matrix在R语言中怎么用_matrix r语言

matrix在R语言中怎么用_matrix r语言

       大家好，今天我想和大家分享一下我在“matrix在R语言中怎么用”方面的经验。为了让大家更好地理解这个问题，我将相关资料进行了整理，现在就让我们一起来学习吧。

1.R语言基本数据分析

2.R语言中的几种数据结构

3.r语言矩阵中byrow=false什么意思

R语言基本数据分析

       R语言基本数据分析

       本文基于R语言进行基本数据统计分析，包括基本作图，线性拟合，逻辑回归，bootstrap采样和Anova方差分析的实现及应用。

       不多说，直接上代码，代码中有注释。

       1. 基本作图（盒图，qq图）

        #basic plot

        boxplot(x)

        qqplot(x,y)

       2. 线性拟合

        #linear regression

        n = 10

        x1 = rnorm(n)#variable 1

        x2 = rnorm(n)#variable 2

        y = rnorm(n)*3

        mod = lm(y~x1+x2)

        model.matrix(mod) #erect the matrix of mod

        plot(mod) #plot residual and fitted of the solution, Q-Q plot and cook distance

        summary(mod) #get the statistic information of the model

        hatvalues(mod) #very important, for abnormal sample detection

       3. 逻辑回归

        #logistic regression

        x <- c(0, 1, 2, 3, 4, 5)

        y <- c(0, 9, 21, 47, 60, 63) # the number of successes

        n <- 70 #the number of trails

        z <- n - y #the number of failures

        b <- cbind(y, z) # column bind

        fitx <- glm(b~x,family = binomial) # a particular type of generalized linear model

        print(fitx)

        plot(x,y,xlim=c(0,5),ylim=c(0,65)) #plot the points (x,y)

        beta0 <- fitx$coef[1]

        beta1 <- fitx$coef[2]

        fn <- function(x) n*exp(beta0+beta1*x)/(1+exp(beta0+beta1*x))

        par(new=T)

        curve(fn,0,5,ylim=c(0,60)) # plot the logistic regression curve

       3. Bootstrap采样

        # bootstrap

        # Application: 随机采样，获取最大eigenvalue占所有eigenvalue和之比，并画图显示distribution

        dat = matrix(rnorm(100*5),100,5)

        no.samples = 200 #sample 200 times

        # theta = matrix(rep(0,no.samples*5),no.samples,5)

        theta =rep(0,no.samples*5);

        for (i in 1:no.samples)

        {

        j = sample(1:100,100,replace = TRUE)#get 100 samples each time

        datrnd = dat[j,]; #select one row each time

        lambda = princomp(datrnd)$sdev^2; #get eigenvalues

        # theta[i,] = lambda;

        theta[i] = lambda[1]/sum(lambda); #plot the ratio of the biggest eigenvalue

        }

        # hist(theta[1,]) #plot the histogram of the first(biggest) eigenvalue

        hist(theta); #plot the percentage distribution of the biggest eigenvalue

        sd(theta)#standard deviation of theta

        #上面注释掉的语句，可以全部去掉注释并将其下一条语句注释掉，完成画最大eigenvalue分布的功能

       4. ANOVA方差分析

        #Application：判断一个自变量是否有影响 (假设我们喂3种维他命给3头猪，想看喂维他命有没有用)

        #

        y = rnorm(9); #weight gain by pig(Yij, i is the treatment, j is the pig_id), 一般由用户自行输入

        #y = matrix(c(1,10,1,2,10,2,1,9,1),9,1)

        Treatment <- factor(c(1,2,3,1,2,3,1,2,3)) #each {1,2,3} is a group

        mod = lm(y~Treatment) #linear regression

        print(anova(mod))

        #解释：Df（degree of freedom）

        #Sum Sq: deviance (within groups, and residuals) 总偏差和

        # Mean Sq: variance (within groups, and residuals) 平均方差和

        # compare the contribution given by Treatment and Residual

        #F value: Mean Sq(Treatment)/Mean Sq(Residuals)

        #Pr(>F): p-value. 根据p-value决定是否接受Hypothesis H0：多个样本总体均数相等(检验水准为0.05)

        qqnorm(mod$residual) #plot the residual approximated by mod

        #如果qqnorm of residual像一条直线，说明residual符合正态分布，也就是说Treatment带来的contribution很小，也就是说Treatment无法带来收益（多喂维他命少喂维他命没区别）

