R 语言期末考试试卷

R语言期末考试试卷考试时间：90分钟满分：100分一、单项选择题（每题3分，共30分）在R语言中，创建向量的函数是（）A.data.frame()B.c()C.matrix()D.list()若要读取Excel文件“data.xlsx”中的“Sheet1”数据，需加载的包是（）A.dplyrB.ggplot2C.readxlD.tidyr下列代码中，能计算向量x<-c(1,3,5,7,9)平均值的是（）A.mean(x)B.sum(x)C.median(x)D.var(x)使用ggplot2包绘制散点图时，需指定的核心几何对象函数是（）A.geom_line()B.geom_point()C.geom_bar()D.geom_histogram()若要查看数据框df的前5行数据，正确的代码是（）A.head(df,5)B.tail(df,5)C.view(df[1:5,])D.print(df[5,])在R中，逻辑运算符“与”对应的符号是（）A.|B.&C.!D.==下列代码中，能创建3行4列、元素均为1的矩阵的是（）A.matrix(1,nrow=3,ncol=4)B.matrix(1,3,4)C.matrix(rep(1,12),3,4)D.以上都对使用dplyr包筛选数据框df中“age”列大于18的行，正确的代码是（）A.filter(df,age>18)B.select(df,age>18)C.arrange(df,age>18)D.mutate(df,age>18)下列函数中，能生成服从正态分布随机数的是（）A.rnorm()B.runif()C.rbinom()D.rexp()若要保存当前R工作空间中的所有对象到“workspace.RData”文件，正确的代码是（）A.save.image("workspace.RData")B.load("workspace.RData")C.save("workspace.RData")D.export("workspace.RData")二、简答题（每题6分，共30分）简述R语言中向量、矩阵、数据框的区别与联系。请写出使用ggplot2包绘制“x轴为体重（weight）、y轴为身高（height）、按性别（gender）分组着色”的散点图的核心代码框架（假设数据框名为data）。说明dplyr包中select()、filter()、mutate()、arrange()四个函数的功能及用法差异。若在R中运行代码时出现“object'x'notfound”错误，可能的原因有哪些？如何排查？简述R语言中读取文本文件（如CSV、TXT）的常用函数及参数设置（至少列举2个函数）。三、实操题（每题20分，共40分）现有CSV文件“student.csv”，数据包含“姓名（name）、性别（gender）、年龄（age）、数学成绩（math）、英语成绩（english）”5列。请使用R语言完成以下操作，写出完整代码及预期结果说明：（1）读取该CSV文件并查看数据的基本信息（维度、列名、数据类型）；（2）筛选出“数学成绩大于80且英语成绩大于75”的学生数据；（3）按性别分组，计算数学成绩和英语成绩的平均分；（4）绘制“性别”为x轴、“数学平均分”为y轴的条形图（要求添加标题“各性别数学成绩平均分”，x轴标签“性别”，y轴标签“平均分”）。已知向量x<-c(2,5,7,3,9,4,6,8,1,10)，请使用R语言完成以下统计与可视化任务，写出代码及结果解释：（1）计算向量x的均值、中位数、标准差、极差；（2）将向量x转换为2行5列的矩阵mat，并计算矩阵每行的和；（3）绘制向量x的直方图（要求设置组距为2，添加红色边框，标题“向量x的分布”）；（4）使用boxplot()函数绘制向量x的箱线图，判断是否存在异常值（需说明判断依据）。R语言期末考试试卷参考答案一、单项选择题（每题3分，共30分）B（c()是创建向量的基础函数，data.frame()创建数据框，matrix()创建矩阵，list()创建列表）C（readxl包专门用于读取Excel文件，dplyr用于数据处理，ggplot2用于绘图，tidyr用于数据整理）A（mean()计算均值，sum()求和，median()求中位数，var()求方差）B（geom_point()绘制散点图，geom_line()绘制折线图，geom_bar()绘制条形图，geom_histogram()绘制直方图）A（head(df,n)查看前n行，tail()查看后n行，view()需加载dplyr包且语法为view(df)）B（&表示“与”，|表示“或”，!表示“非”，==表示“等于”）D（matrix()中nrow和ncol可省略，rep(1,12)生成12个1，均能创建3行4列全1矩阵）A（filter()按条件筛选行，select()选择列，arrange()按列排序，mutate()新增列）A（rnorm()生成正态分布随机数，runif()生成均匀分布，rbinom()生成二项分布，rexp()生成指数分布）A（save.image()保存所有对象，load()加载保存的对象，save()需指定具体对象）二、简答题（每题6分，共30分）区别：向量：1维数据结构，所有元素类型相同（如数值型、字符型），通过索引[]访问元素；矩阵：2维数据结构（行×列），所有元素类型相同，通过[行索引,列索引]访问；数据框：2维数据结构，列可包含不同类型（如一列数值、一列字符），每列对应一个变量，每一行对应一个观测，是R中最常用的tabular数据格式。联系：矩阵可看作特殊的向量（增加维度信息），数据框的每一列本质是一个向量，三者均可通过索引访问元素，且可通过as.vector()、as.matrix()、as.data.frame()函数相互转换（需满足数据类型要求）。