赴周末的露营烧烤局&#xff0c;手机突然弹出数十条Prometheus、ELK Sta…...

【DeepSeek日志分析黄金方案】:20年SRE亲授——从TB级日志中5分钟定位P0故障的7大实战模式

更多请点击&#xff1a; https://kaifayun.com 第一章&#xff1a;DeepSeek日志分析方案的演进逻辑与核心哲学 DeepSeek日志分析方案并非从零构建的技术堆砌&#xff0c;而是伴随模型训练规模跃迁、推理服务复杂度攀升、可观测性需求深化而持续演化的系统性实践。其底层哲学始…...

诈骗分子利用微软内部账户发垃圾链接,微软能否解决安全漏洞?

诈骗事件曝光 几个月来&#xff0c;诈骗分子利用漏洞&#xff0c;从微软内部通常用于发送合法账户提醒的电子邮件地址发送垃圾邮件。目前不清楚他们如何利用系统&#xff0c;但能像新客户一样创建新微软账户&#xff0c;并以微软名义发邮件&#xff0c;易让人们误以为邮件真实。…...

使用TaotokenCLI工具一键配置开发环境与密钥

&#x1f680; 告别海外账号与网络限制&#xff01;稳定直连全球优质大模型&#xff0c;限时半价接入中。 &#x1f449; 点击领取海量免费额度 使用Taotoken CLI工具一键配置开发环境与密钥 在接入多个大模型服务时&#xff0c;开发者通常需要为不同的工具和项目手动配置API密…...