个性化阅读
专注于IT技术分析

R向量用法详解

本文概述

向量是一种基本的数据结构, 在R编程中起着重要的作用。

在R中, 共享相同数据类型的元素序列称为向量。向量支持逻辑, 整数, 双精度, 字符, 复数或原始数据类型。向量中包含的元素称为向量的组成部分。我们可以借助typeof()函数检查向量的类型。

R向量用法详解

长度是向量的重要属性。向量长度基本上是向量中元素的数量, 它是通过length()函数来计算的。

向量分为两部分, 即原子向量和列表。它们具有三个通用属性, 即函数类型, 函数长度和属性函数。

R向量用法详解

原子向量和列表之间只有一个区别。在原子向量中, 所有元素都是相同的类型, 但是在列表中, 元素是不同的数据类型。在本节中, 我们将仅讨论原子向量。我们将在下一个主题中简要讨论列表。

如何在R中创建向量?

在R中, 我们使用c()函数创建向量。此函数返回一维数组或简单的向量。 c()函数是结合了其参数的通用函数。所有参数均受通用数据类型(即返回值的类型)的限制。还有多种其他方法可以在R中创建向量, 如下所示:

1)使用冒号(:)运算符

我们可以在冒号运算符的帮助下创建向量。使用冒号运算符有以下语法:

z<-x:y

该运算符创建一个向量, 其元素从x到y, 并将其分配给z。

例:

a<-4:-10
a

输出

[1]   4   3   2   1   0   -1   -2   -3   -4   -5   -6   -7   -8   -9   -10

2)使用seq()函数

在R中, 我们可以借助seq()函数创建一个向量。序列函数将元素序列创建为向量。 seq()函数有两种使用方式, 即通过使用?by参数设置步长或通过” length.out”功能指定向量的长度。

例:

seq_vec<-seq(1, 4, by=0.5)
seq_vec
class(seq_vec)

输出

[1]   1.0   1.5   2.0   2.5   3.0   3.5   4.0

例:

seq_vec<-seq(1, 4, length.out=6)
seq_vec
class(seq_vec)

输出

[1]   1.0   1.6   2.2   2.8   3.4   4.0
[1]   "numeric"

R中的原子向量

在R中, 有四种类型的原子向量。原子载体在数据科学中起着重要作用。原子向量是借助c()函数创建的。这些原子向量如下:

R向量用法详解

数值向量

十进制值在R中被称为数字数据类型。如果我们将十进制值分配给任何变量d, 则此d变量将成为数字类型。包含数字元素的向量称为数字向量。

例:

d<-45.5
num_vec<-c(10.1, 10.2, 33.2)
d
num_vec
class(d)
class(num_vec)

输出

[1]   45.5
[1]   10.1   10.2   33.2
[1]   "numeric"
[1]   "numeric"

整数向量

非分数数值称为整数数据。该整数数据由” Int”表示。 Int大小为2个字节, long Int大小为4个字节。有两种将整数值分配给变量的方法, 即通过使用as.integer()函数并将L附加到该值上。

包含整数元素的向量称为整数向量。

例:

d<-as.integer(5)
e<-5L
int_vec<-c(1, 2, 3, 4, 5)
int_vec<-as.integer(int_vec)
int_vec1<-c(1L, 2L, 3L, 4L, 5L)
class(d)
class(e)
class(int_vec)
class(int_vec1)

输出

[1]   "integer"
[1]   "integer"
[1]   "integer"
[1]   "integer"

字符向量

字符在内存中保留为一字节整数。在R中, 有两种不同的方式来创建字符数据类型值, 即使用as.character()函数以及在双引号(“”)或单引号(“)之间键入字符串。

包含字符元素的向量称为整数向量。

例:

d<-'shubham'
e<-"Arpita"
f<-65
f<-as.character(f)
d
e
f
char_vec<-c(1, 2, 3, 4, 5)
char_vec<-as.character(char_vec)
char_vec1<-c("shubham", "arpita", "nishka", "vaishali")
char_vec
class(d)
class(e)
class(f)
class(char_vec)
class(char_vec1)

