簡(jiǎn)介這份R語言試題及答案文檔面向正在學(xué)習(xí)或備考R語言的學(xué)習(xí)者尤其適合需要系統(tǒng)梳理基礎(chǔ)語法與統(tǒng)計(jì)概念的高校學(xué)生和數(shù)據(jù)分析入門者。內(nèi)容圍繞描述性統(tǒng)計(jì)與推斷性統(tǒng)計(jì)的區(qū)分、名義數(shù)據(jù)與計(jì)量數(shù)據(jù)等數(shù)據(jù)類型判定以及R語言基本操作展開涵蓋getwd()、head()、ls()、rm()等常用命令的用法并延伸到向量運(yùn)算、因子創(chuàng)建、矩陣構(gòu)造與索引等數(shù)據(jù)操作場(chǎng)景。資源包內(nèi)含1個(gè)docx文件約96KB以試題與答案解析的形式呈現(xiàn)便于對(duì)照練習(xí)與自測(cè)。目前已有11252人學(xué)習(xí)下載說明其在R語言入門練習(xí)中具有較高的參考價(jià)值。讀者可通過逐題作答與核對(duì)答案快速定位知識(shí)盲區(qū)掌握中位數(shù)、均值、方差、標(biāo)準(zhǔn)差等統(tǒng)計(jì)函數(shù)的調(diào)用方式理解邏輯變量、類型轉(zhuǎn)換與向量化運(yùn)算的輸出規(guī)律從而為后續(xù)統(tǒng)計(jì)建模與數(shù)據(jù)分析打下扎實(shí)基礎(chǔ)。1. 從一份 R 語言試題文檔說起它到底能幫你補(bǔ)上哪些基礎(chǔ)漏洞很多人學(xué) R 語言有個(gè)錯(cuò)覺能跑通read.csv、能畫出一張ggplot2的圖就覺得自己入門了。結(jié)果一到面試或者帶新人的時(shí)候被問一句「which.min返回的是值還是位置」「factor的levels和labels到底誰管順序」當(dāng)場(chǎng)卡殼。這份《R 試題附帶答案.docx》就是沖著這類基礎(chǔ)漏洞來的——它不是教程而是一份覆蓋描述性統(tǒng)計(jì)、數(shù)據(jù)類型、R 基本操作、向量與矩陣、數(shù)據(jù)框、控制流、概率分布、參數(shù)估計(jì)與假設(shè)檢驗(yàn)的題庫(kù)每道題后面直接附了答案。適合兩類人一是正在準(zhǔn)備 R 相關(guān)課程考試或面試的從業(yè)者二是已經(jīng)會(huì)用 R 但想系統(tǒng)回爐基礎(chǔ)概念的人。文檔本身是 docx 格式題目按章節(jié)編號(hào)答案緊跟在每節(jié)末尾對(duì)照起來不費(fèi)勁。2. 描述性統(tǒng)計(jì)與數(shù)據(jù)類型先搞清楚你手里的數(shù)到底是什么2.1 描述性統(tǒng)計(jì)和推斷性統(tǒng)計(jì)的分界線文檔第 1 章前幾道題反復(fù)在問同一件事用圖或表描述數(shù)據(jù)屬于什么統(tǒng)計(jì)答案是描述性統(tǒng)計(jì)。統(tǒng)計(jì)學(xué)分為描述性統(tǒng)計(jì)和推斷性統(tǒng)計(jì)這條線看著簡(jiǎn)單但實(shí)際工作中很多人會(huì)混。描述性統(tǒng)計(jì)只關(guān)心你手上這批數(shù)據(jù)本身——均值、中位數(shù)、頻數(shù)、條形圖、餅圖都是對(duì)已有數(shù)據(jù)的概括。推斷性統(tǒng)計(jì)則是用樣本去猜總體比如用 t 檢驗(yàn)判斷兩組均值差異是否顯著背后依賴的是概率分布和抽樣理論。為什么這個(gè)區(qū)分重要因?yàn)檫x錯(cuò)方法會(huì)導(dǎo)致結(jié)論站不住腳。你拿一批全量數(shù)據(jù)算了個(gè)均值然后說「這個(gè)均值可以推廣到所有同類場(chǎng)景」這就越界了——全量數(shù)據(jù)不需要推斷樣本數(shù)據(jù)才需要。文檔里用選擇題的形式把這個(gè)邊界劃得很清楚做完一遍基本不會(huì)再犯。2.2 數(shù)據(jù)類型名義、有序、計(jì)數(shù)、計(jì)量文檔第 1 章第 3 到第 6 題集中考數(shù)據(jù)類型。學(xué)歷是名義數(shù)據(jù)還是有序數(shù)據(jù)答案是名義數(shù)據(jù)——因?yàn)椤副究啤埂复T士」「博士」之間沒有天然的數(shù)學(xué)距離只是分類標(biāo)簽。