运算符：%% 求模；%/%整除；!= 不等于；==等于；!=非；
- 表达式
0<x<1运算过程是：以x = 0.5为例，先判断x>0,结果为TRUE；再进行TRUE<1的判断，此时逻辑型变量转换为数值型变量，即判断1<1，结果为FALSE。
该表达式在R中不是合法的。
需要写成x>0 && x<1. - 使用
?Syntax可以查看符号相关的问题 - 相同比较问题
可以使用==oridentical函数 orall.equal函数
区别，见下例：
> x <- 1:4
> y <- 1:3
> x ==y #使用==,会判断到每一个数据，以较长的变量为准
[1] TRUE TRUE TRUE FALSE
Warning message:
In x == y : longer object length is not a multiple of shorter object length
> identical(x , y) #比较数据的内在关系，如果严格相等就返回TRUE，否则返回FALSE
[1] FALSE
> all.equal(x , y)#用来判断两个变量是否近似相等，结果返回TRUE或是对二者差异的描述
[1] "Numeric: lengths (4, 3) differ"
> 0.9 == (1 - 0.1)
[1] TRUE
> identical(0.9 , 1-0.1)
[1] TRUE
> all.equal(0.9 , 1-0.1)
[1] TRUE
> 0.9 == (1.1-0.2)
[1] FALSE
> identical(0.9 , 1.1-0.2)
[1] FALSE
> all.equal(0.9 , 1.1-0.2)
[1] TRUE
> all.equal(0.9 , 1.1-0.2 , tolerance = 1e-16)
[1] "Mean relative difference: 1.233581e-16"
>关于下标：
访问下标必须使用方括号，而圆括号是用来指定函数参数的。
当下标缺省时，会降维，如果要不降维，就需要设置选项drop,如下例：
> x <- matrix(1:6 , 2 , 3)
> x
[,1] [,2] [,3]
[1,] 1 3 5
[2,] 2 4 6
> x[1,2]
[1] 3
> x[,3]
[1] 5 6 #注意到结果已是向量（一维）
> x[,3, drop = FALSE] #对drop选项进行设置，结果不降维
[,1]
[1,] 5
[2,] 6
> x[ , 3] <- c(10 , 11)
> x
[,1] [,2] [,3]
[1,] 1 3 10
[2,] 2 4 11
> x[-c(1,3),] #-号表示不输出，这里表示不输出第1行，且不存在第3行
[1] 2 4 11
> x <- matrix(1:9 , 3 , 3)
> x
[,1] [,2] [,3]
[1,] 1 4 7
[2,] 2 5 8
[3,] 3 6 9
> x[-c(1,3),] #不输出第1行和第3行，默认选项drop，所以结果降维了
[1] 2 5 8
> x[-c(1,3) , drop = FALSE]
[1] 2 4 5 6 7 8 9 #不输出元素1 3
> x
[,1] [,2] [,3]
[1,] 1 4 7
[2,] 2 5 8
[3,] 3 6 9
> x[-c(1,3) , ,drop = FALSE] #设置drop选项结果不降维
[,1] [,2] [,3]
[1,] 2 5 8
> x <- 1:10
> x
[1] 1 2 3 4 5 6 7 8 9 10
> x[x>=5]
[1] 5 6 7 8 9 10
> x >= 5
[1] FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE
[9] TRUE TRUE
> x[x >= 5] <- 20
> x
[1] 1 2 3 4 20 20 20 20 20 20
> x[x %% 2 == 0] #选出偶数，方法一
[1] 2 4 20 20 20 20 20 20
> #选出偶数，方法二
> x <- 1:40;
> s <- c(FALSE , TRUE); #s的长度小于x,所以会被循环
> x[s]
[1] 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34
[18] 36 38 40访问列表元素使用[ ]? [[]]
> x <- list(1:3)
> x
[[1]]
[1] 1 2 3
> x[1] #单一的方括号返回一个列表
[[1]]
[1] 1 2 3
> x[[1]][1] #双重方括号提取列表中的对象
[1] 1访问列表名称：names ，对象元素的字符型标签，名称有多个种类，如names , colnames , rownames , dimnames .
> x <- matrix(1:4,2,2)
> x
[,1] [,2]
[1,] 1 3
[2,] 2 4
> rownames(x) <- c("a" , "b")
> colnames(x) <- c("c" , "d")
> x
c d
a 1 3
b 2 4
> dimnames(x)
[[1]]
[1] "a" "b"
[[2]]
[1] "c" "d"
> x["a",] #提取元素，即取子集
c d
1 3
> a <- array(data = 1:8 , dim = c(2 , 2 , 2))#对于数组，道理类似
> a
, , 1
[,1] [,2]
[1,] 1 3
[2,] 2 4
, , 2
[,1] [,2]
[1,] 5 7
[2,] 6 8
> dimnames(a) <- list(c("a" , "b") , c("c" , "d") , c("e" , "f"))
> a
, , e
c d
a 1 3
b 2 4
, , f
c d
a 5 7
b 6 8
#称作，取子集，这是因为原始对象的属性仍然会被保留
> a["b" , "d" , "e"]
[1] 4数据编辑器：
使用data.entry()命令打开数据编辑器，如下图：
可以在数据编辑器中，修改数据，类似地，函数de也可以查看数据，只不过函数de会直接将修改后的结果输出到屏幕，但是data.entry()不会。
函数c()用于连接列在圆括号中的对象。
向量之间可以使用常规的算数运算。不同长度时，短的那个向量将会被循环使用。
矩阵计算：
> m1 <- matrix(1 , nr = 2 , nc = 2)
> m1
[,1] [,2]
[1,] 1 1
[2,] 1 1
> m2 <- matrix(2 , nr = 2 , nc = 2)
> m2
[,1] [,2]
[1,] 2 2
[2,] 2 2
#使用cbind,rbind合并矩阵
> rbind(m1 , m2) #row_bind上下合并
[,1] [,2]
[1,] 1 1
[2,] 1 1
[3,] 2 2
[4,] 2 2
> cbind(m1 , m2) #column_bind左右合并矩阵
[,1] [,2] [,3] [,4]
[1,] 1 1 2 2
[2,] 1 1 2 2
> m1 %*% m2 #运算符%*%做出矩阵的乘法
[,1] [,2]
[1,] 4 4
[2,] 4 4
> m2 %*% m1
[,1] [,2]
[1,] 4 4
[2,] 4 4
> #转置函数t()
> #diag()函数可以提取或是修正一个矩阵的对角元，或者是创建一个对焦矩阵
> diag(m1)
[1] 1 1
> diag(m1) <- 10
> m1
[,1] [,2]
[1,] 10 1
[2,] 1 10
> diag(2) #生成二解对角矩阵
[,1] [,2]
[1,] 1 0
[2,] 0 1
> v <- c(10 , 20 , 30)
> diag(v)
[,1] [,2] [,3]
[1,] 10 0 0
[2,] 0 20 0
[3,] 0 0 30
> diag(2 , nr = 3 , nc = 5)
[,1] [,2] [,3] [,4] [,5]
[1,] 2 0 0 0 0
[2,] 0 2 0 0 0
[3,] 0 0 2 0 0
> #solve求矩阵的逆，qr分解矩阵，eigen计算特征值和特征向量，svd作奇异值分解
> solve(m1)
[,1] [,2]
[1,] 0.10101010 -0.01010101
[2,] -0.01010101 0.10101010
>
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
