R语言易错点(持续更新中~~)

简介: R语言易错点(持续更新中~~)

1.R向量元素的索引(下标)是从1开始的,而非0


>x
[1] 1 2 4
>x[3]
[1] 4

2.[]和[ [ ] ]


mylist<-list(stud.id=1234,
+ stud.name="Tom",
+ stud.marks=c(10,3,14,25,19))
> mylist
$stud.id
[1] 1234
$stud.name
[1] "Tom"
$stud.marks
[1] 10  3 14 25 19
mylist[[1]]
#输出
[1] 1234
mylist[1]
#输出
$stud.id
[1]1234
mode(mylist[[1]])
#输出
[1] "numeric"
mode(mylist[1])
#输出
[1] "list"


mylist[[1]]


列表的第一个组件的值


类型为”numeric“


mylist[1]


第一个成分的子列表


类型为“list”


3.标量和一元向量


标量是只包含一个单一数值的数据类型,而长度为一的向量是包含一个元素的向量。


# 标量
x <- 5
# 长度为一的向量
y <- c(5)
通常情况下,标量可以被看作一元向量
# 标量
x <- 5
# 长度为一的向量
y <- c(5)
# 进行乘法运算
result1 <- x * x
result2 <- y * y
# 输出结果
print(result1)
print(result2)
[1] 25
[1] 25
#注意:使用向量化的运算符会使得函数也向量化
#这也适用于很多内置函数,例如round()
> y<-c(1.2,3.9,0.4)
> z<-round(y)
> z
[1] 1 4 0
#round()函数能应用到向量y的每一个元素中,标量实际上就是一元向量,所以对单个数值使用round()函数,只是一种特殊情况
round(1.2)
[1] 1
#诸如+这样的运算符实际也是函数
> y<-c(12,5,13)
> y+4
[1] 16  9 17
这样写更加明显
> '+'(y+4)
[1] 16  9 17
#在这里我们定义f(),我们希望c是标量,但实际上,他是一个长度为1的向量
#即使我们调用f()时给c指定的是单个数值,在f()计算x+c时,他也会通过循环补齐的方式延展为一个向量。
> f<-function(x,c){
+ return ((x+c)^2)
+ }
> f(1:3,0)
[1] 1 4 9
#这意味着f()可以使用显式的向量给c赋值
f(1:3,1:3)
[1] 4 16 36
如果想把c限制为1个标量
> f<-function(x,c){
+ if(length(c)!=1)
+ stop("vector c not allowed")
+ return((x+c)^2)
+ }

由以上例子可以总结出以下结论


1.使用向量化的运算符会使得函数也向量化


2. 内置函数和运算符号都可以实现向量化操作,运算符其实是一种函数,这种将运算符作为函数使用的方式被称为函数调用运算符。


目录
相关文章
LaTeX数学模式中的矩阵
LaTeX数学模式中的矩阵
1689 0
LaTeX数学模式中的矩阵
|
人工智能 JSON 搜索推荐
社区供稿 | GLM-4适配ModelScope-Agent最佳实践
GLM-4是由智谱 AI 发布的新一代基座大模型。
|
2月前
|
机器学习/深度学习 自然语言处理 数据可视化
28_主题建模详解:从LDA到BERTopic - 深度解析与教学
主题建模(Topic Modeling)是自然语言处理(NLP)领域的核心技术之一,旨在从大量非结构化文本中自动发现潜在的主题结构和语义模式。随着大语言模型的崛起,主题建模技术也在不断演进,从传统的统计方法到基于深度学习的高级模型,为文本理解、信息检索、舆情分析等任务提供了强大的技术支撑。
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
AI Compass前沿速览:Qwen3-Max、Mixboard、Qwen3-VL、Audio2Face、Vidu Q2 AI视频生成模型、Qwen3-LiveTranslate-全模态同传大模型
AI Compass前沿速览:Qwen3-Max、Mixboard、Qwen3-VL、Audio2Face、Vidu Q2 AI视频生成模型、Qwen3-LiveTranslate-全模态同传大模型
640 13
AI Compass前沿速览:Qwen3-Max、Mixboard、Qwen3-VL、Audio2Face、Vidu Q2 AI视频生成模型、Qwen3-LiveTranslate-全模态同传大模型
|
人工智能 自然语言处理 程序员
提交通义灵码创新实践文章,重磅好礼只等你来!
通义灵码创新实践征集赛正式开启,发布征文有机会获得重磅好礼+流量福利,快来参加吧!
23440 21
|
9月前
|
Linux Python
centos 编译安装 python 和 openssl
centos 编译安装 python 和 openssl
516 2
|
SQL 安全 关系型数据库
SQLynx 发布 3.0.0 版本
SQLynx 发布 3.0.0 版本
470 1
|
人工智能 架构师 IDE
阿里云通义灵码重磅升级,能自主修BUG、开发应用的AI程序员来了
通义灵码AI编程能力再进化,说几句话就能开发网页
23628 9
|
人工智能 算法
算法金 | 平均数、众数、中位数、极差、方差,标准差、频数、频率 一“统”江湖
**统计学江湖概要** - **平均数(均值)**:数字的总和除以数量,代表集中趋势,如分赃时平均分配。 - **众数**:出现次数最多的数字,反映了最常见的值,如同一招式被频繁使用。 - **中位数**:排序后位于中间的值,反映数据的中心位置,如同武者武功的中等水平。 - **极差**:最大值减最小值,表示数据波动范围,类似武功最高与最低的差距。 - **方差**:衡量数据波动性,计算每个数值与均值差的平方和的平均数。 - **标准差**:方差的平方根,同单位的波动度量。 - **频数**:某个值出现的次数,如统计武器使用情况。 - **频率**:频数与总次数的比例,显示出现的相对频率。
770 2
算法金 | 平均数、众数、中位数、极差、方差,标准差、频数、频率 一“统”江湖
|
机器学习/深度学习 算法 数据挖掘
【2023 年第二届钉钉杯大学生大数据挑战赛初赛】 初赛 A:智能手机用户监测数据分析 问题一Python代码分析
本文提供了2023年第二届钉钉杯大学生大数据挑战赛初赛A题"智能手机用户监测数据分析"的Python代码分析,包括数据预处理、特征工程、聚类分析等步骤,以及如何使用不同聚类算法进行用户行为分析。
327 0
【2023 年第二届钉钉杯大学生大数据挑战赛初赛】 初赛 A:智能手机用户监测数据分析 问题一Python代码分析

热门文章

最新文章