身高是計(jì)量數(shù)據(jù)因?yàn)榭梢赃B續(xù)測(cè)量、可以做加減乘除。定量數(shù)據(jù)分為計(jì)數(shù)數(shù)據(jù)和計(jì)量數(shù)據(jù)定性數(shù)據(jù)分為名義數(shù)據(jù)和有序數(shù)據(jù)。這套分類不是學(xué)術(shù)擺設(shè)。在 R 里名義數(shù)據(jù)對(duì)應(yīng)factor且不需要設(shè)置orderedTRUE有序數(shù)據(jù)則需要orderedTRUE。如果你把有序因子當(dāng)名義因子處理做回歸時(shí)參考水平的選擇就會(huì)出問題。我一般拿到數(shù)據(jù)后的第一件事就是確認(rèn)每一列到底是哪類然后再?zèng)Q定用factor()還是as.numeric()。2.3 用 R 驗(yàn)證數(shù)據(jù)類型判斷光看概念容易忘直接在 R 里跑一遍印象更深# 構(gòu)造一個(gè)包含名義和有序數(shù)據(jù)的數(shù)據(jù)框 df - data.frame( education factor(c(本科, 碩士, 博士, 本科), levels c(本科, 碩士, 博士), ordered TRUE), # 有序因子 gender factor(c(男, 女, 男, 女)), # 名義因子 height c(170, 165, 180, 160) # 計(jì)量數(shù)據(jù) ) # 查看各列類型 str(df) # 判斷是否為有序因子 is.ordered(df$education) # TRUE is.ordered(df$gender) # FALSE # 名義數(shù)據(jù)做頻數(shù)統(tǒng)計(jì) table(df$gender) # 計(jì)量數(shù)據(jù)做描述性統(tǒng)計(jì) mean(df$height) sd(df$height)factor()里的levels參數(shù)決定了類別的排列順序orderedTRUE則告訴 R 這些類別之間有大小關(guān)系。str()會(huì)顯示每列的底層類型is.ordered()用來驗(yàn)證你的判斷對(duì)不對(duì)。table()是定性數(shù)據(jù)頻數(shù)統(tǒng)計(jì)的標(biāo)準(zhǔn)函數(shù)mean()和sd()則只對(duì)定量數(shù)據(jù)有意義。跑完這段代碼數(shù)據(jù)類型的概念就不再是紙面上的選擇題了。3. R 基本操作與向量運(yùn)算那些你以為會(huì)了其實(shí)沒會(huì)的命令3.1 工作目錄、對(duì)象管理與函數(shù)調(diào)用文檔第 2 章前幾道題考的是 R 環(huán)境的基本操作。查看當(dāng)前工作目錄用getwd()設(shè)置工作目錄用setwd()列出當(dāng)前工作空間所有變量名用ls()刪除以字母 n 開頭的所有對(duì)象用rm(listls(pat^n))。這幾條命令看著不起眼但實(shí)際項(xiàng)目中用錯(cuò)一次就夠你排查半天。head()函數(shù)默認(rèn)顯示前 6 個(gè)觀測(cè)值要看前 10 個(gè)就寫head(rt, n10)。這里有個(gè)細(xì)節(jié)n參數(shù)可以省略寫成head(rt, 10)效果一樣但顯式寫n10可讀性更好。我見過有人在腳本里寫head(rt, 10)然后被同事問「這個(gè) 10 是行數(shù)還是列數(shù)」所以后來我都強(qiáng)制自己寫參數(shù)名。# 查看當(dāng)前工作目錄 getwd() # 列出工作空間中所有對(duì)象名 ls() # 創(chuàng)建幾個(gè)以 n 開頭的變量 n1 - 1:10 n2 - letters n3 - matrix(1:9, nrow 3) other_var - keep me # 刪除所有以 n 開頭的對(duì)象 rm(list ls(pat ^n)) # 再次查看n1 n2 n3 已刪除other_var 保留 ls()ls(pat^n)里的pat參數(shù)接受正則表達(dá)式^n表示以 n 開頭。