簡介這份R語言試題及答案文檔面向正在學習或備考R語言的學習者尤其適合需要系統(tǒng)梳理基礎語法與統(tǒng)計概念的高校學生和數(shù)據(jù)分析入門者。內(nèi)容圍繞描述性統(tǒng)計與推斷性統(tǒng)計的區(qū)分、名義數(shù)據(jù)與計量數(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算、因子創(chuàng)建、矩陣構(gòu)造與索引等數(shù)據(jù)操作場景。資源包內(nèi)含1個docx文件約96KB以試題與答案解析的形式呈現(xiàn)便于對照練習與自測。目前已有11252人學習下載說明其在R語言入門練習中具有較高的參考價值。讀者可通過逐題作答與核對答案快速定位知識盲區(qū)掌握中位數(shù)、均值、方差、標準差等統(tǒng)計函數(shù)的調(diào)用方式理解邏輯變量、類型轉(zhuǎn)換與向量化運算的輸出規(guī)律從而為后續(xù)統(tǒng)計建模與數(shù)據(jù)分析打下扎實基礎。1. 從一份 R 語言試題文檔說起它到底能幫你補上哪些基礎漏洞很多人學 R 語言有個錯覺能跑通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」當場卡殼。這份《R 試題附帶答案.docx》就是沖著這類基礎漏洞來的——它不是教程而是一份覆蓋描述性統(tǒng)計、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)估計與假設檢驗的題庫每道題后面直接附了答案。適合兩類人一是正在準備 R 相關(guān)課程考試或面試的從業(yè)者二是已經(jīng)會用 R 但想系統(tǒng)回爐基礎概念的人。文檔本身是 docx 格式題目按章節(jié)編號答案緊跟在每節(jié)末尾對照起來不費勁。2. 描述性統(tǒng)計與數(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)計和推斷性統(tǒng)計的分界線文檔第 1 章前幾道題反復在問同一件事用圖或表描述數(shù)據(jù)屬于什么統(tǒng)計答案是描述性統(tǒng)計。統(tǒng)計學分為描述性統(tǒng)計和推斷性統(tǒng)計這條線看著簡單但實際工作中很多人會混。描述性統(tǒng)計只關(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、餅圖都是對已有數(shù)據(jù)的概括。推斷性統(tǒng)計則是用樣本去猜總體比如用 t 檢驗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。為什么這個區(qū)分重要因為選錯方法會導致結(jié)論站不住腳。你拿一批全量數(shù)據(jù)算了個均值然后說「這個均值可以推廣到所有同類場景」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邊界劃得很清楚做完一遍基本不會再犯。2.2 數(shù)據(jù)類型名義、有序、計數(shù)、計量文檔第 1 章第 3 到第 6 題集中考數(shù)據(jù)類型。學歷是名義數(shù)據(jù)還是有序數(shù)據(jù)答案是名義數(shù)據(jù)——因為「本科」「碩士」「博士」之間沒有天然的數(shù)學距離只是分類標簽。身高是計量數(shù)據(jù)因為可以連續(xù)測量、可以做加減乘除。定量數(shù)據(jù)分為計數(shù)數(shù)據(jù)和計量數(shù)據(jù)定性數(shù)據(jù)分為名義數(shù)據(jù)和有序數(shù)據(jù)。這套分類不是學術(shù)擺設。在 R 里名義數(shù)據(jù)對應factor且不需要設置orderedTRUE有序數(shù)據(jù)則需要orderedTRUE。如果你把有序因子當名義因子處理做回歸時參考水平的選擇就會出問題。我一般拿到數(shù)據(jù)后的第一件事就是確認每一列到底是哪類然后再決定用factor()還是as.numeric()。2.3 用 R 驗證數(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 table(df$gender) # 計量數(shù)據(jù)做描述性統(tǒng)計 mean(df$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()會顯示每列的底層類型is.ordered()用來驗證你的判斷對不對。table()是定性數(shù)據(jù)頻數(shù)統(tǒng)計的標準函數(shù)mean()和sd()則只對定量數(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 基本操作與向量運算那些你以為會了其實沒會的命令3.1 工作目錄、對象管理與函數(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。查看當前工作目錄用getwd()設置工作目錄用setwd()列出當前工作空間所有變量名用ls()刪除以字母 n 開頭的所有對象用rm(listls(pat^n))。這幾條命令看著不起眼但實際項目中用錯一次就夠你排查半天。head()函數(shù)默認顯示前 6 個觀測值要看前 10 個就寫head(rt, n10)。這里有個細節(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 10 是行數(shù)還是列數(shù)」所以后來我都強制自己寫參數(shù)名。