如何使用 `image` 以常规布局显示矩阵？
How to use `image` to display a matrix in its conventional layout?
我有一个矩阵定义如下
dataMatrix <- matrix(rnorm(400), nrow=40)
然后 dataMatix 使用以下
绘制到屏幕上
image(1:10, 1:40, t(dataMatrix)[, nrow(dataMatrix):1])
谁能解释一下图像函数的第三个参数是如何工作的？我对 [] 内部发生的事情感到特别困惑。谢谢
没有什么比一个说明性的例子更好的了。考虑一个包含 8 个元素的 4 * 2 整数矩阵：
d <- matrix(1:8, 4)
# [,1] [,2]
#[1,] 1 5
#[2,] 2 6
#[3,] 3 7
#[4,] 4 8
如果我们 image 这个矩阵与 col = 1:8，我们将在颜色和像素之间有一个一对一的映射：颜色 i 用于为具有值 i。在 R 中，可以使用从 0 到 8 的 9 个整数指定颜色（其中 0 是 "white"）。您可以通过
查看非白色值
barplot(rep.int(1,8), col = 1:8, yaxt = "n")
如果在常规显示中绘制d，我们应该看到如下色块：
black | cyan
red | purple
green | yellow
blue | gray
现在，让我们看看 image 会显示什么：
image(d, main = "default", col = 1:8)
我们期望（4 行，2 列）块显示，但我们得到的是（2 行，4 列）显示。所以我们想转置 d 然后再试一次：
td <- t(d)
# [,1] [,2] [,3] [,4]
#[1,] 1 2 3 4
#[2,] 5 6 7 8
image(td, main = "transpose", col = 1:8)
Em，好多了，不过好像行序颠倒了，所以想翻转一下。事实上，这样的翻转应该在 td 的列之间进行，因为 td:
有 4 列
## reverse the order of columns
image(td[, ncol(td):1], main = "transpose + flip", col = 1:8)
是的，这就是我们想要的！我们现在有一个矩阵的常规显示。
注意ncol(td)就是nrow(d)，td就是t(d)，所以我们也可以这样写：
image(t(d)[, nrow(d):1])
这就是你现在拥有的。
我有一个矩阵定义如下
dataMatrix <- matrix(rnorm(400), nrow=40)
然后 dataMatix 使用以下
image(1:10, 1:40, t(dataMatrix)[, nrow(dataMatrix):1])
谁能解释一下图像函数的第三个参数是如何工作的？我对 [] 内部发生的事情感到特别困惑。谢谢
没有什么比一个说明性的例子更好的了。考虑一个包含 8 个元素的 4 * 2 整数矩阵：
d <- matrix(1:8, 4)
# [,1] [,2]
#[1,] 1 5
#[2,] 2 6
#[3,] 3 7
#[4,] 4 8
如果我们 image 这个矩阵与 col = 1:8，我们将在颜色和像素之间有一个一对一的映射：颜色 i 用于为具有值 i。在 R 中，可以使用从 0 到 8 的 9 个整数指定颜色（其中 0 是 "white"）。您可以通过
barplot(rep.int(1,8), col = 1:8, yaxt = "n")
如果在常规显示中绘制d，我们应该看到如下色块：
black | cyan
red | purple
green | yellow
blue | gray
现在，让我们看看 image 会显示什么：
image(d, main = "default", col = 1:8)
我们期望（4 行，2 列）块显示，但我们得到的是（2 行，4 列）显示。所以我们想转置 d 然后再试一次：
td <- t(d)
# [,1] [,2] [,3] [,4]
#[1,] 1 2 3 4
#[2,] 5 6 7 8
image(td, main = "transpose", col = 1:8)
Em，好多了，不过好像行序颠倒了，所以想翻转一下。事实上，这样的翻转应该在 td 的列之间进行，因为 td:
## reverse the order of columns
image(td[, ncol(td):1], main = "transpose + flip", col = 1:8)
是的，这就是我们想要的！我们现在有一个矩阵的常规显示。
注意ncol(td)就是nrow(d)，td就是t(d)，所以我们也可以这样写：
image(t(d)[, nrow(d):1])
这就是你现在拥有的。