rm(list...)是刪除對(duì)象的固定寫法list不能省。這段代碼在清理臨時(shí)變量時(shí)特別有用比如你跑了一個(gè)循環(huán)生成了一堆中間對(duì)象用這條命令可以一次性清掉。3.2 向量運(yùn)算與常用統(tǒng)計(jì)函數(shù)文檔第 2 章中段大量考向量運(yùn)算。c(1,2,3,4,5) c(20,200)的結(jié)果是[1] 21 202 23 204 25因?yàn)?R 的向量加法會(huì)自動(dòng)循環(huán)補(bǔ)齊短向量。1:n-1的結(jié)果是0 1 2因?yàn)槊疤?hào)運(yùn)算符優(yōu)先級(jí)高于減號(hào)先算1:n再整體減 1。這些規(guī)則在寫腳本時(shí)如果記混結(jié)果會(huì)靜默出錯(cuò)——R 不會(huì)報(bào)錯(cuò)只會(huì)給你一個(gè)看起來合理但實(shí)際錯(cuò)誤的數(shù)。常用統(tǒng)計(jì)函數(shù)方面中位數(shù)是median()均值是mean()方差是var()標(biāo)準(zhǔn)差是sd()。sum(seq(1,5,by2))的結(jié)果是 9因?yàn)閟eq(1,5,by2)生成1 3 5。mean(rep(1:3, length.out5))的結(jié)果是 2.6因?yàn)閞ep把1 2 3循環(huán)擴(kuò)展到 5 個(gè)元素變成1 2 3 1 2均值是 1.8——等等這里要小心文檔里給的答案是 1.8我重新算一下1231299/51.8。對(duì)是 1.8不是 2.6。摘要里寫的 2.6 可能是筆誤以文檔答案為準(zhǔn)。# 向量循環(huán)補(bǔ)齊 c(1, 2, 3, 4, 5) c(20, 200) # 結(jié)果: 21 202 23 204 25 # 冒號(hào)優(yōu)先級(jí) 1:5 - 1 # 結(jié)果: 0 1 2 3 4 # seq 生成等差數(shù)列 sum(seq(1, 5, by 2)) # 結(jié)果: 9 # rep 的 length.out 參數(shù) mean(rep(1:3, length.out 5)) # 結(jié)果: 1.8 # which 返回滿足條件的下標(biāo) which(2:8 5) # 結(jié)果: 6 7 8對(duì)應(yīng)原向量中值大于5的位置 # 向量索引與條件篩選 x - rep(c(1, 4, 7), c(3, 2, 1)) x[x 5] # 結(jié)果: 7 v - 10:5 w - v[c(2, 4)] mean(w) # 結(jié)果: 8 v[-(1:5)] # 結(jié)果: 空集負(fù)索引排除前5個(gè)元素which()返回的是邏輯條件為TRUE的位置下標(biāo)不是值本身。x[x5]是條件篩選的經(jīng)典寫法方括號(hào)里放邏輯向量。負(fù)索引-(1:5)表示排除前 5 個(gè)元素如果向量長(zhǎng)度剛好是 5排除后就空了。這些操作在數(shù)據(jù)清洗階段用得極多建議逐條在 R 里跑一遍看輸出。3.3 矩陣與數(shù)組的創(chuàng)建和索引文檔第 2 章后段考矩陣操作。創(chuàng)建 3 行 4 列矩陣A可以用matrix(1:12, nrow3)也可以用array(1:12, dimc(3,4))還可以先建向量再設(shè)dim。矩陣索引A[2:3, 3:4]取的是第 2 到 3 行、第 3 到 4 列的子矩陣。apply(A, 2, sum)對(duì)每列求和apply(A, 1, sum)對(duì)每行求和。rbind()按行合并cbind()按列合并。# 創(chuàng)建矩陣 A - matrix(1:12, nrow 3) A # 取子矩陣 A[2:3, 3:4] # 取第一列 A[, 1] # 按列求和 apply(A, 2, sum) # 結(jié)果: 6 15 24 33 # 按行求和 apply(A, 1, sum) # 結(jié)果: 22 26 30 # 合并矩陣 B - matrix(13:24, nrow 3) rbind(A, B) # 按行合并6行4列 cbind(A, B) # 按列合并3行8列apply()的第二個(gè)參數(shù)是MARGIN1表示按行2表示按列。