输出

[1]   "shubham"
[1]   "Arpita"
[1]   "65"
[1]   "1"   "2"   "3"   "4"   "5"
[1]   "shubham"   "arpita"   "nishka"   "vaishali"
[1]   "character"
[1]   "character"
[1]   "character"
[1]   "character"
[1]   "character"

逻辑向量

逻辑数据类型只有两个值, 即True或False。这些值基于满足的条件。包含布尔值的向量称为逻辑向量。

例:

d<-as.integer(5)
e<-as.integer(6)
f<-as.integer(7)
g<-d>e
h<-e<f
g
h
log_vec<-c(d<e, d<f, e<d, e<f, f<d, f<e)
log_vec
class(g)
class(h)
class(log_vec)

输出

[1]   FALSE
[1]   TRUE
[1]   TRUE   TRUE   FALSE   TRUE   FALSE   FALSE
[1]   "logical"
[1]   "logical"
[1]   "logical"

访问向量的元素

我们可以借助向量索引来访问向量的元素。索引表示向量中存储值的位置。索引将在整数, 字符或逻辑的帮助下执行。

R向量用法详解

1)整数向量索引

在整数向量上, 索引的执行方式与在C, C ++和Java中的应用方式相同。只有一个区别, 即在C, C ++和Java中, 索引从0开始, 但是在R中, 索引从1开始。像其他编程语言一样, 我们通过在方括号中指定整数值来执行索引。到我们的向量。

例:

seq_vec<-seq(1, 4, length.out=6)
seq_vec
seq_vec[2]

输出

[1] 1.0 1.6 2.2 2.8 3.4 4.0
[1] 1.6

2)用字符向量索引

在字符向量索引中, 我们为向量的每个元素分配一个唯一键。这些键是每个元素的唯一定义, 可以很容易地访问。让我们看一个例子来了解它是如何执行的。

例:

char_vec<-c("shubham"=22, "arpita"=23, "vaishali"=25)
char_vec
char_vec["arpita"]

输出

shubham   arpita vaishali
   22      23     25
arpita
      23

3)用逻辑向量建立索引

在逻辑索引中, 它返回其对应位置具有逻辑向量TRUE的那些位置的值。让我们看一个例子, 以了解如何在向量上执行它。

例:

a<-c(1, 2, 3, 4, 5, 6)
a[c(TRUE, FALSE, TRUE, TRUE, FALSE, TRUE)]

输出

[1] 1 3 4 6

向量运算

在R中, 对向量执行各种操作。我们可以彼此相加, 相减, 相乘或相除两个或多个向量。在数据科学中, R扮演着重要角色, 并且数据操作需要进行操作。对向量执行以下类型的操作。

R向量用法详解

1)合并向量

c()函数不仅用于创建向量, 而且还用于组合两个向量。通过组合一个或多个向量, 它形成一个新向量, 其中包含每个向量的所有元素。让我们看一个例子, 看看c()函数如何组合向量。

例:

p<-c(1, 2, 4, 5, 7, 8)
q<-c("shubham", "arpita", "nishka", "gunjan", "vaishali", "sumit")
r<-c(p, q)

输出

[1] "1"        "2"        "4"        "5"        "7"        "8"
[7] "shubham"  "arpita"   "nishka"   "gunjan"   "vaishali" "sumit"

2)算术运算

我们可以对向量执行所有算术运算。算术运算是对向量逐个成员执行的。我们可以加, 减, 乘或除两个向量。让我们看一个例子, 以了解如何对向量执行算术运算。

例:

a<-c(1, 3, 5, 7)
b<-c(2, 4, 6, 8)
a+b
a-b
a/b
a%%b

输出

[1]  3  7 11 15 
[1] -1 -1 -1 -1
[1]  2 12 30 56
[1] 0.5000000 0.7500000 0.8333333 0.8750000
[1] 1 3 5 7

