《R语言编程艺术》——3.8 高维数组

简介: 本节书摘来自华章计算机《R语言编程艺术》一书中的第3章,第3.8节,作者:(美)麦特洛夫(Matloff,N.)著, 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

3.8 高维数组

在统计学领域,R语言中典型的矩阵用行表示不同的观测,比如不同的人,而用列表示不同变量,比如体重血压等,因此矩阵一般都是二维的数据结构。但是假如我们的数据采集自不同的时间,也就是每个人每个变量每个时刻记录一个数。时间就成为除了行和列之外的第三个维度。在R中,这样的数据称为数组(arrays)。
举个简单的例子,考虑学生和考试成绩的数据。假设每次考试分为两个部分,因此每次考试需要给每个学生记录两个分数。假设有两次考试,只有三个学生。第一次考试的数据是:

image

现在要把两次考试的成绩合并到一个数据结构里,命名为tests。tests共分为两个数据层(layer),一层对应一次考试,每层都是三行两列。firsttest在第一层,sedondtest在第二层。
第一层的三行对应于第一次考试的三个学生,每行的两列对应于考试的两个部分成绩。用array()函数创建这个数据结构:

image

参数dim=c(3,2,2) 指明数据共有两层(第二个2),每层分别有三行两列。这个参数最后会成为数组的dim属性。
image

tests中的每个元素现在都有三个下标,比矩阵多一个。这三个下标按顺序与$dim向量中的三个元素一一对应。例如,学生3在第一次考试的第二个部分中的得分如下:

image

print函数会逐层显示出数组的内容:

image
image

我们之前把两个矩阵合并成一个三维数组,同样,也可以把两个或更多个三维数组合并成四维的数组,以此类推。
数组的一个最常用的场合是表(table)的计算。参见6.3节中三维表的例子。

相关文章
|
6月前
|
机器学习/深度学习 数据可视化 算法
数据分享|R语言用主成分PCA、 逻辑回归、决策树、随机森林分析心脏病数据并高维可视化
数据分享|R语言用主成分PCA、 逻辑回归、决策树、随机森林分析心脏病数据并高维可视化
数据分享|R语言用主成分PCA、 逻辑回归、决策树、随机森林分析心脏病数据并高维可视化
|
6月前
R语言多变量广义正交GARCH(GO-GARCH)模型对股市高维波动率时间序列拟合预测
R语言多变量广义正交GARCH(GO-GARCH)模型对股市高维波动率时间序列拟合预测
|
6月前
|
机器学习/深度学习 数据可视化 算法
R语言高维数据的主成分pca、 t-SNE算法降维与可视化分析案例报告
R语言高维数据的主成分pca、 t-SNE算法降维与可视化分析案例报告
|
6月前
|
机器学习/深度学习 测试技术 数据处理
【视频】R语言机器学习高维数据应用:Lasso回归和交叉验证预测房屋市场租金价格
【视频】R语言机器学习高维数据应用:Lasso回归和交叉验证预测房屋市场租金价格
|
6月前
|
机器学习/深度学习 数据可视化
R语言惩罚logistic逻辑回归(LASSO,岭回归)高维变量选择分类心肌梗塞数据模型案例(下)
R语言惩罚logistic逻辑回归(LASSO,岭回归)高维变量选择分类心肌梗塞数据模型案例
|
6月前
|
机器学习/深度学习 算法 数据可视化
R语言惩罚logistic逻辑回归(LASSO,岭回归)高维变量选择分类心肌梗塞数据模型案例(上)
R语言惩罚logistic逻辑回归(LASSO,岭回归)高维变量选择分类心肌梗塞数据模型案例
|
6月前
|
机器学习/深度学习 数据可视化 算法
R语言用主成分PCA、 逻辑回归、决策树、随机森林分析心脏病数据并高维可视化
R语言用主成分PCA、 逻辑回归、决策树、随机森林分析心脏病数据并高维可视化
|
6月前
|
机器学习/深度学习 算法 数据可视化
R语言惩罚logistic逻辑回归(LASSO,岭回归)高维变量选择的分类模型案例
R语言惩罚logistic逻辑回归(LASSO,岭回归)高维变量选择的分类模型案例
R语言笔记丨矩阵、数组介绍
R语言笔记丨矩阵、数组介绍
|
IDE 开发工具
《R语言编程艺术》——导读
避免显式迭代是R语言的一个常见话题,这对于函数式编程语言来说是很典型的问题。你可以利用R的函数特性把迭代行为表达成隐式的,而不是用循环语句。这可以让代码执行起来更有效率,当R运行在大数据集上时运行时间会相差很大。
1941 0

热门文章

最新文章