# 查看當前工作目錄 getwd() # 列出工作空間中所有對象名 ls() # 創(chuàng)建幾個以 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)接受正則表達式^n表示以 n 開頭。rm(list...)是刪除對象的固定寫法list不能省。這段代碼在清理臨時變量時特別有用比如你跑了一個循環(huán)生成了一堆中間對象用這條命令可以一次性清掉。3.2 向量運算與常用統(tǒng)計函數(shù)文檔第 2 章中段大量考向量運算。c(1,2,3,4,5) c(20,200)的結(jié)果是[1] 21 202 23 204 25因為 R 的向量加法會自動循環(huán)補齊短向量。1:n-1的結(jié)果是0 1 2因為冒號運算符優(yōu)先級高于減號先算1:n再整體減 1。這些規(guī)則在寫腳本時如果記混結(jié)果會靜默出錯——R 不會報錯只會給你一個看起來合理但實際錯誤的數(shù)。常用統(tǒng)計函數(shù)方面中位數(shù)是median()均值是mean()方差是var()標準差是sd()。sum(seq(1,5,by2))的結(jié)果是 9因為seq(1,5,by2)生成1 3 5。mean(rep(1:3, length.out5))的結(jié)果是 2.6因為rep把1 2 3循環(huán)擴展到 5 個元素變成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。# 向量循環(huán)補齊 c(1, 2, 3, 4, 5) c(20, 200) # 結(jié)果: 21 202 23 204 25 # 冒號優(yōu)先級 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 which(2:8 5) # 結(jié)果: 6 7 8對應原向量中值大于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: 空集負索引排除前5個元素which()返回的是邏輯條件為TRUE的位置下標不是值本身。x[x5]是條件篩選的經(jīng)典寫法方括號里放邏輯向量。負索引-(1:5)表示排除前 5 個元素如果向量長度剛好是 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)對每列求和apply(A, 1, sum)對每行求和。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()的第二個參數(shù)是MARGIN1表示按行2表示按列。這個參數(shù)搞反了結(jié)果就完全不對而且不會報錯。rbind和cbind要求兩個矩陣的行數(shù)或列數(shù)匹配不匹配會報錯。矩陣索引里如果只寫一個維度比如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)傳參時如果搞混下游代碼可能報錯。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 個元素的第 3 個子元素。mylist[[3]][8]取的是第 3 個元素矩陣中的第 8 個值。雙括號[[和單括號[的區(qū)別在于單括號返回子列表雙括號返回元素本身。# 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] # 返回數(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最簡潔但在函數(shù)內(nèi)部用$訪問列名有時會觸發(fā) R CMD check 的警告所以寫包的時候更推薦df[[Height]]。列表的[[是遞歸索引[是子集索引這個區(qū)別在嵌套列表里尤其明顯。4.2 控制流與自定義函數(shù)文檔第 3 章考switch、if-else和自定義函數(shù)。switch(x, 35, 3*5, 3-5, 3**5)當x4時返回3**5即 243。if-else的花括號位置不影響執(zhí)行但else必須和前面的}在同一行交互模式下否則 R 會誤以為語句結(jié)束。自定義函數(shù)保存為.R文件后需要用source(myfun.R)加載才能調(diào)用。# switch 語句 x - 4 switch(x, 35 3 5, 3*5 3 * 5, 3-5 3 - 5, 3**5 3**5) # 結(jié)果: 243 # 自定義函數(shù) common.statistics - function(x, type) { switch(type, mean mean(x), median median(x), sum sum(x), max max(x), min min(x)) } x - c(1, 2, 3, 4, 5, 6) common.statistics(x, mean) # 3.5 common.statistics(x, median) # 3.5 # 保存為 myfun.R 后加載 # source(myfun.R)switch在 R 里既可以按名稱匹配也可以按位置匹配。按名稱匹配時如果傳入的名稱沒有對應分支返回NULL。source()的參數(shù)是文件路徑字符串不是對象名。自定義函數(shù)內(nèi)部用switch做分發(fā)是 R 里很常見的寫法比一長串if-else清爽得多。5. 概率分布與統(tǒng)計推斷從二項分布到假設檢驗的避坑清單5.1 常見分布及其 R 函數(shù)對應關(guān)系文檔第 4 章考概率分布。