3)逻辑索引向量

借助R中的逻辑索引向量, 我们可以从给定向量形成一个新向量。此向量的长度与原始向量的长度相同。仅当切片中包含原始向量的相应成员时, 向量成员才为TRUE;否则, 向量成员为TRUE。否则, 它将是错误的。让我们看一个例子, 以了解如何在逻辑索引向量的帮助下形成一个新向量。

例:

a<-c("Shubham", "Arpita", "Nishka", "Vaishali", "Sumit", "Gunjan")
b<-c(TRUE, FALSE, TRUE, TRUE, FALSE, FALSE)
a[b]

输出

[1] "Shubham"  "Nishka"   "Vaishali"

4)数值索引

在R中, 我们指定方括号[]之间的索引以索引数值。如果索引为负, 它将返回除我们指定的索引以外的所有值。例如, 指定[-3]将提示R将-3转换为其绝对值, 然后搜索占用该索引的值。

例:

q<-c("shubham", "arpita", "nishka", "gunjan", "vaishali", "sumit")
q[2]
q[-4]
q[15]

输出

[1] "arpita"
[1] "shubham"  "arpita"   "nishka"   "vaishali" "sumit"
[1] NA

5)重复索引

索引向量允许重复值, 这意味着我们可以在一个操作中访问一个元素两次。让我们看一个例子来了解重复索引是如何工作的。

例:

q<-c("shubham", "arpita", "nishka", "gunjan", "vaishali", "sumit")
q[c(2, 4, 4, 3)]

输出

[1] "arpita" "gunjan" "gunjan" "nishka"

6)范围指标

范围索引用于对向量进行切片以形成新向量。对于切片, 我们使用了冒号(:)运算符。范围索引对于涉及大量操作员的情况非常有用。让我们看一个示例, 以了解如何在冒号运算符的帮助下完成切片以形成新向量。

例:

q<-c("shubham", "arpita", "nishka", "gunjan", "vaishali", "sumit")
b<-q[2:5]
b

输出

[1] "arpita"   "nishka"   "gunjan"   "vaishali"

7)乱序索引

在R中, 索引向量可能是乱序的。下面是一个示例, 其中向量切片的第一和第二值的顺序颠倒了。

例:

q<-c("shubham", "arpita", "nishka", "gunjan", "vaishali", "sumit")b<-q[2:5]
q[c(2, 1, 3, 4, 5, 6)]

输出

[1] "arpita"   "shubham"  "nishka"   "gunjan"   "vaishali" "sumit"

8)命名向量成员

我们首先将字符向量创建为:

z=c("TensorFlow", "PyTorch")
z

输出

[1] "TensorFlow" "PyTorch"

创建字符向量后, 我们将第一个向量成员命名为”开始”, 将第二个成员命名为”结束”, 分别为:

names(z)=c("Start", "End")
z

输出

Start              End
"TensorFlow"    "PyTorch"

我们按名称检索第一个成员, 如下所示:

z["Start"]

输出

Start
"TensorFlow"

我们可以借助字符串索引向量反转顺序。

z[c("Second", "First")]

输出

Second        First
"PyTorch"    "TensorFlow"

载体的应用

  1. 在机器学习中, 使用主成分分析向量。它们被扩展为特征值和特征向量, 然后用于在向量空间中执行分解。
  2. 提供给深度学习模型的输入为向量形式。这些向量由标准化数据组成, 该数据被提供给神经网络的输入层。
  3. 在支持向量机算法的开发中, 使用了向量。
  4. 向量运算在神经网络中用于各种运算, 例如图像识别和文本处理。

赞(0) 打赏
未经允许不得转载:srcmini » R向量用法详解
分享到: 更多 (0)

评论 抢沙发

评论前必须登录!

 

觉得文章有用就打赏一下文章作者

微信扫一扫打赏