這個(gè)參數(shù)搞反了結(jié)果就完全不對(duì)而且不會(huì)報(bào)錯(cuò)。rbind和cbind要求兩個(gè)矩陣的行數(shù)或列數(shù)匹配不匹配會(huì)報(bào)錯(cuò)。矩陣索引里如果只寫一個(gè)維度比如A[,1]返回的是向量而不是矩陣需要加dropFALSE才能保持矩陣格式。4. 數(shù)據(jù)框、列表與控制流從數(shù)據(jù)結(jié)構(gòu)到邏輯分支4.1 數(shù)據(jù)框的列訪問方式與列表嵌套文檔第 2 章末尾考數(shù)據(jù)框和列表。數(shù)據(jù)框df要取Height列df[Height]返回的是數(shù)據(jù)框df[[Height]]和df$Height返回的是向量。這三種寫法結(jié)果類型不同在函數(shù)傳參時(shí)如果搞混下游代碼可能報(bào)錯(cuò)。數(shù)據(jù)框的列本質(zhì)是向量列內(nèi)類型一致列間類型可以不同——這是它和矩陣的核心區(qū)別。列表可以嵌套任意類型mylist[[2]][3]取的是列表第 2 個(gè)元素的第 3 個(gè)子元素。mylist[[3]][8]取的是第 3 個(gè)元素矩陣中的第 8 個(gè)值。雙括號(hào)[[和單括號(hào)[的區(qū)別在于單括號(hào)返回子列表雙括號(hào)返回元素本身。# 構(gòu)造數(shù)據(jù)框 df - data.frame( Name c(Alice, Becka, James, Jeffrey, John), Sex c(F, F, M, M, M), Age c(13, 13, 12, 13, 12), Height c(56.5, 65.3, 57.3, 62.5, 59.0), Weight c(84.0, 98.0, 83.0, 84.0, 99.5) ) # 三種列訪問方式 df[Height] # 返回?cái)?shù)據(jù)框 df[[Height]] # 返回向量 df$Height # 返回向量 # 構(gòu)造列表 v1 - c(10:18) v2 - c(a, b, c) m - matrix(1:9, nrow 3) f - factor(c(M, F, F, M)) mylist - list(v1, v2, m, f) # 訪問列表元素 mylist[[2]][3] # c mylist[[3]][8] # 8 mylist[[3]][2, 3] # 矩陣第2行第3列的值df$Height最簡(jiǎn)潔但在函數(shù)內(nèi)部用$訪問列名有時(shí)會(huì)觸發(fā) R CMD check 的警告所以寫包的時(shí)候更推薦df[[Height]]。列表的[[是遞歸索引[是子集索引這個(gè)區(qū)別在嵌套列表里尤其明顯。4.2 控制流與自定義函數(shù)文檔第 3 章考switch、if-else和自定義函數(shù)。switch(x, 35, 3*5, 3-5, 3**5)當(dāng)x4時(shí)返回3**5即 243。if-else的花括號(hào)位置不影響執(zhí)行但else必須和前面的}在同一行交互模式下否則 R 會(huì)誤以為語句結(jié)束。自定義函數(shù)保存為.R文件后需要用source(myfun.R)加載才能調(diào)用。# switch 語句 x - 4 switch(x, 35 3 5, 3*5 3 * 5, 3-5 3 - 5, 3**5 3**5) # 結(jié)果: 243 # 自定義函數(shù) common.statistics - function(x, type) { switch(type, mean mean(x), median median(x), sum sum(x), max max(x), min min(x)) } x - c(1, 2, 3, 4, 5, 6) common.statistics(x, mean) # 3.5 common.statistics(x, median) # 3.5 # 保存為 myfun.R 后加載 # source(myfun.R)switch在 R 里既可以按名稱匹配也可以按位置匹配。