rbind 扩展行方式合并, cbind扩展列方式合并

简介:
使用R, 将多个矩阵合并为一个矩阵, 合并时可以选择行扩展或列扩展的方式进行合并.
rbind, cbind不仅可以合并矩阵, 还可以合并数据框, 向量.

例如 : 
> x <- 1:10
> y <- matrix(1:12, 3, 4)
> x
 [1]  1  2  3  4  5  6  7  8  9 10
> y
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12

行合并时, 如果长度不匹配, 会告警, 例如x是向量, 插入第一行(取4个值和矩阵列宽匹配).
> rbind(x,y)
  [,1] [,2] [,3] [,4]
x    1    2    3    4
     1    4    7   10
     2    5    8   11
     3    6    9   12
Warning message:
In rbind(x, y) :
  number of columns of result is not a multiple of vector length (arg 1)

列合并时, 如果长度不匹配, 会告警, 例如x是向量, 插入第一列(取3个值和矩阵行宽匹配).
> cbind(x,y)
     x         
[1,] 1 1 4 7 10
[2,] 2 2 5 8 11
[3,] 3 3 6 9 12
Warning message:
In cbind(x, y) :
  number of rows of result is not a multiple of vector length (arg 1)

如果是两个向量合并, 返回1个矩阵, 例如  : 
> z <- 2:11
> rbind(x,z)
  [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
x    1    2    3    4    5    6    7    8    9    10
z    2    3    4    5    6    7    8    9   10    11
> cbind(x,z)
       x  z
 [1,]  1  2
 [2,]  2  3
 [3,]  3  4
 [4,]  4  5
 [5,]  5  6
 [6,]  6  7
 [7,]  7  8
 [8,]  8  9
 [9,]  9 10
[10,] 10 11

如果是两个矩阵合并, 必须在合并时行或列宽匹配.
> x <- matrix(1:12, 3,4)
> x
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12
> y <- matrix(2:13, 3,4)
> y
     [,1] [,2] [,3] [,4]
[1,]    2    5    8   11
[2,]    3    6    9   12
[3,]    4    7   10   13

行合并, 将y逐行添加到x的下方. 所以y,x列宽必须相等
> rbind(x,y)
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12
[4,]    2    5    8   11
[5,]    3    6    9   12
[6,]    4    7   10   13

列合并, 将y逐列添加到x的右方. 所以y,x行宽必须相等
> cbind(x,y)
     [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
[1,]    1    4    7   10    2    5    8   11
[2,]    2    5    8   11    3    6    9   12
[3,]    3    6    9   12    4    7   10   13

列合并时, 如果两个矩阵的行宽不相等, 报错.
> y <- matrix(1:16, 4,4)
> cbind(x,y)
Error in cbind(x, y) : number of rows of matrices must match (see arg 2)
> rbind(x,y)
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12
[4,]    1    5    9   13
[5,]    2    6   10   14
[6,]    3    7   11   15
[7,]    4    8   12   16

调换矩阵参数顺序, 合并的顺序也调换.
> rbind(y,x)
     [,1] [,2] [,3] [,4]
[1,]    1    5    9   13
[2,]    2    6   10   14
[3,]    3    7   11   15
[4,]    4    8   12   16
[5,]    1    4    7   10
[6,]    2    5    8   11
[7,]    3    6    9   12


[参考]
1. help(rbind)
2. help(cbind)
目录
相关文章
|
自然语言处理 搜索推荐 数据挖掘
自然语言处理(NLP)技术对教育领域产生了深远的影响
【7月更文挑战第29天】自然语言处理(NLP)技术对教育领域产生了深远的影响
567 14
|
11月前
|
开发者
手把手带你实现 鸿蒙应用 键盘音乐
手把手带你实现 鸿蒙应用 键盘音乐
181 3
手把手带你实现 鸿蒙应用 键盘音乐
|
12月前
|
人工智能 测试技术 人机交互
深入浅出智能工作流(Agentic Workflow)|技术干货
著名AI学者、斯坦福大学教授吴恩达提出AI Agent的四种设计方式后,Agentic Workflow(智能体工作流)在全球范围内迅速走红,多个行业纷纷实践其应用,并推动了新的Agentic AI探索热潮。吴恩达总结了Agent设计的四种模式:自我反思、工具调用、规划设计及多智能体协作。前两者较普及,后两者则为智能体使用模式从单一大模型向多智能体协同配合完成业务流程的转变奠定了基础。
5137 3
|
11月前
|
安全 搜索推荐 数据挖掘
解密虾皮商品详情API接口:获取与运用
随着电子商务的蓬勃发展,各大电商平台纷纷开放API接口,为开发者提供丰富的数据资源和功能。虾皮作为东南亚领先的电商平台,其商品详情API接口在电商领域的应用尤为突出。本文将详细介绍虾皮商品详情API接口的功能、特点、获取方法及应用场景,帮助开发者更好地理解和运用这一接口。
290 2
|
缓存 搜索推荐 网络安全
Google Hacking
Google Hacking,也称为Google Dorking,是一种利用Google搜索引擎和其高级搜索技术来查找安全漏洞、敏感信息或用于渗透测试的特定数据的技术。
219 11
|
机器学习/深度学习 文字识别 算法
文本识别 (OCR)引擎之Tesseract的使用
esseract是一个开源文本识别 (OCR)引擎,用于识别图片中的文字并将其转换为可编辑的文本。
2694 0
|
文字识别 Shell Docker
通过容器搭建开源文字识别/OCR服务
通过容器搭建开源文字识别/OCR服务
2825 0
|
机器学习/深度学习 索引
一行代码绘制高分SCI限制立方图
Restricted cubic splines (RCS)是一种基于样条函数的非参数化模型,它可以可靠地拟合非线性关系,可以自适应地调整分割结点。在统计学和机器学习领域,RCS通常用来对连续型自变量进行建模,并在解释自变量与响应变量的关系时更加准确和精细。之前有写一篇RCS的文章,但是还是有一定的难度,经过一段时间的研究,发现rcssci包更为简便好用。
606 0
|
机器学习/深度学习 Kubernetes 并行计算
如何通过ACK 纳管Nvidia A100 GPU实例,实现资源池化
### 介绍 在GTC 2020(5月14日)大会上英伟达新一代架构“Ampere”(安培)正式亮相。继数据中心Volta GPU推出三年后终于亮剑。Ampere以数据中心GPU A100的形式首次亮相,专为科学计算,云图形和数据分析而构建。 ![image.png](https://ata2-img.oss-cn-zhangjiakou.aliyuncs.com/614630bc
1915 0
如何通过ACK 纳管Nvidia A100 GPU实例,实现资源池化
|
设计模式 Python
Python:设计模式之反模式
Python:设计模式之反模式
241 0

热门文章

最新文章