【R语言】pmax和pmin函数的用法详解

ops/2025/3/19 17:08:31/

pmax和pmin函数的用法

以pmax为例,这个函数的返回值是一个向量而不是一个数值,这也是他跟max函数的最大区别,记住一个口诀:

pmax是设置下限的,pmin是设置上限的,两个函数组合使用可以同时设置上限和下限,把一个向量的范围卡在一个区间内

常用方法如下

1.向量和数值比较

vec <- c(-10, 3, 8, 2, -2) pmax(vec, -5) # 下限为 -5 → [-5, 3, 8, 2, -2]

pmin(vec, 5) # 上限为 5 → [-10, 3, 5, 2, -2]

pmin(pmax(vec, -5), 5) # 限制在 [-5, 5] → [-5, 3, 5, 2, -2]

pmax(vec, -5) 表示把vec元素跟-5逐个比较并取每个元素和-5的最大值,也就是让返回结果的下限是-5,因为比-5小的会被替换为-5

2.向量和向量比较(相同长度)

vec1 <- c(1, 5, 3)

vec2 <- c(2, 4, 6)

pmax(vec1, vec2) # 逐元素取最大值 → [2, 5, 6]

pmin(vec1, vec2) # 逐元素取最小值 → [1, 4, 3]

此时pmax(vec1, vec2) 的返回结果向量是vec1, vec2两个向量每个元素的较大值

3.不同长度向量的比较

vec1 <- c(1, 5, 3)

vec2 <- c(2, 4)

pmax(vec1, vec2) # 自动循环 vec2 → [2, 5, 3]

不同长度的向量也可以使用pmax,返回向量的长度和较长的向量长度一样

组合应用的例子:

x <- pmax(pmin(x, 5), -5)

从内到外逐步解释:

pmin(x, 5)这里会把x的上限设置成5,x中比5大的就变成5,外层是设置下限的,比-5小的会变成-5,最终x的范围会被卡在-5到5的区间内。

这句代码其实等价于

x<-ifelse(abs(x)<5,x,ifelse(x>0,5,-5))


http://www.ppmy.cn/ops/167067.html

相关文章

华为供应链的变革模式和方法P105(105页PPT)(文末有下载方式)

资料解读&#xff1a;华为供应链的变革模式和方法 详细资料请看本解读文章的最后内容。 华为作为全球领先的通信技术公司&#xff0c;其供应链管理一直是业界关注的焦点。本文将从华为供应链的变革历程、理论基础、转型要素、流程再造、模式升级以及未来展望等多个维度&#…

ETL中的实用功能以及数据集成方式

在企业数字化转型的进程中&#xff0c;数据集成扮演着至关重要的角色。它不仅是实现信息流动和系统协同的关键步骤&#xff0c;更是提升企业运营效率和决策能力的核心驱动力。ETL&#xff08;Extract&#xff0c;Transform&#xff0c;Load&#xff09;作为数据集成的重要工具&…

程序化广告行业(26/89):深入了解广告投放计划与供应商入库流程

程序化广告行业&#xff08;26/89&#xff09;&#xff1a;深入了解广告投放计划与供应商入库流程 大家好&#xff01;一直以来&#xff0c;我都希望能和大家在技术领域共同探索、共同进步。随着互联网的发展&#xff0c;程序化广告在营销领域占据着越来越重要的地位。今天&am…

联邦学习(Federated Learning)

1. 概念 联邦学习&#xff08;Federated Learning, FL&#xff09;是一种分布式机器学习技术&#xff0c;它允许多个参与方&#xff08;如设备、机构或企业&#xff09;在不共享原始数据的情况下协同训练机器学习模型。联邦学习通过本地计算模型参数聚合的方式&#xff0c;保护…

java学习总结(六)Spring IOC

一、Spring框架介绍 Spring优点&#xff1a; 1、方便解耦&#xff0c;简化开发,IOC控制反转 Spring 就是一个大工厂&#xff0c;可以将所有对象创建和依赖关系维护交给Spring 2、AOP 编程的支持 Spring 提供面向切编程&#xff0c;可以方便的实现对序进行权限拦截、运监控等…

关于深度学习参数寻优的一些介绍

在深度学习中&#xff0c;参数是十分重要的&#xff0c;严重影响预测的结果。而具体在深度学习中&#xff0c;如何让模型自己找到最合适的参数&#xff08;权重与偏置等&#xff09;&#xff0c;这就是深度学习一词中“学习”的核心含义。在本文中&#xff0c;我将介绍除梯度下…

【漫话机器学习系列】141.灵敏度(Sensitivity)

灵敏度&#xff08;Sensitivity&#xff09;详解 在统计学和机器学习领域&#xff0c;灵敏度&#xff08;Sensitivity&#xff09;&#xff0c;也称为召回率&#xff08;Recall&#xff09;&#xff0c;是一种衡量分类模型在检测正例时的能力的重要指标。灵敏度的计算公式如下…

docker安装部署学习

docker安装部署学习 什么是 Docker&#xff1f;如何理解 Docker&#xff1f;1. 容器化技术 vs. 传统虚拟机2. Docker 的核心概念3. Docker 的四大优势 Docker 的应用场景安装 Docker 引擎1. 卸载旧版本&#xff08;确保环境干净&#xff09;2. 安装依赖工具3. 添加 Docker 官方…