按名稱匹配時(shí)如果傳入的名稱沒有對(duì)應(yīng)分支返回NULL。source()的參數(shù)是文件路徑字符串不是對(duì)象名。自定義函數(shù)內(nèi)部用switch做分發(fā)是 R 里很常見的寫法比一長(zhǎng)串if-else清爽得多。5. 概率分布與統(tǒng)計(jì)推斷從二項(xiàng)分布到假設(shè)檢驗(yàn)的避坑清單5.1 常見分布及其 R 函數(shù)對(duì)應(yīng)關(guān)系文檔第 4 章考概率分布。二項(xiàng)分布X~B(n,p)的期望是np方差是np(1-p)。泊松分布X~P(λ)的期望和方差都是λ。均勻分布X~U(a,b)的期望是(ab)/2方差是(b-a)^2/12。正態(tài)分布X~N(μ,σ^2)的期望是μ方差是σ^2。指數(shù)分布的期望是1/λ方差是1/λ^2。在 R 里每種分布都有四個(gè)前綴函數(shù)d是密度函數(shù)p是累積分布函數(shù)q是分位數(shù)函數(shù)r是隨機(jī)數(shù)生成函數(shù)。比如正態(tài)分布對(duì)應(yīng)dnorm、pnorm、qnorm、rnorm。二項(xiàng)分布對(duì)應(yīng)dbinom、pbinom、qbinom、rbinom。# 二項(xiàng)分布 dbinom(3, size 10, prob 0.5) # 恰好3次成功的概率 pbinom(3, size 10, prob 0.5) # 至多3次成功的累積概率 qbinom(0.5, size 10, prob 0.5) # 中位數(shù)對(duì)應(yīng)的成功次數(shù) rbinom(5, size 10, prob 0.5) # 生成5個(gè)隨機(jī)數(shù) # 正態(tài)分布 pnorm(1.96) # 標(biāo)準(zhǔn)正態(tài)累積概率 qnorm(0.975) # 95%分位數(shù) rnorm(10, mean 0, sd 1) # 生成10個(gè)標(biāo)準(zhǔn)正態(tài)隨機(jī)數(shù) # 指數(shù)分布 pexp(2, rate 0.5) # 累積概率dbinom的size是試驗(yàn)次數(shù)prob是單次成功概率。pnorm默認(rèn)是標(biāo)準(zhǔn)正態(tài)要算一般正態(tài)需要指定mean和sd。這些函數(shù)在模擬和假設(shè)檢驗(yàn)里用得非常多建議把常用分布的四個(gè)前綴都過一遍。5.2 避坑清單R 基礎(chǔ)操作里最容易翻車的五個(gè)點(diǎn)現(xiàn)象一1:n-1的結(jié)果和預(yù)期不符。原因冒號(hào)運(yùn)算符優(yōu)先級(jí)高于減號(hào)1:n-1實(shí)際是(1:n)-1。解決如果要生成1到n-1寫1:(n-1)加括號(hào)?，F(xiàn)象二df[Height]傳給函數(shù)后報(bào)錯(cuò)。原因df[Height]返回的是數(shù)據(jù)框不是向量很多函數(shù)期望向量輸入。解決用df[[Height]]或df$Height取向量?，F(xiàn)象三rm(listls(pat^n))刪錯(cuò)了對(duì)象。原因pat參數(shù)是正則表達(dá)式^n匹配所有以 n 開頭的對(duì)象名包括你不想刪的。解決先ls(pat^n)看一眼會(huì)匹配到哪些確認(rèn)后再刪。現(xiàn)象四source(myfun.R)后函數(shù)還是找不到。原因文件路徑不對(duì)或者文件里函數(shù)名拼寫和調(diào)用時(shí)不一致。解決用getwd()確認(rèn)當(dāng)前目錄用file.exists(myfun.R)確認(rèn)文件存在用ls()確認(rèn)函數(shù)已加載?，F(xiàn)象五apply(A, 1, sum)和apply(A, 2, sum)結(jié)果搞反。原因MARGIN1表示按行MARGIN2表示按列記混了。