1. 生成数字向量或单个数字。例如，可使用`numbers <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)`创建向量，或使用`number <- 15`生成单个数字。2. 运用模运算符`%%`判断每个数的奇偶性。对于向量，如`is_even <- numbers %% 2 == 0`可判断所有元素。对于单个数字，`is_even <- num...
> s<-summary (as.factor(numbers)) ###这个方法就更简单了,先把向量转换为因子类型,直接一个summary()搞定。 > as.data.frame(cbind(Number = names(s),Freq = s), row.names = 1:length(s)) Number Freq 1 1 3 2 4 2 3 5 1 4 6 2 5 8 2 6 10 1 7 15 2 8 17 1 9 18 1 10...
5.向量的长度和截取 ```r len <- length(v1) print(len) #输出3 v8 <- v1[1:2] print(v8) #输出[1, 2] ``` 6.向量元素的插入和删除 ```r v9 <- c(v1, 4) #在向量的末尾插入元素4 print(v9) #输出[1, 2, 3, 4] v10 <- c(v1)[1:2] #删除向量的第一个元素 print(v10...
> f <- function(x,c){return ((x+c)^2)} > f(1:3,1:3) [1] 4 16 36 可以看到x,c果然是北大当作向量处理了 如果想把输入限制为标量,需要加一些判断语句 > f <- function(x,c){ if(length(x)!=1) stop("vector c not allowed") return ((x+c)^2) } 1. 2. 3. 4. 5. 6. ...
例如如果z<-c(1:12)是3维数据，每维长度分别为1、3、4 drop(z)就返回二维数据长度为3和4了 dim是给数组赋予维数的意思 比如z<-c（1，2，3，4，5，6）本来是一维的 如果输入命令dim（z）<-c(2,3)z就变成二维的了，每维长度分别为2和3：1 3 5 2 4 6 ...
1 2 3 4 5 x<-c(2,3,7,6,8) # 数值型num y<-("one","two","three") #字符型chr z<-c(TRUE,TRUE,FALSE) #逻辑型logi 查看变量的类型:class(x) 1.2 访问向量 访问中的元素,使用中括号(R语言区分大小写),R语言索引从1开始 访问第二个元素:x[2] 访问第1和第3个元素:x[c(1,3)] ...
下面将介绍几种常用的计算移动平均的方法。 1.基本的循环方法: ```R #生成一个包含数字的向量 x<-c(1,2,3,4,5,6,7,8,9,10) #设置移动平均的窗口大小 window_size <- 3 #计算移动平均 mov_avg <- numeric(length(x)-window_size+1) for (i in 1:(length(x)-window_size+1)) mov_avg[i...
[1] 1 <NA> 3 4 5 6Levels:1 3 4 5 6 一般因子(factor) VS 有序因子(ordered factor) 因子用来存放变量或者有序变量, 这类变量不能用来计算, 而只能用来分类或者计数. 一般因子表示分类变量, 有序因子用来表示有序变量. 创建一个因子: > colour <- c('G','G','R','Y','G','Y','Y','...
接下来，我们将介绍R中用于形成矩阵类型数据的5种命令。直接将向量定义为矩阵 通过`dim(z)<-c(3,4)`改变向量z的排列方式，将其按列排列成3x4维矩阵形式。例如：代码：z<-1:12 输出：z [1] 1 2 3 4 5 6 7 8 9 10 11 12 代码：dim(z)<-c(3,4)输出：z [,1] [,2] [,3] ...
R语言中包含五种数据结构:1.向量,2.矩阵,3.数组,4.数据框,5.列表,6.因子 1.向量:用于存储数值型、字符型、逻辑型数据的一维数 #用c()创建一个数组,如下: #同一个向量应只包含一种数据类型 a<-c(1,3,4,5,6) b<-c("Hello","World","What") ...