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
【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关 ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03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