資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究如何在 R 中向特定矩陣元素新增值？
要向 R 中特定矩陣元素新增值，我們可以使用帶單個方括號的子集來獲取該特定值。
例如，如果我們有一個名為 M 的矩陣，並且我們想要向第二列的第五個值新增 10，則可以使用以下命令：
M[5,2]<-M[5,2]+10
示例 1
以下程式碼片段建立了一個示例矩陣：
M1<-matrix(sample(1:100,80),ncol=4) M1
建立了以下矩陣：
[,1] [,2] [,3] [,4] [1,] 29 72 16 75 [2,] 5 79 15 4 [3,] 81 8 46 83 [4,] 97 50 18 32 [5,] 62 96 64 82 [6,] 27 92 9 22 [7,] 69 37 70 28 [8,] 20 58 14 66 [9,] 13 45 19 52 [10,] 11 42 34 80 [11,] 61 99 86 55 [12,] 63 3 78 36 [13,] 53 33 1 40 [14,] 24 77 76 2 [15,] 54 47 48 71 [16,] 87 68 88 38 [17,] 67 12 44 26 [18,] 17 7 91 10 [19,] 49 90 30 59 [20,] 74 51 31 89
要向上面建立的資料框中矩陣 M1 的第一個值新增 1000，請將以下程式碼新增到上述程式碼片段中：
M1<-matrix(sample(1:100,80),ncol=4) M1[1,1]<-M1[1,1]+1000 M1
輸出
如果您將上面給出的所有程式碼片段作為一個程式執行，它將生成以下輸出：
[,1] [,2] [,3] [,4] [1,] 1029 72 16 75 [2,] 5 79 15 4 [3,] 81 8 46 83 [4,] 97 50 18 32 [5,] 62 96 64 82 [6,] 27 92 9 22 [7,] 69 37 70 28 [8,] 20 58 14 66 [9,] 13 45 19 52 [10,] 11 42 34 80 [11,] 61 99 86 55 [12,] 63 3 78 36 [13,] 53 33 1 40 [14,] 24 77 76 2 [15,] 54 47 48 71 [16,] 87 68 88 38 [17,] 67 12 44 26 [18,] 17 7 91 10 [19,] 49 90 30 59 [20,] 74 51 31 89
示例 2
以下程式碼片段建立了一個示例矩陣：
M2<-matrix(rnorm(40),ncol=2) M2
建立了以下矩陣：
[,1] [,2] [1,] 0.7053897 -1.9200364 [2,] -1.1234320 1.6390770 [3,] -0.1418606 2.2555713 [4,] 0.9207447 -1.5381620 [5,] -0.2770107 0.1623484 [6,] -0.8251034 -1.3255143 [7,] -0.4287154 -2.3155433 [8,] -0.9181893 0.7627583 [9,] -0.0384247 -0.6836569 [10,] 0.5226378 -0.8815467 [11,] -0.8472512 -0.4861481 [12,] 1.0694954 1.5913287 [13,] 0.6082448 -0.6050546 [14,] -0.3389231 -0.1138805 [15,] -1.6208191 -1.2074059 [16,] 0.5841005 -0.1632070 [17,] 1.4022579 -2.8237466 [18,] -1.3758415 -0.3331492 [19,] -1.0062265 0.2886416 [20,] 2.1965559 0.8964789
要向上面建立的資料框中矩陣 M2 的第二列的第一個值新增 5，請將以下程式碼新增到上述程式碼片段中：
M2<-matrix(rnorm(40),ncol=2) M2[1,2]<-M2[1,2]+5 M2
輸出
如果您將上面給出的所有程式碼片段作為一個程式執行，它將生成以下輸出：
[,1] [,2] [1,] 0.7053897 3.0799636 [2,] -1.1234320 1.6390770 [3,] -0.1418606 2.2555713 [4,] 0.9207447 -1.5381620 [5,] -0.2770107 0.1623484 [6,] -0.8251034 -1.3255143 [7,] -0.4287154 -2.3155433 [8,] -0.9181893 0.7627583 [9,] -0.0384247 -0.6836569 [10,] 0.5226378 -0.8815467 [11,] -0.8472512 -0.4861481 [12,] 1.0694954 1.5913287 [13,] 0.6082448 -0.6050546 [14,] -0.3389231 -0.1138805 [15,] -1.6208191 -1.2074059 [16,] 0.5841005 -0.1632070 [17,] 1.4022579 -2.8237466 [18,] -1.3758415 -0.3331492 [19,] -1.0062265 0.2886416 [20,] 2.1965559 0.8964789
更新於: 2021年11月10日
4K+ 瀏覽量
廣告