
R语言学习之向量—启航
通过前面几篇,相信就算是新手也对R语言的历史,R运行环境有了大概的了解。下面就R语言特殊的赋值符号与基本数据元素——向量做简要概述。
1、赋值符号
相信大家学过的编程语言中,赋值符号都是“ = ”。当然了,在R语言中用“ = ”是可以的,但却被视为一种不好的编程习惯,大家都知道,一个好的编程习惯是一个写代码的人基本编程素养的体现。在R语言中提倡用神奇的赋值符号“ <- ”。
这里给变量a,b分别赋值5,2
> a <- 5
> b <- 2
> a[1]
5
> b[1]
2
> a = 5
> b = 2
> a[1]
5
> b[1]
2
可以看出“ <- ”,“ = ”是一样的效果。
加、减法运算
> a+b
[1] 7
> a-b
[1] 3
乘、除法运算
> a*b
[1] 10
> a/b
[1] 2.5
求余运算,R语言中求余符号是两个“%%”
> a%%b
[1] 1
2、向量
只要是编程语言都有向量,向量给数据操作带来了极大方便。
(1)、向量的创建
R语言中向量创建与取值与其它编程语言差不多,只是R语言中用 ‘c’ 关键字创建,所以不要用 'c' 作为变量。
> arr <- c(1,2,3,5,6)
> arr
[1] 1 2 3 5 6
也可以这样创建:
> arr <- c(1:5)
> arr
[1] 1 2 3 4 5
还有一些其它方式,以后遇到会慢慢介绍。比如
> seq(1,9)
[1] 1 2 3 4 5 6 7 8 9
> rep(1,9)
[1] 1 1 1 1 1 1 1 1 1
(2)、元素引用
R语言序列下标都从“ 1 ”开始哦。
> arr[1]
[1] 1
> arr[3]
[1] 3
> arr[length(arr)]
[1] 6
(3)、向量加减法
向量的加减法表示两个向量对应元素分别进行加减运算。
这里创建另外一个向量arr2
> arr2
[1] 2 3 4 5 6 7
与matlab一样的向量式编程方式
> arr
[1] 1 2 3 5 6
> arr2 <- c(2:6)
> arr2
[1] 2 3 4 5 6
> arr+arr2
[1] 3 5 7 10 12
当然了,向量加减前提是两个向量长度一样。
(4)、向量乘除法
向量乘除法表示两个向量对应元素分别乘除运算,返回长度一样的向量。相当于matlab的点乘。
> arr*arr2
[1] 2 6 12 25 36
向量乘除前提是两个向量长度一样,当然了,分母不能为0
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13