学习R：matrix()函数录入矩阵数据

此前一直在围绕数据框data.frame学习，对于习惯于用SPSS的人来说，数据框就是全部了。

但学用R的话，数据框不够，咱们还得学其他的数据对象。比如矩阵。

已知某地区的某一人群2011-2015年的某急性传染性疾病的发病情况数据，如下表：

matrix()函数语法：

matrix(data = NA, nrow = 1, ncol = 1, byrow = FALSE,dimnames = NULL)

❶data：矩阵中的数据

❷nrow：指定行数

❸ncol：指定列数

❹byrow：是否按行录入

❺dimnames：行列名称

现在就来动手练习，把这个数据按矩阵来录入：

matrix(c(20,30,40,35,50,180,170,160,165,150))

先试着把所有的数据录进来，看看这个函数会给出什么结果：

默认就是按行录入，1列数据。咱们这个数据最终应该是录入5行2列。

matrix(c(20,30,40,35,50,180,170,160,165,150),nrow = 5,ncol = 2)

指定5行2列，现在就符合要求了。

不过你看上面的行列名称，没有名字，是按编号来的，这也不行，咱们还得细致一些，定义一下行列的名称嘛。

matrix(c(20,30,40,35,50,180,170,160,165,150),nrow = 5,ncol = 2,dimnames = list(year=c(2011:2015),outcome=c("发病","未发病")))

来看结果：

符合要求。

参考资料：医学统计与R语言

https://mp.weixin.qq.com/s/aEpz50z0XVLAx4piD3jndA

本文完

文/图=数据小兵

更多R统计文章

练习R：单个连续数据的探索性统计可视化函数EDA
练习R：用lm.ridge()做岭回归分析，可惜无法输出R平方
练习R：lm+plot+abline+text四函数绘制线性拟合散点图

练习R：用lm.ridge()做岭回归分析，可惜无法输出R平方

练习R：分类自变量的线性回归

练习R：factor函数为有序分类变量创建值标签

学习R：识别缺失值与将指定数据编码为缺失值
练习R：car包recode函数多分类变量的重新编码
练习R：stepAIC多元逐步回归
练习R：用3d空间图展示多元线性回归模型
练习R：用3d空间图展示多元线性回归模型
练习R：dplyr包arrange函数排序
练习R：DoE.base包生成标准L9-3-4正交表

练习R：正交试验极差分析、方差分析与统计图形

练习R：rsm包设计响应面试验并做数据分析

练习R：interaction.plot()函数绘制交互作用图

练习R：influencePlot()函数发现离群点杠杆点强影响点

练习R：glm()函数连续自变量的二项logistic回归

练习R：spss.get()函数读取SPSS数据集

练习R：lrtest()函数做logistic回归全局显著性检验

练习R：qqnorm+t.test函数配对t检验

练习R：TukeyHSD()+plot()函数实现多重比较森林图

练习R：pwr.t.test()函数实现独立t检验样本量计算

练习R：qcc.overdispersion.test()函数检验等离散性

练习R语言：fa.parallel()与fa()函数实现因子分析

练习R语言：mk.test()函数Mann-kendall趋势检验

练习R语言：t.test()函数单侧t检验案例

练习R：Mann–Whitney非参数检验效应量计算

练习R语言：bruceR包Freq()函数频率百分比统计

练习R语言：CrossTable()函数实现交叉表卡方检验

练习R语言：blandr包实现Bland-Altman一致性评价

练习R语言：ls()函数列出变量名称