二項分布X~B(n,p)的期望是np方差是np(1-p)。泊松分布X~P(λ)的期望和方差都是λ。均勻分布X~U(a,b)的期望是(ab)/2方差是(b-a)^2/12。正態(tài)分布X~N(μ,σ^2)的期望是μ方差是σ^2。指數(shù)分布的期望是1/λ方差是1/λ^2。在 R 里每種分布都有四個前綴函數(shù)d是密度函數(shù)p是累積分布函數(shù)q是分位數(shù)函數(shù)r是隨機數(shù)生成函數(shù)。比如正態(tài)分布對應dnorm、pnorm、qnorm、rnorm。二項分布對應dbinom、pbinom、qbinom、rbinom。# 二項分布 dbinom(3, size 10, prob 0.5) # 恰好3次成功的概率 pbinom(3, size 10, prob 0.5) # 至多3次成功的累積概率 qbinom(0.5, size 10, prob 0.5) # 中位數(shù)對應的成功次數(shù) rbinom(5, size 10, prob 0.5) # 生成5個隨機數(shù) # 正態(tài)分布 pnorm(1.96) # 標準正態(tài)累積概率 qnorm(0.975) # 95%分位數(shù) rnorm(10, mean 0, sd 1) # 生成10個標準正態(tài)隨機數(shù) # 指數(shù)分布 pexp(2, rate 0.5) # 累積概率dbinom的size是試驗次數(shù)prob是單次成功概率。pnorm默認是標準正態(tài)要算一般正態(tài)需要指定mean和sd。這些函數(shù)在模擬和假設檢驗里用得非常多建議把常用分布的四個前綴都過一遍。5.2 避坑清單R 基礎操作里最容易翻車的五個點現(xiàn)象一1:n-1的結(jié)果和預期不符。原因冒號運算符優(yōu)先級高于減號1:n-1實際是(1:n)-1。解決如果要生成1到n-1寫1:(n-1)加括號。現(xiàn)象二df[Height]傳給函數(shù)后報錯。原因df[Height]返回的是數(shù)據(jù)框不是向量很多函數(shù)期望向量輸入。解決用df[[Height]]或df$Height取向量?，F(xiàn)象三rm(listls(pat^n))刪錯了對象。原因pat參數(shù)是正則表達式^n匹配所有以 n 開頭的對象名包括你不想刪的。解決先ls(pat^n)看一眼會匹配到哪些確認后再刪?，F(xiàn)象四source(myfun.R)后函數(shù)還是找不到。原因文件路徑不對或者文件里函數(shù)名拼寫和調(diào)用時不一致。解決用getwd()確認當前目錄用file.exists(myfun.R)確認文件存在用ls()確認函數(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」或者先用小矩陣測試一下。6. 用這份試題做自測一個可復現(xiàn)的刷題與驗證流程拿到這份 docx 之后我一般不會從頭到尾讀一遍就完事。更有效的做法是把它當成自測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 章的向量運算題直接在 R 控制臺里輸入表達式看輸出和你的預期是否一致。不一致的地方就是你的知識盲區(qū)。第二步對于概念題比如數(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 # 驗證二項分布期望 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()保證每次運行生成的隨機數(shù)一致方便復現(xiàn)。runif的min和max參數(shù)指定均勻分布區(qū)間rbinom的size和prob對應二項分布的參數(shù)rexp的rate是 λ。模擬樣本量越大樣本統(tǒng)計量越接近理論值。第三步把做錯的題目標記出來回到文檔對應章節(jié)重新看概念。如果同一類錯誤反復出現(xiàn)比如總是搞混apply的MARGIN參數(shù)那就專門寫一段代碼反復練直到形成肌肉記憶。第四步對于假設檢驗和參數(shù)估計部分文檔第 5 章文檔只給了概念題沒有給完整的數(shù)據(jù)分析流程。我一般會自己補一個完整案例用t.test()做單樣本均值檢驗用chisq.test()做擬合優(yōu)度檢驗用shapiro.test()做正態(tài)性檢驗。這些函數(shù)的輸出里包含統(tǒng)計量、自由度、p 值和置信區(qū)間對照文檔里的概念題一起看理解會更深。# 單樣本 t 檢驗 set.seed(123) data - rnorm(30, mean 5, sd 2) t.test(data, mu 5) # 卡方擬合優(yōu)度檢驗 observed - c(30, 20, 25, 25) chisq.test(observed) # 正態(tài)性檢驗 shapiro.test(data)t.test的mu參數(shù)是原假設的均值輸出里的p-value小于 0.05 就拒絕原假設。chisq.test默認檢驗均勻分布要檢驗其他分布需要指定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。從那以后我每次拿到一份新的 R 試題或教程都會先跑一遍代碼驗證再對照答案查漏補缺最后把錯題對應的知識點寫成可執(zhí)行的 R 腳本存下來。這份試題文檔的價值不在于題目本身而在于它逼著你把那些「以為自己會了」的基礎概念真正落到 R 代碼里跑通。希望幫到你。本文還有配套的精品資源點擊獲取