矩阵是一种二维数组，每个矩阵仅能包含一类数据（数值型、字符型或者逻辑型）

本文链接：https://blog.csdn.net/2301_79425796/article/details/143191949

下面内容摘录自《用R探索医药数据科学》专栏文章的部分内容（原文5426字）。

3章1节：数据的基本概念以及 R 中的数据结构、向量与矩阵的创建及运算-CSDN博客

一、数据的基本概念

二、R的数据结构

2、矩阵（Matrix）

矩阵是一种二维数组，每个矩阵仅能包含一类数据（数值型、字符型或者逻辑型）。可以通过函数 matrix() 来构建矩阵。其中，nrow 和 ncol 参数分别用于指定行和列的维数；dimnames 参数包含了可供选择的、以字符型向量形式呈现的行名和列名；byrow 参数表示矩阵应当按行填充（TRUE）还是按列填充（FALSE），默认是按列填充。另外，list() 函数用于创建列表。

创建行名和列名的向量

rnames <- c("R1", "R2")

cnames <- c("C1", "C2", "C3")

这两行代码分别创建了行名和列名的向量：

rnames 向量包含两个元素，分别是 "R1" 和 "R2"，表示矩阵的行名。
cnames 向量包含三个元素，分别是 "C1"、"C2" 和 "C3"，表示矩阵的列名。

mat.data <- matrix(data = c(7:12), nrow=2, ncol=3, byrow = TRUE, dimnames=list(rnames, cnames))

这行代码创建了一个矩阵，具体参数解释如下：data = c(7:12) 指定矩阵的数据是从7到12的数值，即7, 8, 9, 10, 11, 12；nrow = 2 指定矩阵有2行；ncol = 3 指定矩阵有3列；byrow = TRUE 指定矩阵按行填充数据，即先填充第一行，然后填充第二行；dimnames = list(rnames, cnames) 指定矩阵的行名和列名，分别是之前定义的 rnames和 cnames。

打印矩阵

mat.data

显示结果为：

   C1 C2 C3
R1  7  8  9
R2 10 11 12

访问矩阵元素

矩阵的元素可以通过行索引和列索引来访问。例如，访问第一行第二列的元素：

element <- mat.data[1, 2]
print(element)

输出结果：

[1] 8

矩阵运算

矩阵可以进行各种数学运算，如加法、减法、乘法和除法。例如：

# 创建另一个矩阵
mat.data2 <- matrix(data = c(1:6), nrow = 2, ncol = 3, byrow = TRUE)

# 矩阵加法
result <- mat.data + mat.data2
print(result)

输出结果：

   C1 C2 C3
R1  8 10 12
R2 12 14 16

矩阵转置

矩阵的转置可以使用t()函数：

# 转置矩阵

transposed <- t(mat.data)

print(transposed)

输出结果：

矩阵是R语言中一种重要的数据结构，用于存储和操作二维同类型数据。通过matrix()函数可以方便地创建矩阵，并且可以为矩阵指定行名和列名。矩阵支持各种数学运算和矩阵操作，如加法、乘法和转置等。在数据分析和统计计算中，矩阵有着广泛的应用。

本文详细介绍了R语言中常见的数据结构的向量和矩阵。通过掌握这些数据结构的基本概念和操作技巧，可以更高效地处理和分析数据。下一节课，我们继续介绍数组、数据框和列表，和它们的基本操作，以及各种符号的使用，你将能够更加高效地进行数据分析和编程。

数据结构	维度	同质性	主要特点	使用场景
向量	一维	同质	基本单元，支持简单运算	存储简单的一维数据
矩阵	二维	同质	行列索引，支持矩阵运算	存储二维表格数据，进行线性代数运算
数组	多维	同质	多维索引，支持数组运算	存储多维数据，如图像处理
数据框	二维	异质	行列索引，每列不同类型数据	存储和操作异质二维表格数据
列表	多层次	异质	嵌套结构，可包含多种数据结构	存储复杂和多层次的数据

～～～～～～～

随着数据科学行业的迅速发展，工具的种类和使用方法层出不穷，传统的纸质R语言教材由于篇幅限制和出版审核的繁琐程序，难以及时涵盖最新的技术动态和复杂应用场景。此外，市面上虽有不少R语言免费视频，但大多仅面向初学者，缺乏对如医药等复杂领域的深入探讨。为了解决这些问题，我们在CSDN论坛推出了《用R 探索医药数据科学》专栏。这一专栏将持续更新，不仅是一份教材，更是你掌握最新、最全医药数据科学的得力助手。我们为你精心整理了领域内的深度资料，提供专业且实战导向的内容，帮助你高效提升研究能力，加快医药数据科学领域科研成果的产出。