집합 연산자산 ,자료구조(행력 ,배열 ,데이터 프레임)

#논리 연산자 
#and:& 
#2)or:1 
#)not:!

# 참고 :숫자를 사용한 논리값의 전달 
#0 :FALSE(0이 아니면 TRUE)
!0
!100

1&3 #true & true = true

1&0 #true &false =false

#형(데이터 타입 ) 확인함수

is.vector: 벡터 인지 

is.numeric:숫자 인지

is.na :벡터의 각원소마다 NA 여부 리턴

is.null :벡터 자체가 NULL 인지 리턴 

#벡터의 집합연산자
# 1)합집합:union 
# 2)차집합:setdiff
# 3)교집합:intersect()
#4)동등비교 :indentical 구성 요소는 같으니나 크기가 달라서

#setequal 크기 상관없이 구성원소는 같다 

#행렬:matrix 
#2차원
#하나의 데이터 타입만 허용
#주로 숫자 연산을 빠르게 하기 위해 만듬

#1.생성
matrix(data = ,                     #matrix 구성data(벡터)
       nrow = ,                    #행수
       ncol = ,                   #컬럼수
       byrow = FALSE,                     #행과 우선순위 배치 여부
       dimnames =))                  #행과 열의 이름

 

m1<-matrix(1:9,nrow = 3,ncol = 3); m1
m1<-matrix(1:9,nrow = 3); m1
m2<-matrix(1:9,nrow = 3, byrow=T); m2
m3<-matrix(1:9,nrow = 3,dimnames = list(c('a','b','c'), c('A','B','C')));m3 

색인 

# [ 참고 : 행렬 곱 ]
# [a1,a2   [b1,b2
#  a3,a4]   b3,b4]
# 
# (2X2) * (2X2) = (2X2)
# (3X2) * (2X6) = (3X6)
# 
# a1*b1 + a2*b3, a1*b2 + a2*b4
# a3*b1 + a4*b3, a3*b2 + a4*b4

#배열 :array
1.생성 
array(data = , # 배열을 구성하는 data 벡터
      dim = ,  #차원
      dimnames =) #각차원의 이름 

#참고:다차원의 배열 순서 비교 
#in R )
#행 열 층 ...
#in python 행열  
#... 층 행 열

#2.색인 
a1<-array(1:18, dim = c(3,3,2))
a1[, ,1] #첫번쨰 층층 
a1[1, ,1] #각층의 첫번쨰 행 
a1[,,1,drop=F]#일부는 가능 하나 일부는 불가능 하다 
a1[1,,drop=F]#사용불가

#데이터 프레임 
# 2차원 구조
# 행과열의 구조
# 열은 key 를 갖는구조 
# 엑설에서의 표 ,데이터 베이스에서의 테이블과 비슷

#2.구조확인
ncol(df1)#컬럼수
nrow(df1)#행의 수 
dim(df1)#행과 컬럼의수

rownames(df1)#행 이름 
colnames(df1)#컬럼 이름 
str(df1) # 데이터 사이즈 확인못함 

#3.색인
df1[1,1] #위치 색인 
df1[1,'ename'] #이름 색인 
df1[ ,'ename']#특정 컬럼 하나의 선택은 차원 축소됨 
df1[,'ename',drop=F]#차원 축소 방지가능 
df1$ename #key 색인