R语言逻辑型运算的实现

目录
  • 一、逻辑型向量与比较运算
  • 二、逻辑运算
  • 三、逻辑运算函数

一、逻辑型向量与比较运算

逻辑型是 R 的基本数据类型之一,只有两个值 TRUE 和 FALSE, 缺失时为 NA。

逻辑值一般产生自比较,如

sele <- (log10(15) < 2); print(sele)

返回:

向量比较结果为逻辑型向量。如

c(1, 3, 5) > 2

返回:

(1:4) >= (4:1)

返回:

NA 比较产生 NA,如

c(1, NA, 3) > 2

返回:

NA == NA

返回:

为了判断向量每个元素是否 NA,用 is.na() 函数,如

is.na(c(1, NA, 3) > 2)

返回:

is.finite() 判断向量每个元素是否 Inf

is.finite(c(1,Inf,8))

返回:

        比较运算符包括 :< <= > >= == != %in%

分别表示小于、小于等于、大于、大于等于、等于、不等于、属于。要注意等于 比较用了两个等号。

 %in% 是比较特殊的比较, x %in% y 的运算把向量 y 看成集合,运算结果是一个逻辑型向量,第 i 个元素的值为 x 的第 i 元素是否属于 y 的逻辑型值。如

c(1,3) %in% c(2,3,4)

返回:

c(NA,3) %in% c(2,3,4)
## [1] FALSE TRUE
c(1,3) %in% c(NA, 3, 4)
## [1] FALSE TRUE
c(NA,3) %in% c(NA, 3, 4)
## [1] TRUE TRUE

函数 match(x, y) 起到和 x %in% y 运算类似的作用,但是其返回结果不是找到与否,而是对 x 的每个元素,找到其在 y 中首次出现的下标找不到时取缺失值,如

match(c(1, 3), c(2,3,4,3))

返回:

二、 逻辑运算

为了表达如 “ x > 0 而且 x < 1”, “ x ≤ 0 或者 x ≥ 1” 之类的复合比较,需要使用逻辑运算把两个比较连接起来。逻辑运算符为 & , | 和 ! , 分别表示 “ 同时成 立” 、 “ 两者至少其一成立 ” 、 “ 条件的反面 ” 。比如,设 age<=3 表示婴儿, sex==' 女' 表示女性,
        则 age<=3 & sex==' 女 ' 表示女婴 ,
        age<=3 | sex==' 女 '表示婴儿或妇女,
        !(age<=3 | sex==' 女 ') 表示既非婴儿也非妇女。
为了确定运算的先后次序可以用圆括号 () 指定。
        用 xor(x, y) 表示 x 与 y 的异或运算,即值不相等时为真值,相等时为假值,有缺失值参加运算时为缺失值。
        逻辑向量与逻辑标量之间的逻辑运算,两个逻辑向量之间的逻辑运算规则遵从一般 R 向量间运算规则。
        在右运算符是缺失值时,如果左运算符能够确定结果真假,可以得到非缺失的结果。例如,TRUE | NA 为 TRUE , FALSE & NA 为 FALSE 。
        不能确定结果时返回 NA,比如, TRUE & NA 为 NA , FALSE | NA 为 NA 。
        && 和 || 分别为短路的标量逻辑与和短路的标量逻辑或,仅对两个标量进行运算,如果有向量也仅使用第一个元素。一般用在 if 语句、 while 语句中,且只要第一个比较已经决定最终结果就不计算第二个比较。例如

if(TRUE || sqrt(-1)>0) next

由于其中的 sqrt(-1) 部分不会执行,结果返回:

三、逻辑运算函数

因为 R 中比较与逻辑运算都支持向量之间、向量与标量之间的运算,所以在需要一个标量结果时要特别注意,后面讲到的 if 结构、 while 结构都需要逻辑标量而且不能是缺失值。这时,应该对缺失值结果单独考虑。
        若 cond 是逻辑向量,用 all(cond) 测试 cond 的所有元素为真;用 any(cond) 测试 cond 至少一个元素为真。 cond 中允许有缺失值,结果可能为缺失值。如

c(1, NA, 3) > 2
all(c(1, NA, 3) > 2)
any(c(1, NA, 3) > 2)
all(NA)
any(NA)