解決記住「1 橫著走2 豎著走」或者先用小矩陣測(cè)試一下。6. 用這份試題做自測(cè)一個(gè)可復(fù)現(xiàn)的刷題與驗(yàn)證流程拿到這份 docx 之后我一般不會(huì)從頭到尾讀一遍就完事。更有效的做法是把它當(dāng)成自測(cè)工具按下面的流程走一遍。第一步把文檔里的題目按章節(jié)拆開先不看答案自己用 R 跑一遍。比如第 2 章的向量運(yùn)算題直接在 R 控制臺(tái)里輸入表達(dá)式看輸出和你的預(yù)期是否一致。不一致的地方就是你的知識(shí)盲區(qū)。第二步對(duì)于概念題比如數(shù)據(jù)類型判斷、分布期望方差用 R 寫一段驗(yàn)證代碼。比如文檔說均勻分布的方差是(b-a)^2/12你可以用var(runif(100000, min0, max1))模擬一下看結(jié)果是否接近1/12。# 驗(yàn)證均勻分布方差 set.seed(42) samples - runif(100000, min 0, max 1) var(samples) # 接近 1/12 ≈ 0.0833 (1 - 0)^2 / 12 # 理論值 # 驗(yàn)證二項(xiàng)分布期望 samples_binom - rbinom(100000, size 20, prob 0.3) mean(samples_binom) # 接近 20 * 0.3 6 20 * 0.3 # 理論期望 # 驗(yàn)證指數(shù)分布期望 samples_exp - rexp(100000, rate 2) mean(samples_exp) # 接近 1/2 0.5 1 / 2 # 理論期望set.seed()保證每次運(yùn)行生成的隨機(jī)數(shù)一致方便復(fù)現(xiàn)。runif的min和max參數(shù)指定均勻分布區(qū)間rbinom的size和prob對(duì)應(yīng)二項(xiàng)分布的參數(shù)rexp的rate是 λ。模擬樣本量越大樣本統(tǒng)計(jì)量越接近理論值。第三步把做錯(cuò)的題目標(biāo)記出來回到文檔對(duì)應(yīng)章節(jié)重新看概念。如果同一類錯(cuò)誤反復(fù)出現(xiàn)比如總是搞混apply的MARGIN參數(shù)那就專門寫一段代碼反復(fù)練直到形成肌肉記憶。第四步對(duì)于假設(shè)檢驗(yàn)和參數(shù)估計(jì)部分文檔第 5 章文檔只給了概念題沒有給完整的數(shù)據(jù)分析流程。我一般會(huì)自己補(bǔ)一個(gè)完整案例用t.test()做單樣本均值檢驗(yàn)用chisq.test()做擬合優(yōu)度檢驗(yàn)用shapiro.test()做正態(tài)性檢驗(yàn)。這些函數(shù)的輸出里包含統(tǒng)計(jì)量、自由度、p 值和置信區(qū)間對(duì)照文檔里的概念題一起看理解會(huì)更深。# 單樣本 t 檢驗(yàn) set.seed(123) data - rnorm(30, mean 5, sd 2) t.test(data, mu 5) # 卡方擬合優(yōu)度檢驗(yàn) observed - c(30, 20, 25, 25) chisq.test(observed) # 正態(tài)性檢驗(yàn) shapiro.test(data)t.test的mu參數(shù)是原假設(shè)的均值輸出里的p-value小于 0.05 就拒絕原假設(shè)。chisq.test默認(rèn)檢驗(yàn)均勻分布要檢驗(yàn)其他分布需要指定p參數(shù)。shapiro.test的 p 值大于 0.05 表示不能拒絕正態(tài)性假設(shè)。從那以后我每次拿到一份新的 R 試題或教程都會(huì)先跑一遍代碼驗(yàn)證再對(duì)照答案查漏補(bǔ)缺最后把錯(cuò)題對(duì)應(yīng)的知識(shí)點(diǎn)寫成可執(zhí)行的 R 腳本存下來。這份試題文檔的價(jià)值不在于題目本身而在于它逼著你把那些「以為自己會(huì)了」的基礎(chǔ)概念真正落到 R 代碼里跑通。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取