       如下面两图分别是

       （左）用 y = matrix(c(1,10,1,2,10,2,1,9,1),9,1)和

       （右）y = rnorm(9);

       的结果。可见如果给定猪吃维他命2后体重特别突出的数据结果后，qq图种residual不在是一条直线，换句话说residual不再符合正态分布，i.e., 维他命对猪的体重有影响。

R语言中的几种数据结构

       

        1. 向量 Vector

        向量是用于储存数值型、字符型或逻辑型数据的一维数组。执行组合功能能的函数 可用来创建向量。

        单个向量中的数据必须拥有相同的类型或模式（即数值型、字符型或逻辑型）。同一向量中无法混杂不同模式的数据。

        2. 矩阵 Matrix

        矩阵是一个二维数组，知识每个元素都拥有相同的模式（数值型、字符型或逻辑型）。可通过函数 创建矩阵。

        3. 数组 Array

        数组与矩阵类似，但是维度可以大于2。数组可通过 函数创建。

        数组是矩阵的一个自然推广。它们在编写新的统计方法时很有用。像矩阵一样，数组中的数据也只能拥有一种模式。从数组中选取元素的方法与矩阵相同。

        4. 数据框 Data Frame

        这是R语言最常用的数据类型。不同的列可以包含不同模式的数据。每一列数据的模式必须相同，且必须等长。数据框可通过函数 创建。

        5. 列表 List

        列表是一些对象（或成分）的有序集合。列表允许你整合若干（可能无关的）对象到单个对象名下。例如，某个列表中可能是若干向量、矩阵、数据框，甚至其他列表的组合。可以使用函数 创建列表。

        许多R的运行结果都是以列表的形式返回的。需要取出其中哪些成分由分析人员决定。

r语言矩阵中byrow=false什么意思

       R语言中的几种数据结构

       一 R中对象的5种基本类型

       字符（character）

       整数 （integer）

       复数（complex）

       逻辑（logical：True/False）

       数值（numeric：real numbers）

       查看对象类型的命令：class(x)

       二 R语言中有如下几种数据结构：

       向量 vector() 组内元素必须类型一致，否则将会被强制转换。

       (1) 创建向量的三种方式：

       <span style="font-size:18px;">x <- vector("numeric", length = 10)

        x <- 1:4

        x <- c("a",12,TRUE)</span>

       (2) 强制转换的几个函数：

       as.numeric(x) / as.character(x) / as.logical(x)

       矩阵 matrix() 一列一列的填充元素

        按行合并：rbind() 按列合并：cbind()

       数组 array() 可以有多个维度

       列表 list() 可以包含不同类型的元素

       因子 factor()

       (1) 分类数据/有序 vs. 无序

       (2) 整数向量+标签（label）（优于整数向量）

        Male/Female vs. 1/2

        常用于lm(),glm()

       (3) levels设置基线水平

        table() 查看因子信息 unclass() 去除因子属性日期

        x <- Sys.Date() 得到系统当前日期

        n(x) x距离1970-01-01的天数

       时间 POSIXct / POSIXlt

        POSIXct：整数，常用于存入数据框 as.POSIXct()

        POSIXlt：列表，还包含星期、年月日等信息。as.POSIXlt()

        strptime(x, format = "...") 将一般格式转化为时间格式

       在R语言中，可以通过参数byrow使得matrix，以列优先的次序转换成矩阵。

       R语言是默认byrow=False，即数据按列输入，byrow=True则按行输入，如同是上题，若byrow=FALSE，则输出结果为：

       m<-matrix(n[1:3],n[2:4],n[3:5],n[4:6],n[5:7],n[6:8],n[7:9],n[8:10],nrow=3)而且matrix（1:6,2,3，byrow=TRUE）可简写为matrix（1:6,2,3，T）。

       所有R的函数和数据集是

       保存在程序包里面的。只有当一个包被载入时，它的内容才可以被访问。一些常用、基本的程序包已经被收入了标准安装文件中，随着新的统计分析方法的出现，标准安装文件中所包含的程序包也随着版本的更新而不断变化。

       在另外版安装文件中，已经包含的程序包有：base—R的基础模块、mle—极大似然估计模块、ts—时间序列分析模块、mva—多元统计分析模块、survival—生存分析模块等等。

       以上内容参考：百度百科-R语言

       好了，今天关于“matrix在R语言中怎么用”的话题就讲到这里了。希望大家能够对“matrix在R语言中怎么用”有更深入的认识，并且从我的回答中得到一些帮助。