? ? 了解一门语言，首先要了解它的数据结构。该文主要介绍矩阵、数组和数据框。文章仅供学习使用，欢迎留言交流哦！
一、矩阵(matrix)
1.1矩阵的创建：
? ? 矩阵由指定的行(row)和列(column)构成，与高数中的矩阵相同。与之前提到的向量一样，矩阵只能储存同种类型的数据。
? ? matrix(? ):创建矩阵
matrix(
data #要创建矩阵的数据，一般为向量
nrow #行数
ncol #列数
byrow = TRUE #若为TRUE，按行填充矩阵，若为FALSE，按列填充矩阵
dimnames #为矩阵个维度命名
)? ? 接下来使用该函数来创建一个3*3的矩阵：
? ? ? ??
? ? ?
?
? ? ?如图所示，这个由1~9组成的3*3矩阵，左边指定了行数未指定列数，右边指定了列数未指定行数，但所得矩阵相同，所以系统会自动识别并填充。上面两个矩阵都是按列填充矩阵，由于未设置byrow，所以采用默认值FALSE。下面来看一下当byrow为TRUE时，有何不同：
? ? 可以看出，byrow为TRUE时，矩阵对数据进行了按行填充。
? ? 接下来介绍dimnames函数，为矩阵的行与列命令，第一个向量为行名，第二个向量为列名。
matrix(1:9,ncol = 3,byrow = TRUE,dimnames = list(c("x1","x2","x3"),c("y1","y2","y3")))? ? 得到下图所示矩阵，与上述矩阵相比，[1,]等变成了x1，y1。
? ? 对于已经创建好的向量，可以使用dimnames(),rownames(),colnames()为矩阵进行命名：
? ? 创建名为train1,train2的矩阵，train1用dimnames()进行命名，train2分别用rownames(),colnames()对行与列进行命名。
train1 <- matrix(1:9,ncol = 3)
train2 <- matrix(10:18,ncol = 3)
dimnames(train1) <- list(c("x1","x2","x3"),c("y1","y2","y3"))
(rownames(train2) <- c("迪迦","塞罗","特斯拉"))
(colnames(train2) <- c("天王","地虎","二百五"))? ? ? ? ? ? ? ??
? ? ?
? ? ?所得结果如上图。同时dimnames(),rownames(),colnames()还能获取矩阵的名称，使用dimnames获取train2的名称（其他两个大家可以自己尝试一下昂），结果如下图：
?1.2访问矩阵的数据：
matrixname[ridx,cidx]:访问matrixname矩阵中ridx行cidx列的数据：
? ? 例如访问train1中的第二行第二列数据，为5。
? ? ?也可以使用负数，效果与向量中使用负数相同，即输出除某列或某行的其他所有数据。例如输出train2中除第二行的所有数据。
?1.3矩阵的运算：
| 运算符 | 含义 |
|---|---|
| X + a | 矩阵X中所有值与标量a相加，还可以使用"-","*","/"运算符 |
| X + Y | 对矩阵X与矩阵Y求和，还能使用"-"求矩阵间的差 |
| X %*% Y | 求矩阵X与矩阵Y的积 |
| 函数名 | 函数作用 |
| solve() | 从式子Y%*%X=Z中求解X，Y、Z为矩阵 |
| nrow() | 求行数 |
| ncol() | 求列数 |
| dim | 求维度 |
| dim <- | 设置对象的维度 |
| t() | 求矩阵的转置矩阵 |
? ? 这里就不演示了，大家可以自己尝试，如果有疑问可以评论交流（一般中午、晚上会看的，欢迎评论哦）。
二、数组（array）
2.1数组的创建：
? ? 数组与矩阵、向量不同，它可以存储不同数据类型的数据。而且数组是多维的，可以是2*3*4维的。创建数组使用array()函数：
array(
data #数据
dim = length(data) #数组维数，若不设置，则为一维数组
dimnames #维度的名称
)? ? 接下来创建一个3*4的数组和一个2*3*2的数组作为示例：
x <- array(1:12,dim = c(3,4))
y <- array(1:12,dim = c(2,3,2))? ? ?
? ? ??
? ? ?所得结果如上图，左图很容易看懂，不做过多解释。右图根据 y <- array(1:12,dim = c(2,3,2))所得，其中c(2,3,2)的最后一个数字是指右图中,,1和,,2，可以将其理解为层数，第一层由1，2，3，4，5，6构成，两行三列。
?2.2访问数组的数据：
? ? 与向量相同，使用X[xidx,yidx,zidx...nidx]访问数组数据:
? ? 访问y第二层中第二行第二列的数据，结果如下：
?三、数据框
3.1数据框的创建：
? ? 数据框类似于表格，例如上面矩阵运算中所展示的表格。可以使用data.frame()创建数据框
data.frame(
#以value或name = value的形式展现的数据值
)? ? 可能有点看不懂，没有关系，我们来看几个例子就可以了。创建一个名为名人的数据框：
名人 <-data.frame(美女 = c("西施","王昭君","貂蝉"),名将 = c("荆轲","要离","岳飞"))
? ? ? ? ? ? ? ? ? ? ? ? ? ? ??
x <- 1:5
y <- 6:10
z <- 11:15
d <- data.frame(x,y,z)? ? 运行结果如上图，数据框会将你输入的数据按列排布，做出一个类似表格的形式。在数据框中也可以使用rownames(),colnames()等函数，下面以rownames做一个示例：?
rownames(d) <- c("three","four","two","five","one")
? ? ?数据框的数据访问于上述差不多，大家可以自己尝试一下。如果遇到疑问或者报错，可以评论交流哦！看完记得点赞~
? ? 2021.11.27随笔：
拥簇的人们在红枫下拍照，在凉秋的阳光倾洒下显得颇具意境。图书馆的座位在我醒来时就已经被预约完了，回到了曾经空旷的十教，倾斜的太阳将阳光照进教室，秋天也有温暖的时刻！