r語言如何讀取向量中的每個數據?###關鍵詞：特殊的R包-devtools；；包的存放路徑；向量；提取元素；數值型向量和邏輯型向量簡介，我來為大家科普一下關于r語言如何讀取向量中的每個數據?下面希望有你要的答案，我們一起來看看吧!

r語言如何讀取向量中的每個數據

###關鍵詞：特殊的R包-devtools；；包的存放路徑；向量；提取元素；數值型向量和邏輯型向量簡介

######———————————————————————————————————

#devtools包是下載Github網站上包的前提R包

install.packages('devtools')

#加載R包

library(devtools)

#安裝Github上的包所用的安裝方式

install_github('lijian13/rinds')

#查看R包的存放路徑

.libPaths()

######———————————————————————————————————

###R語言生成向量

x <- 1#" <- "快捷鍵：按住"alt" "-"

z <- 1:5#--[1] 1 2 3 4 5

a <- c(5,4,3,1,2)

#查看兩個向量是否一樣

identical(a,z)#生成：[1] FALSE

######———————————————————————————————————

###提取相應元素：[]

b <- 1:10#生成1到10

b[1:4]#提取前四個元素--[1] 1 2 3 4

b[-c(2,3,4)]#剔除第幾位元素。即剔除第2,3,4位的元素 --[1] 1 5 6 7 8 9 10

b2 <- c(1,4,'abc','hallo')#--b2 <- c(1,4,'abc','hallo')

###思考：

x <- 1:5

y <- 6:10

result <- x y#生成什麼？？

#生成如下

result#--[1] 7 9 11 13 15

x <- 1

result2 <- x y#又生成什麼？？

#結果如下

result2#--[1] 7 8 9 10 11

######———————————————————————————————————

###數值型向量和邏輯型向量

x <- 1

#查看變量的類别

class(x)#--[1] "numeric"

#判斷變量是整形還是浮點型

is.integer(x)#--[1] FALSE//"1"在R語言中不是整形是浮點型

#R語言中為了正确生成最終數值，采用浮點型，例如：

3/2#--[1] 1.5//python中直接生成一個整數

#什麼時候生成整型？？

y <- 1:3

class(y)#--[1] "integer"

######———————————————————————————————————

###介紹兩個常用函數seq和

#seq：生成一組有規律的向量

seq(from=1,to=5,by=0.5)#--[1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0

seq(from=1,to=5,by=1)#--[1] 1 2 3 4 5

seq(from=10,to=1,by=-1)#-- [1] 10 9 8 7 6 5 4 3 2 1

seq(1,5,length.out = 8)#--[1] 1.000000 1.571429 2.142857 2.714286 3.285714 3.857143 4.428571 5.000000(輸出8個數，首尾不變)

#或者length.out=len

seq(1,5,len=10)#-- [1] 1.000000 1.444444 1.888889 2.333333 2.777778 3.222222 3.666667 4.111111 4.555556 5.000000(生成10個數)

seq(1,5,along.with = 1:2)#--[1] 1 5

seq(1,5,along.with = 1:3)#--[1] 1 3 5

#rep：起重複作用

rep(c(1,3),times=5)#--[1] 1 3 1 3 1 3 1 3 1 3

rep(c(1,3),each=5)#-- [1] 1 1 1 1 1 3 3 3 3 3

rep(c(1,3),len=9)#--[1] 1 3 1 3 1 3 1 3 1

#length()函數怎麼使用？？如下例

x <- rep(1:2,time=4)

length(x)#--[1] 8

######———————————————————————————————————

###邏輯型向量——TRUE/FALSE//實際上是數值型向量，是一個披着羊皮的狼

#eg:

logit <- rep(c(TRUE,FALSE),len=5)

logit#--TRUE FALSE TRUE FALSE TRUE

sum(logit)#--3

#總結邏輯型向量應用：可以采用函數判斷數據框或者一組數據中是否有缺失值，做一個sum，返回值就是無缺失值個數

#邏輯表達式

100>99#--TRUE

100=1#--Error in 100 = 1 : (do_set)賦值公式左手不對

100==1#--FALSE

logit2 <- c(100>99,100>201)

logit2#--TRUE FALSE

class(logit2)#--"logical"

#總結————有哪些邏輯運算符：">";"<";"==";">=";"<=";"!="

#或與非 <- &/|;如下例：

c(100>90 & 10>90)#--FALSE

c(100>90 | 10>90)#--TRUE

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!