京公网安备 11010802034615号
经营许可证编号:京B2-20210330
R语言-向量构造及函数构造
1,生成向量的方法
(1) seq()函数
[ruby] view plain copy
> x=seq(from=1, to=5, by=0.5)
> x
# [1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0

(2)rep()函数
[ruby] view plain copy
> x=rep(pi, times=5)
> x
# [1] 3.141593 3.141593 3.141593 3.141593 3.141593
(3)seq 与 rep 结合使用
[ruby] view plain copy
> x=rep(seq(from=1,to=5,by=1), times=5)
> x
# [1] 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
(4)自主建立向量
[ruby] view plain copy
> x=c(rep(seq(from=1,to=5,by=1), times=2),pi,17,24)
> x
# [1] 1.000000 2.000000 3.000000 4.000000 5.000000 1.000000 2.000000 3.000000
# [9] 4.000000 5.000000 3.141593 17.000000 24.000000
2,选择向量元素
(1)x[ i ] 形式,i表示下标位
[ruby] view plain copy
> x
# [1] 1.000000 2.000000 3.000000 4.000000 5.000000 1.000000 2.000000 3.000000
# [9] 4.000000 5.000000 3.141593 17.000000 24.000000
> x[11]
# [1] 3.141593
(2)x[ m: n] 形式,选择一段元素
[ruby] view plain copy
> x[c(11:13)]
# [1] 3.141593 17.000000 24.000000
> x[seq(from=11,to=13,b=1)] #用了seq函数
# [1] 3.141593 17.000000 24.000000
(3)使用逻辑向量从数据向量中选择元素
[ruby] view plain copy
> x>3 # 逻辑判断x的各元素
# [1] FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE
> x[x>3] #选择TRUE的位置的元素
# [1] 4.000000 5.000000 4.000000 5.000000 3.141593 17.000000 24.000000
> x%%2==0 #选择奇数
# [1] FALSE TRUE FALSE TRUE FALSE FALSE TRUE FALSE TRUE FALSE FALSE FALSE TRUE
> x[x%%2==1]
# [1] 1 3 5 1 3 5 17
(4)自定义行名,取数
[ruby] view plain copy
> year=c(1983,1982,1988,1990)
> names(year)=c('A','B','C','D')
> year
# A B C D
# 1983 1982 1988 1990
> year[c('A','D')]
# A D
# 1983 1990
3,函数编写
(1)if选择函数
[ruby] view plain copy
fun.test <- function(a, b, method = "add"){ ## function关键字,fun.test函数名
if(method == "add"){ ## 如果if或者for/while等后面的语句只有一行,则无需使用花括号
res <- a + b
}
if(method == "subtract"){
res <- a - b
}
return(res) ## 返回值
}
[ruby] view plain copy
> ### 检验结果
> fun.test(a = 10, b = 8, method = "add")
# [1] 18
> ### 检验结果
> fun.test(a = 10, b = 8, method = "subtract")
# [1] 2
(2)for循环函数
[ruby] view plain copy
### for循环与算法
test.sum <- function(x)
{
res <- 0 ## 设置初始值,在第一次循环的时候使用
for(i in 1:length(x)){
res <- res + x[i] ## 这部分是算法的核心,总是从右面开始计算,结果存到左边的对象
}
return(res)
}
### 检验函数
a <- c(1,2,1,6,1,8,9,8)
test.sum(a)
sum(a)
(3)return函数
[ruby] view plain copy
## 计算标准差
sd2 <- function(x)
{
# 异常处理,当输入的数据不是数值类型时报错
if(!is.numeric(x)){
stop("the input data must be numeric!\n")
}
# 异常处理,当仅输入一个数据的时候,告知不能计算标准差
if(length(x) == 1){
stop("can not compute sd for one number,
a numeric vector required.\n")
}
## 初始化一个临时向量,保存循环的结果,
## 求每个值与平均值的平方
x2 <- c()
## 求该向量的平均值
meanx <- mean(x)
## 循环
for(i in 1:length(x)){
xn <- x[i] - meanx
x2[i] <- xn^2
}
## 求总平方和
sum2 <- sum(x2)
# 计算标准差
sd <- sqrt(sum2/(length(x)-1))
# 返回值
return(sd)
}
## 程序的检验
## 正常的情况
sd2(c(2,6,4,9,12))
## 一个数值的情况
sd2(3)
## 输入数据不为数值类型时
sd2(c("1", "2"))
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23