为什么使用 c()来定义矢量？

c在英语中不是向量的缩写，那么为什么要用 c()来定义 R 中的向量呢？

v1<- c(1,2,3,4,5)
87976 次浏览
小开

这是个好问题，答案有点奇怪。“ c”，信不信由你，代表“合并”，通常是这样的:

> c(c(1, 2), c(3))
[1] 1 2 3

但是碰巧在 R 中，一个数只是一个长度为1的向量:

> 1
[1] 1

所以，当你使用 c()来创建一个向量时，你实际上是把一系列1长度的向量组合在一起。

小开
最佳答案

Owen 的答案是完美的，但还有一点需要注意的是 c ()可以连接的不仅仅是向量。

> x = list(a = rnorm(5), b = rnorm(7))
> y = list(j = rpois(3, 5), k = rpois(4, 2), l = rbinom(9, 1, .43))
> foo = c(x,y)
> foo
$a
[1]  0.280503895 -0.853393705  0.323137905  1.232253725 -0.007638861


$b
[1] -2.0880857  0.2553389  0.9434817 -1.2318130 -0.7011867  0.3931802 -1.6820880


$j
[1]  5 12  5


$k
[1] 3 1 2 1


$l
[1] 1 0 0 1 0 0 1 1 0


> class(foo)
[1] "list"

第二个例子:

> x = 1:10
> y = 3*x+rnorm(length(x))
> z = lm(y ~ x)
> is.vector(z)
[1] FALSE
> foo = c(x, z)
> foo
[[1]]
[1] 1


[[2]]
[1] 2


[[3]]
[1] 3


[[4]]
[1] 4


[[5]]
[1] 5


[[6]]
[1] 6


[[7]]
[1] 7


[[8]]
[1] 8


[[9]]
[1] 9


[[10]]
[1] 10


$coefficients
(Intercept)           x
0.814087    2.813492


$residuals
1          2          3          4          5          6          7
-0.2477695 -0.3375283 -0.1475338  0.5962695  0.5670256 -0.5226752  0.6265995
8          9         10
0.1017986 -0.4425523 -0.1936342


$effects
(Intercept)            x
-51.50810097  25.55480795  -0.05371226   0.66592081   0.61250676  -0.50136423


0.62374031   0.07476915  -0.49375185  -0.26900403


$rank
[1] 2


$fitted.values
1         2         3         4         5         6         7         8
3.627579  6.441071  9.254562 12.068054 14.881546 17.695038 20.508529 23.322021
9        10
26.135513 28.949005


$assign
[1] 0 1


$qr
$qr
(Intercept)            x
1   -3.1622777 -17.39252713
2    0.3162278   9.08295106
3    0.3162278   0.15621147
4    0.3162278   0.04611510
5    0.3162278  -0.06398128
6    0.3162278  -0.17407766
7    0.3162278  -0.28417403
8    0.3162278  -0.39427041
9    0.3162278  -0.50436679
10   0.3162278  -0.61446316
attr(,"assign")
[1] 0 1


$qraux
[1] 1.316228 1.266308


$pivot
[1] 1 2


$tol
[1] 1e-07


$rank
[1] 2


attr(,"class")
[1] "qr"


$df.residual
[1] 8


$xlevels
named list()


$call
lm(formula = y ~ x)


$terms
y ~ x
attr(,"variables")
list(y, x)
attr(,"factors")
x
y 0
x 1
attr(,"term.labels")
[1] "x"
attr(,"order")
[1] 1
attr(,"intercept")
[1] 1
attr(,"response")
[1] 1
attr(,".Environment")
<environment: R_GlobalEnv>
attr(,"predvars")
list(y, x)
attr(,"dataClasses")
y         x
"numeric" "numeric"


$model
y  x
1   3.379809  1
2   6.103542  2
3   9.107029  3
4  12.664324  4
5  15.448571  5
6  17.172362  6
7  21.135129  7
8  23.423820  8
9  25.692961  9
10 28.755370 10

提交答案