核心代码框架：#加载ggplot2包library(ggplot2)#绘制散点图ggplot(data=data,aes(x=weight,y=height,color=gender))+geom_point()+#散点图几何对象labs(x="体重",y="身高",color="性别")#设置轴标签和图例标题函数功能与用法差异：select(df,列名1,列名2)：选择列，按列名或列索引提取数据框中的指定列，如select(df,name,math)提取“姓名”和“数学成绩”列；filter(df,条件)：筛选行，按逻辑条件保留符合要求的行，如filter(df,age>=18)保留年龄≥18的行；mutate(df,新列名=计算规则)：新增列，基于已有列计算生成新列，如mutate(df,total=math+english)新增“总成绩”列；arrange(df,列名1,desc(列名2))：排序行，按指定列升序（默认）或降序（desc()）排序，如arrange(df,gender,desc(math))按性别升序、数学成绩降序排序。可能原因及排查方法：原因1：变量x未定义（未赋值），排查：运行ls()查看当前工作空间中的对象，确认是否存在x；原因2：变量x定义在其他环境（如函数内部、已关闭的脚本），排查：检查代码执行顺序，确保x的赋值语句在调用语句之前；原因3：变量名拼写错误（如大小写敏感，X与x是不同变量），排查：核对变量名拼写，使用Tab键自动补全避免拼写错误；原因4：数据框中的列名误作变量调用（如df$x误写为x），排查：若x是数据框df的列，需用df$x或df[,"x"]调用。常用函数及参数：（1）read.csv(file,header=TRUE,sep=",",stringsAsFactors=FALSE)：功能：读取CSV文件；关键参数：file指定文件路径（如"data/student.csv"），header是否将第一行作为列名（默认TRUE），sep指定分隔符（CSV文件默认,），stringsAsFactors是否将字符列转换为因子（默认FALSE，避免自动转换）。（2）read.table(file,header=FALSE,sep="",na.strings="NA")：功能：读取通用文本文件（如TXT）；关键参数：header默认FALSE（需手动指定列名），sep=""表示任意空白字符（空格、制表符）作为分隔符，na.strings指定缺失值标记（默认"NA"，如na.strings="?"表示将?视为缺失值）。三、实操题（每题20分，共40分）完整代码及结果说明：#（1）读取数据并查看基本信息#读取CSV文件（假设文件在当前工作目录）student<-read.csv("student.csv",stringsAsFactors=FALSE)#查看数据维度（行×列）dim(student)#预期输出：如[1]505（50行数据，5列）#查看列名colnames(student)#预期输出：[1]"name""gender""age""math""english"#查看数据类型和前几行str(student)#预期输出：字符型（name,gender）、数值型（age,math,english）head(student)#查看前6行数据#（2）筛选数学>80且英语>75的学生high_score<-filter(student,math>80&english>75)#预期结果：数据框仅包含符合条件的行，列数不变#（3）按性别分组计算平均分（需加载dplyr包）library(dplyr)gender_avg<-student%>%group_by(gender)%>%#按性别分组summarise(math_avg=mean(math,na.rm=TRUE),#数学平均分（排除缺失值）english_avg=mean(english,na.rm=TRUE)#英语平均分)#预期结果：2行（假设性别为男/女）3列（gender,math_avg,english_avg）的数据框#（4）绘制条形图（需加载ggplot2包）library(ggplot2)ggplot(data=gender_avg,aes(x=gender,y=math_avg))+geom_bar(stat="identity",fill="skyblue")+#条形图（stat="identity"用y轴数值作为高度）labs(title="各性别数学成绩平均分",x="性别",y="平均分")+theme(plot.title=element_text(hjust=0.5))#标题居中#预期结果：条形图x轴为“男/女”，y轴为对应平均分，蓝色条形，标题和轴标签清晰代码及结果解释：#定义向量xx<-c(2,5,7,3,9,4,6,8,1,10)#（1）计算统计量mean_x<-mean(x)#均值：(2+5+7+3+9+4+6+8+1+10)/10=5.5median_x<-median(x)#中位数：排序后为1,2,3,4,5,6,7,8,9,10，中间两个数5和6的平均=5.5sd_x<-sd(x)#标准差：约2.872（计算各数据与均值差的平方和/9后开方）range_x<-range(x)#极差：最大值10-最小值1=9#输出结果cat("均值：",mean_x,"，中位数：",median_x,"，标准差：",sd_x,"，极差：",range_x[2]-range_x[1],"\n")#（2）转换为矩阵并计算行和mat<-matrix(x,nrow=2,ncol=5,byrow=TRUE)#byrow=TRUE按行填充，矩阵为：#[,1][,2][,3][,4][,5]#[1,]25739#[2,]468110row_sum<-rowSums(mat)#行和：第