返回:

函数 which() 返回真值对应的所有下标,如

which(c(FALSE, TRUE, TRUE, FALSE, NA))
which((11:15) > 12)

返回:

函数 identical(x,y) 比较两个 R 对象 x 与 y 的内容是否完全相同,结果只会取标量 TRUE 与 FALSE 两种。如

identical(c(1,2,3), c(1,2,NA))
identical(c(1L,2L,3L), c(1,2,3))

因为前一向量是整数型,后一向量是实数型,结果返回:

函数 all.equal()identical() 类似,但是在比较数值型时不区分整数型与实数型,而且相同时返回标量 TRUE ,但是不同时会返回一个说明有何不同的字符串。如

all.equal(c(1,2,3), c(1,2,NA))
all.equal(c(1L,2L,3L), c(1,2,3))

返回:

函数 duplicated() 返回每个元素是否为重复值的结果,如:

duplicated(c(1,2,1,3,NA,4,NA))

返回:

用函数 unique() 可以返回去掉重复值的结果,如

unique(c(1,2,1,3,NA,4,NA))

返回:

到此这篇关于R语言逻辑型运算的实现的文章就介绍到这了,更多相关R语言逻辑型运算内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

(0)

相关推荐

  • R语言逻辑回归深入讲解

    逻辑回归 > ###############逻辑回归 > setwd("/Users/yaozhilin/Downloads/R_edu/data") > accepts<-read.csv("accepts.csv") > names(accepts) [1] "application_id" "account_number" "bad_ind" "vehicle_

  • 在R语言中实现Logistic逻辑回归的操作

    逻辑回归是拟合回归曲线的方法,当y是分类变量时,y = f(x).典型的使用这种模式被预测Ÿ给定一组预测的X.预测因子可以是连续的,分类的或两者的混合. R中的逻辑回归实现 R可以很容易地拟合逻辑回归模型.要调用的函数是glm(),拟合过程与线性回归中使用的过程没有太大差别.在这篇文章中,我将拟合一个二元逻辑回归模型并解释每一步. 数据集 我们将研究泰坦尼克号数据集.这个数据集有不同版本可以在线免费获得,但我建议使用Kaggle提供的数据集. 目标是预测生存(如果乘客幸存,则为1,否则为0)基于

  • R语言多元Logistic逻辑回归应用实例

    可以使用逐步过程确定多元逻辑回归.此函数选择模型以最小化AIC. 如何进行多元逻辑回归 可以使用阶梯函数通过逐步过程确定多元逻辑回归.此函数选择模型以最小化AIC. 通常建议不要盲目地遵循逐步程序,而是要使用拟合统计(AIC,AICc,BIC)比较模型,或者根据生物学或科学上合理的可用变量建立模型. 多元相关是研究潜在自变量之间关系的一种工具.例如,如果两个独立变量彼此相关,可能在最终模型中都不需要这两个变量,但可能有理由选择一个变量而不是另一个变量. 多元相关 创建数值变量的数据框 Data.

  • R语言中逻辑回归知识点总结

    逻辑回归是回归模型,其中响应变量(因变量)具有诸如True / False或0/1的分类值. 它实际上基于将其与预测变量相关的数学方程测量二元响应的概率作为响应变量的值. 逻辑回归的一般数学方程为 y = 1/(1+e^-(a+b1x1+b2x2+b3x3+...)) 以下是所使用的参数的描述 y是响应变量. x是预测变量. a和b是作为数字常数的系数. 用于创建回归模型的函数是glm()函数. 语法 逻辑回归中glm()函数的基本语法是 glm(formula,data,family) 以下是

