
R语言自定义函数
R语言某种程度来说本身就是一个函数库,因为它有大量的函数可供调用,加上函数式编程,使得R语言的功能很强大。但是,有时候,根据实际需要,我们还是需要自己动手编写函数,从而减少代码的缀余与工作量。
与其它语言一样,函数的组成莫过于关键字function、形参、是否返回值。函数的具体用法这里用几个例子说明
调用函数
这里写一个打印函数演示简单的参数传递功能:
> a <-function(x){print(x)}
> a('hello world!')
[1] "hello world!"
写一个函数实现矩阵的乘法:
rm(list = ls())
a <-function(x,y)
{
m1 <- ncol(x)
n <- nrow(y)
if(m1!=n)
{
print('error dimension is not siutable')
return(0)
}
m <- nrow(x)
n1 <- ncol(y)
s <-matrix(0,m,n1)
for(i in 1:m)
for(j in 1:n1)
s[i,j] <- sum(x[i,]*y[,j])
return(s)
}
我们构造两个矩阵
> x <-matrix(c(1:6),2,3,byrow = TRUE)
> y <-matrix(c(1:8),2,4,byrow = TRUE)
显然x的列与y的行数不一样,会不满足矩阵的乘法。
> mat <- a(x,y)
[1] "error dimension is not siutable"
x <-matrix(c(1:6),2,3,byrow = TRUE)
y <-matrix(c(1:6),3,2,byrow = TRUE)x <-matrix(c(1:6),2,3,byrow = TRUE)
y <-matrix(c(1:6),3,2,byrow = TRUE)
mat <- a(x,y)
> mat
[,1] [,2]
[1,] 22 28
[2,] 49 64
函数的嵌套
在矩阵运算函数中定义了一个打印新矩阵最大值函数
rm(list = ls())
a <-function(x,y)
{
maxer <- function(x.)
{
print(max(x.))
}
m1 <- ncol(x)
n <- nrow(y)
if(m1!=n)
{
print('error dimension is not siutable')
return(0)
}
m <- nrow(x)
n1 <- ncol(y)
s <-matrix(0,m,n1)
for(i in 1:m)
for(j in 1:n1)
s[i,j] <- sum(x[i,]*y[,j])
maxer(s)
return(s)
}
x <-matrix(c(1:6),2,3,byrow = TRUE)
y <-matrix(c(1:6),3,2,byrow = TRUE)
mat <- a(x,y)
[1] 64
R语言函数与其它语言相比很简单、方便,实战可能很复杂,需要根据实际情况,灵活运用。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04