★ FEATURED ARTICLE 简介这份R语言试题文档面向正在学习或备考R语言的初学者与数据分析入门者帮助其通过做题巩固基础语法与统计概念。内容覆盖描述性统计与推断性统计的区分、名义数据与计量数据等数据类型判断以及getwd()、head()、ls()、rm()等常用操作命令并延伸到向量运算、因子创建、矩阵构造与索引等数据操作细节每道题均附带参考答案便于自测与查漏补缺。资源包内含1个docx文件约96KB轻量易读适合打印练习或对照复习。目前已有11252人学习下载热度较高说明其题目设置与知识点覆盖获得较多学习者认可。读者可借此系统梳理R语言入门阶段的核心考点快速检验对统计基础与R基本操作的掌握程度为后续数据分析实践打下扎实基础。1. 从一道“送分题”翻车说起这套 R 试题到底考什么先看一道题c(1, 2, 3, 4, 5) c(20, 200)的结果是什么四个选项里两个看起来都像那么回事。很多人第一反应是“向量长度不一样肯定报错”直接选了 A。正确答案是 C——R 的向量化运算会自动循环补齐短向量c(20, 200)被拉长成c(20, 200, 20, 200, 20)逐位相加得到21 202 23 204 25。这道题不考你背没背过加法考的是你对 R 底层运算逻辑有没有形成条件反射。这套 R 试题附带答案覆盖绪论、R 软件入门、数据描述性分析、概率与随机变量、参数估计与假设检验五大模块。题型以选择、填空、代码结果判断为主考的不是你会不会写复杂程序而是你对 R 语言核心机制和统计学基本概念的掌握是否扎实。适合正在准备 R 语言相关课程期末考、数据分析岗笔试、统计学基础面试的人。下面按考点模块拆开讲每道题都给答题思路你直接拿去练。2. 绪论与数据类型统计学的“户口本”怎么定2.1 描述性统计 vs 推断性统计一句话分清绪论部分反复考一个区分用图或表描述数据属于什么统计答案是描述性统计。统计学分为描述性统计和推断性统计两大类。这个知识点本身不难但出题人会换着花样问——给你一个场景让你判断属于哪一类。答题思路很简单看目的是“概括当前数据”还是“由样本推总体”。画直方图、算均值、做频数表都是描述性统计用样本均值估计总体均值、做假设检验、构造置信区间都是推断性统计。面试官如果问“你怎么理解描述性统计和推断性统计的区别”别背定义直接说“描述性统计是看手里这副牌有什么推断性统计是猜整副牌长什么样”对方立刻知道你懂了。2.2 数据类型四象限名义、有序、计数、计量这是必考考点而且极易混淆。原题里问“学历是什么数据”答案是名义数据问“身高是什么数据”答案是计量数据。这里要建立一个清晰的分类框架大类子类特征例子定性数据名义数据类别无顺序性别、血型、学历定性数据有序数据类别有顺序满意度等级、教育程度定量数据计数数据只能取非负整数人数、次数定量数据计量数据可取任意数值身高、体重、温度注意一个容易翻车的点学历在有些教材里被归为有序数据但这套题明确给的是名义数据。考试时以题目给出的分类标准为准不要跟出题人较劲。面试中如果被问到你可以说“学历严格来说是有序的但如果只区分类别不做排序按名义数据处理也常见”展示你知道争议点在哪。2.3 真题演练数据类型判断题题目定量数据分为计数数据和______定性数据分为______和有序数据。答题思路第一空填“计量数据”第二空填“名义数据”。这类填空题考的是分类体系的完整性你脑子里要有一棵树定量分两支定性分两支一共四个叶子节点。记忆口诀可以自己编比如“定量计计定性名有”顺口就行。另一道L - 3 5变量 L 是什么类型值是多少答案是逻辑变量FALSE。这里考的是 R 中比较运算符返回逻辑值3 5不成立所以是 FALSE。面试官可能会追问“如果写L - 3 5会怎样”答案是报错因为在赋值语境下不能做比较。这种细节题就是用来筛掉“大概知道”的人的。3. R 软件入门工作空间、向量运算与函数调用3.1 工作目录与对象管理getwd、ls、rm 三件套原题里连续考了三个基础命令查看当前工作目录用getwd()列出当前工作空间所有变量名用ls()删除所有以字母 n 开头的对象用rm(listls(pat^n))。这三个命令是 R 入门必考没有商量余地。getwd()返回当前工作目录的绝对路径setwd()用来修改。面试中如果问“你怎么管理 R 项目的工作目录”别只说 setwd要提“用 RStudio 项目文件或 here 包来管理相对路径避免 setwd 写死绝对路径导致换台机器就跑不了”。这个回答直接拉开你跟背题选手的差距。ls()列出变量名ls.str()还会显示每个变量的结构。删除对象的rm()本身不难但rm(listls(pat^n))这个组合考的是ls()的pat参数支持正则表达式^n表示以 n 开头。