  • R语言逻辑回归、ROC曲线与十折交叉验证详解

    自己整理编写的逻辑回归模板,作为学习笔记记录分享.数据集用的是14个自变量Xi,一个因变量Y的australian数据集. 1. 测试集和训练集3.7分组 australian <- read.csv("australian.csv",as.is = T,sep=",",header=TRUE) #读取行数 N = length(australian$Y) #ind=1的是0.7概率出现的行,ind=2是0.3概率出现的行 ind=sample(2,N,rep

  • R语言逻辑型运算的实现

    目录 一.逻辑型向量与比较运算 二.逻辑运算 三.逻辑运算函数 一.逻辑型向量与比较运算 逻辑型是 R 的基本数据类型之一,只有两个值 TRUE 和 FALSE, 缺失时为 NA. 逻辑值一般产生自比较,如 sele <- (log10(15) < 2); print(sele) 返回: 向量比较结果为逻辑型向量.如 c(1, 3, 5) > 2 返回: (1:4) >= (4:1) 返回: 与 NA 比较产生 NA,如 c(1, NA, 3) > 2 返回: NA == N

  • R语言因子型数值转数值型的操作

    一直觉得只要是数字,不管是什么类型的,都可以通过as.numeric()函数转换为对应的numeric类型的数字,例如 x<-"123",x为character类型,而as.numeric(x)则为numeric类型的123. 但是因子(factor)类型却不一样. a<-factor(c(100,200,300,301,302,400,10)),它们的值分别为100 200 300 301 302 400 10,然而 as.numeric(a)对应的值并非100 200

  • 如何使用R语言做逻辑回归详解

    目录 前言 首先加载需要用的包 接下来建模 最后我们可以根据模型来预测啦 总结 前言 回归的本质是建立一个模型用来预测,而逻辑回归的独特性在于,预测的结果是只能有两种,true or false 在R里面做逻辑回归也很简单,只需要构造好数据集,然后用glm函数(广义线性模型(generalized linear model))建模即可,预测用predict函数. 我这里简单讲一个例子,来自于加州大学洛杉矶分校的课程 首先加载需要用的包 library(ggplot2) ## Warning: p

  • R语言学习Rcpp基础知识全面整理

    目录 1. 相关配置和说明 2. 常用数据类型 3. 常用数据类型的建立 4. 常用数据类型元素访问 5. 成员函数 6. 语法糖 6.1 算术和逻辑运算符 6.2. 常用函数 7. STL 7.1. 迭代器 7.2. 算法 7.3. 数据结构 7.3.1. Vectors 7.3.2. Sets 7.3.3. Maps 8. 与R环境的互动 9. 用Rcpp创建R包 10. 输入和输出示例 如何传递数组 通过.attr("dim")设置维数 函数返回一维STL vector 函数返回

  • R语言数据类型与相应运算的实现

    目录 一.常量与变量 1.常量 2.变量 二.数据类型 三.数值型向量 3.1 c()函数 3.2 length(x) 3.3 numeric() 四.向量运算 1.标量和标量运算 2.向量与标量运算 3.等长向量运算 4.不等长向量的运算 五.向量函数 1.向量化的函数 2.排序函数 3.统计函数 4.生成规则序列的函数 六. 复数向量 练习 一.常量与变量 1.常量    R 语言基本的数据类型有数值型,逻辑型(TRUE, FALSE),文本(字符串). 支持缺失值,有专门的复数类型.   

  • 零基础易语言入门教程(六)之逻辑型命令

    逻辑型命令,就是非真即假的. 具体方法和步骤如下所示: 1.如果(): 属于逻辑型,不是真就是假,这种时间我们基本在编写程序时,会有两个选择方向,见下图所示: 2.如上图,如果命令属于逻辑型数据,且有两条输出方向,当我们在如果命令里填写的为真,那么我们的系统将会显示输出真的一个,反之则为假. 3.如果()命令在我们编写程序时属于常用命令,他在运行时我们需要给他一个条件,然后才能输出内容,有了条件我们在运行时给他一个输出方向即可, 以上所述是小编给大家介绍的零基础易语言入门教程(六)之逻辑型命令的

随机推荐