数据类型操作简单对比（R和Python）

一、R方面

R中类型：向量（vector）、数据框、矩阵、列表

数据处理转换时：数值型num、因子（factor）、字符型等等

1）matrix

feature：
1、二维数组
2、每个元素必须有相同的数据类型

create：

matrix(vector, nrow = number_of_rows, ncol = number_of_columns, byrow = T/F)　　

对角矩阵：diag()

matrix(0,nrow = 4,nol = 4)

diag(rep(1,4)) # 对角线为1，重复4次不循环

　　# rep函数, rep(vector x, ...)参数可为 each = ,x重复向量x的次数，times = 循环的次数，len = 输出长度

operate：

dim(): 行列数（维度）
nrow()：行
ncol()：列
rownames()：行名
colnames()：列名
cbind()：按列合并矩阵
rbind()：按行合并矩阵　

注意矩阵的乘法：A%*%B
矩阵的逆： solve(A)

exp: 行列重命名
rownames(xxx) = paste0("x_",1:4)

数据量增大时，计算特征值，逆等不方便，可使用R包提高效率 rARPACK---(大规模举证运算时使用)

• 特征值分解eigs()
• SVD分解svds()

特殊矩阵： 稀疏矩阵（数值为0的元素多于数值非0的元素）
应用场景：用户购买、社交网络
处理稀疏矩阵有相关包 Matrix

相关公式如下表：

2）data.frame

1、csv、txt文件读入时自动存储为数据框
2、data.frame(col1,col2,col3...)

operate： 汇总-变大-变小-变序-变形-数据透视
变大--merge(df1,df2,by)--合并数据框
变小--引用，筛选

汇总-- summary()\str()\table()

变大--merge(x, y , by ) 与 python pd.merge比较类似

变小--取行df[x,] 取列df$xx  区别python 有相关函数取loc,iloc,iat

变序-- 向量可直接用sort,而数据框用order( df$x, df$y , descring =T) 先按x排序在按y排序

变形--（数据重排）reshape2包中melt函数，宽表变窄表

..