答题时如果记不住完整写法至少写出rm(listls(pattern^n))pat是pattern的缩写R 会自动做部分匹配。3.2 向量化运算与循环补齐R 的“玄学”之一回到第 1 章提到的那道题c(1,2,3,4,5) c(20,200)。R 的向量运算默认按元素对齐短向量自动循环补齐。这个机制叫“recycling rule”是 R 最核心的运算逻辑之一也是面试高频考点。# 向量循环补齐示例 a - c(1, 2, 3, 4, 5) b - c(20, 200) a b # 输出: 21 202 23 204 25 # b 被循环扩展为 c(20, 200, 20, 200, 20)逻辑说明R 不会因为长度不匹配就报错而是把短向量反复重复直到长度对齐。如果长向量长度不是短向量长度的整数倍R 会给出警告但仍然计算。这个机制在数据框列运算中同样适用但容易导致静默错误——你以为在算 A 列减 B 列实际上 B 列被循环补齐了。面试官如果问“R 向量运算有什么坑”这就是标准答案。3.3 真题演练函数嵌套与结果判断题目sum(seq(1,5,by2))的运行结果是多少答题思路先算seq(1,5,by2)生成序列 1, 3, 5再算sum(1,3,5)结果是 9。这类题考的是函数嵌套的求值顺序从内到外一层层剥。面试中如果让你口算别慌把中间结果写出来再算下一步。题目mean(rep(1:3, length.out 5))的运行结果是多少答题思路rep(1:3, length.out5)把 1,2,3 重复并截断到长度 5得到 1,2,3,1,2均值是(12312)/5 1.8。注意length.out参数和times参数的区别times控制重复次数length.out控制最终长度。这道题如果错大概率是把length.out5理解成了“重复 5 次”。题目which(2:8 5)的运行结果是什么答题思路2:8是 2,3,4,5,6,7,8 5得到 FALSE,FALSE,FALSE,FALSE,TRUE,TRUE,TRUEwhich()返回 TRUE 的位置索引即 5,6,7。答案是 B。注意which()返回的是位置不是值这是最常见的失分点。4. 数据描述性分析平均数选择与图形函数4.1 四种平均数的适用场景算术、加权、几何、调和这部分是描述性统计的核心考点原题连续出了四道平均数选择题。核心判断逻辑如下算术平均数各观测值同等重要直接加总除以个数。比如一周每天卖的手机数。加权平均数各观测值权重不同。比如总评成绩 平时 10% 实验 20% 期末 70%。几何平均数用于比率或增长率连乘场景。比如连续多期的平均增长率。调和平均数用于“每单位多少钱”或“每公里耗油”这类倒数关系。比如前半段时速 60、后半段时速 30求平均速度。原题里有一道经典题三个农贸市场各买 1 元钱水果价格分别是 1.00、0.90、0.90 元/千克求平均每千克价格。答案是调和平均数。为什么因为你花的是固定金额1 元买到的是不同重量总金额除以总重量才是平均价格。如果各买 1 千克那就用算术平均数。这个区分点面试官非常喜欢考因为能直接看出你有没有真正理解“权重在哪”。4.2 定性数据与定量数据的图形函数对照原题要求填空描述定性数据的图形主要有条形图、饼图和 Pareto 图对应函数barplot()、pie()描述定量数据的图形有直方图、茎叶图和箱线图对应函数hist()、stem()、boxplot()。这里有一个容易混的点条形图barplot和直方图hist长得像但用途不同。条形图用于定性数据的频数展示横轴是类别直方图用于定量数据的分组频数横轴是数值区间。面试中如果问“什么时候用条形图什么时候用直方图”你就说“看横轴是类别还是数值区间”一句话说清。数值法描述定性数据用频数和相对频数对应函数table()和prop.table()。table()返回频数表prop.table()把频数转成比例。这两个函数经常配合使用比如prop.table(table(x))直接得到相对频数表。4.3 真题演练图形函数填空题题目常见描述定量数据的图形有______、和箱线图它们在 R 中对应的函数分别是、______和 boxplot()。答题思路填“直方图、茎叶图、hist()、stem()”。这类题没有捷径就是记牢。但记忆时可以按“图形-函数”配对记直方图 histogram 对应 hist茎叶图 stem-and-leaf 对应 stem箱线图 boxplot 对应 boxplot。函数名基本是英文全称的缩写按这个逻辑记不容易混。题目一段路程前半段时速 60 公里后半段时速 30 公里两段距离相等求平均速度应该用什么平均数答题思路距离相等时间不同总距离除以总时间。