R语言第2章数据对象与数据读写（2）

重复序列的创建

rep(as.factor(c(“yizi1.”“yinzi2”,“yinzi3”)),3)
rep( )是重复函数，它可以将某一向量重复若干次。
使用格式： rep(x, times = 1, length.out = NA, each = 1)
其中x是预重复的序列，可以是任意的数据类型的向量或数值，times是重复的次数，length.out为产生的序列的长度，each为预重复的序列中每个元素重复的次数，初始值为1。
矩阵和数组
向量vector用于描述一维数据，是R语言中最基础的数据结构形式。
利用矩阵matrix可以描述二维数据，和向量相似，其内部元素可以是实数、复数、字符、逻辑型数据。矩阵matrix使用两个下标来访问元素，A[i,j]表示矩阵A第i行、第j列的元素。
多维数组array可以描述多维数据。array有一个特征属性叫维数向量（dim属性），它的长度是多维数组的维数，dim内的元素则是对应维度的长度。
矩阵是数组的特殊情况，它具有两个维度。
和向量相似，矩阵内每个元素都拥有相同的模式（数值型、字符型或逻辑性）
矩阵创建
在R中，可以使用matrix函数并以向量形式输入矩阵中的全部元素，

R语言第2章数据对象与数据读写（2）相关推荐

R语言max函数min函数计算各种数据对象最大值最小值实战
R语言max函数min函数计算各种数据对象最大值最小值实战目录 R语言max函数min函数计算各种数据对象最大值最小值实战 #基本语法
R语言缺失值：is.na函数查看数据对象中是否包含缺失值NA、特定数据编码为编码为缺失值NA、na.rm=TRUE参数获得有效的计算结果、complete.cases函数筛选数据、na.omit函数
R语言缺失值:is.na函数查看数据对象中是否包含缺失值NA.特定数据编码为编码为缺失值NA.na.rm=TRUE参数获得有效的计算结果.complete.cases函数筛选数据.na.omit函数 ...
R语言print函数和cat函数打印数据对象实战
R语言print函数和cat函数打印数据对象实战目录 R语言print函数和cat函数打印数据对象实战 #基本语法
R语言实战前四章学习小结-支付宝账单的简单作图
学习了R语言的前四章后,决定做个小项目练练手,翻了下知乎,发现有人用自己的支付宝账单做过相关的简单分析,所以我也打算用这个练练手首先从支付宝首页下载了2017年1月到6月的支付宝账单,对其中的付款时 ...
R语言ggplot2可视化：ggplot2可视化时间序列数据并在末尾数据点添加数值标签（number label）
R语言ggplot2可视化:ggplot2可视化时间序列数据并在末尾数据点添加数值标签(number label) 目录
R语言ggplot2可视化：使用长表数据（窄表数据）（ Long Data Format）可视化多个时间序列数据、在同一个可视化图像中可视化多个时间序列数据（Multiple Time Series）
R语言ggplot2可视化:使用长表数据(窄表数据)( Long Data Format)可视化多个时间序列数据.在同一个可视化图像中可视化多个时间序列数据(Multiple Time Series) ...
R语言构建文本分类模型：文本数据预处理、构建词袋模型(bag of words)、构建xgboost文本分类模型、基于自定义函数构建xgboost文本分类模型
R语言构建文本分类模型:文本数据预处理.构建词袋模型(bag of words).构建xgboost文本分类模型.基于自定义函数构建xgboost文本分类模型目录
R语言plyr包round_any函数将向量数据近似到任意精度实战
R语言plyr包round_any函数向量将数据近似到任意精度实战目录 R语言plyr包round_any函数向量将数据近似到任意精度实战 #导入plyr包 #仿真数据
R语言ggplot2可视化：将dataframe和数据列名称传递给函数通过函数进行ggplot2可视化输出
R语言ggplot2可视化:将dataframe和数据列名称传递给函数通过函数进行ggplot2可视化输出目录
R语言构建文本分类模型：文本数据预处理、构建词袋模型(bag of words)、构建xgboost文本分类模型、xgboost模型预测推理并使用混淆矩阵评估模型、可视化模型预测的概率分布
R语言构建文本分类模型:文本数据预处理.构建词袋模型(bag of words).构建xgboost文本分类模型.xgboost模型预测推理并使用混淆矩阵评估模型.可视化模型预测的概率分布目录

R语言第2章数据对象与数据读写（2）