设每段距离为 d总时间 d/60 d/30平均速度 2d / (d/60 d/30) 40。这是调和平均数的典型场景。判断口诀固定分子用算术固定分母用调和比率连乘用几何。5. 概率分布与参数估计必考公式与易错陷阱5.1 常见分布的期望与方差一张表背下来原题覆盖了二项分布、泊松分布、均匀分布、正态分布、指数分布。这些分布的期望和方差是必考内容直接给表分布记号期望 E(X)方差 Var(X)二项分布B(n,p)npnp(1-p)泊松分布P(λ)λλ均匀分布U(a,b)(ab)/2(b-a)²/12正态分布N(μ,σ²)μσ²指数分布Exp(λ)1/λ1/λ²注意泊松分布的期望和方差相等都是 λ这个特征经常用来判断一个计数数据是否适合用泊松分布建模。指数分布是泊松分布的事件间隔分布如果每小时到达 λ 辆车间隔时间服从 Exp(λ)平均间隔 1/λ 小时。原题里洗车店那道题考的就是这个关系。5.2 离散 vs 连续分类不能错二项分布、泊松分布、超几何分布属于离散型随机变量均匀分布、正态分布、指数分布属于连续型。这个分类是基础中的基础但考试时容易在超几何分布上犹豫。记住只要取值是可数的整数就是离散。二项分布适用于有放回抽样超几何分布适用于无放回抽样。这个区别在面试中经常被追问“为什么无放回要用超几何”因为无放回时每次抽取会改变剩余总体中目标个体的比例各次试验不独立不满足二项分布的独立性假设。5.3 易错点这些题看着简单错的人最多易错点一样本均值的分布。题目设 X₁,X₂,…,Xₙ 来自正态总体 N(μ,σ²)样本均值 X̄ 服从什么分布答案是 N(μ, σ²/n)。很多人选 N(μ, σ²)忘了样本均值的方差是总体方差除以样本量。记住样本量越大样本均值越集中方差越小。易错点二统计量的定义。题目问哪个不是统计量。统计量是样本的函数不能包含未知的总体参数。如果表达式里出现了未知的 μ 或 σ那就不是统计量。这个判断标准要刻在脑子里。易错点三三大抽样分布。统计三大分布是 χ² 分布、t 分布、F 分布。不是均匀、正态、指数——那是连续型随机变量的常见分布。这两组概念经常被混在一起考看清楚题目问的是“随机变量分布”还是“抽样分布”。易错点四点估计方法。常见点估计方法有矩估计法、最大似然估计法和最小二乘估计法。矩估计法的基本思想是用样本矩去估计总体矩。填空时注意“矩”字不要写错最大似然估计法六个字要写全。易错点五1:n-1的运算优先级。原题里n - 3; 1:n-1的结果是 0 1 2不是 1 2。因为冒号优先级高于减号先算1:n得到 1,2,3再整体减 1 得到 0,1,2。如果想得到 1,2 应该写1:(n-1)。这个坑在面试中经常被用来测试你是否真的理解 R 的运算符优先级。6. 答题技巧与押题思路从“会做”到“做对”考 R 语言试题最大的敌人不是不会而是“以为会了但写错”。我踩过最深的坑是矩阵索引A[2:3, 3:4]和A[c(3,4), 2:3]看起来都在取子矩阵但取出来的东西完全不同。从那以后我每次做矩阵题都强制走一遍“先行后列、逗号分隔”的口诀确认行索引和列索引分别是什么。给你三个答题习惯直接拿去用第一代码结果判断题先写中间结果。比如x - rep(c(1,4,7), c(3,2,1))先在草稿上展开成1,1,1,4,4,7再执行x[x5]得到 7。不要试图在脑子里一步到位中间步骤写出来错误率降一半。第二函数参数题先确认参数名和默认值。head(rt, n10)和head(rt, 10)等价因为第二个位置参数就是 n。但head(rt, n10)更安全因为参数名写清楚了别人读代码不会歧义。面试中如果问“你写 R 代码有什么习惯”就说“关键参数一定写参数名”这是加分项。第三概率分布题先画表再代入。期望和方差公式容易记混尤其是均匀分布的方差 (b-a)²/12 和指数分布的 1/λ²。我的做法是考前把五个分布的期望方差默写一遍考试时先写在草稿纸角落做题时直接查表不靠临时回忆。押题方向上重点看三个向量循环补齐的运算结果、数据类型的四象限分类、常见分布的期望方差。这三个考点几乎每套 R 试题都会出现而且变体不多练熟就能拿分。矩阵索引和列表取值也是高频区尤其是mylist[[3]][2,3]这种嵌套取值考的是你对[[和[区别的理解——[[取元素本身[取子列表。最后说一个面试技巧如果被问到“你 R 语言什么水平”别只说“熟练使用”。给一个具体场景比如“我用 R 做过描述性统计和假设检验能熟练用 apply 家族替代循环也踩过向量循环补齐的坑”。有细节、有踩坑经历、有反思比任何形容词都有说服力。希望帮到你。本文还有配套的精品资源点击获取
阅读完成 · 觉得有帮助？
