一、R语言简介
R是一种用于统计分析、数据可视化和科学计算的开源编程语言和环境。其语法简洁，内置丰富的统计函数和图形函数，广泛应用于数据科学、机器学习和生物统计等领域。
整体知识点目录：
R语言基础知识总结
│
├─ 安装与配置
│ ├─ 安装R环境
│ ├─ 配置RStudio
│ └─ 包管理（安装、加载）
│
├─ 基本语法
│ ├─ 变量与数据类型
│ ├─ 运算符
│ ├─ 流程控制（条件、循环）
│ └─ 函数定义与调用
│
├─ 数据结构
│ ├─ 向量（vector）
│ ├─ 矩阵（matrix）
│ ├─ 数据框（data.frame）
│ ├─ 列表（list）
│ └─ 因子（factor）
│
├─ 数据操作
│ ├─ 读取与写入文件
│ ├─ 子集选择与索引
│ ├─ 数据清洗
│ └─ 数据变换（排序、合并、分组）
│
├─ 可视化
│ ├─ 基础绘图函数
│ ├─ ggplot2简介
│ └─ 图形美化与定制
│
├─ 常用包介绍
│ ├─ tidyverse
│ ├─ data.table
│ ├─ dplyr
│ └─ readr
│
└─ 练习题与解析
├─ 选择题
├─ 判断题
├─ 填空题
├─ 简答题
└─ 编程题
二、安装与环境配置
- 安装：访问CRAN镜像，下载适合操作系统的安装包并安装。
- RStudio：推荐使用RStudio IDE，提供代码编辑、调试、可视化和项目管理功能。
- Package管理：使用
install.packages("包名")安装，使用library(包名)加载。
# 安装并加载ggplot2包
install.packages("ggplot2")
library(ggplot2)
三、基本语法
1. 变量与赋值
- 赋值符号：
<-、=
x <- 10
y = 3.14
2. 注释
# 单行注释
3. 数据类型
| 类型 | 描述 | 示例 |
|---|---|---|
| numeric | 数值类型（浮点） | 3.14, 2 |
| integer | 整数类型 | 1L, 2L |
| character | 字符串 | "Hello" |
| logical | 布尔值 | TRUE, FALSE |
| factor | 分类变量 | factor(c("A","B")) |
| Date | 日期类型 | as.Date("2025-06-04") |
4. 数据结构
-
向量（vector）：同一类型元素的一维数组
v <- c(1, 2, 3, 4) -
矩阵（matrix）：二维数组
m <- matrix(1:6, nrow=2, ncol=3) -
数据框（data.frame）：异构二维表
df <- data.frame(Name=c("A","B"), Score=c(90,85)) -
列表（list）：可包含不同类型对象
lst <- list(num=1, str="R", vec=c(1,2,3))
四、基本操作
1. 索引与切片
v[2] # 第二个元素
m[1, ] # 矩阵第一行
df$Score # 数据框列访问
lst[["vec"]] # 列表元素访问
2. 统计函数
| 函数 | 作用 | 示例 |
|---|---|---|
mean(x) | 均值 | mean(v) |
sum(x) | 求和 | sum(v) |
sd(x) | 标准差 | sd(v) |
summary(x) | 概括性统计 | summary(df) |
五、函数与流程控制
1. 自定义函数
add <- function(a, b) {
return(a + b)
}
add(2,3)
2. 条件语句
if (x > 0) {
print("正数")
} else {
print("非正数")
}
3. 循环语句
for (i in 1:5) {
print(i)
}
六、数据输入输出
# 读取CSV
data <- read.csv("data.csv", header=TRUE)
# 写出CSV
write.csv(data, "out.csv", row.names=FALSE)
七、可视化
使用ggplot2包：
library(ggplot2)
ggplot(df, aes(x=Name, y=Score)) +
geom_bar(stat="identity")
八、练习题（共30题）
一、选择题（每题2分，共10分）
-
下列哪种数据结构可存储不同类型元素？
A. vector B. matrix C. list D. factor答案：C
解析：list可包含多种类型元素。 -
R中用于计算均值的函数是？
A. sum() B. mean() C. sd() D. median()答案：B
解析：mean()用于计算均值。 -
下列赋值操作中不正确的是？
A. x <- 5 B. y = 2 C. 3 -> z D. <- a 4答案：D
解析：<- a 4语法错误。 -
将数据框
df按列访问Score列可用？
A. df[“Score”] B. df$Score C. df[[“Score”]] D. 以上均可答案：D
解析：三种方式均可访问。 -
下列哪种函数能展示数据框的摘要信息？
A. head() B. dim() C. summary() D. str()答案：C
解析：summary()生成概括性统计。
二、判断题（每题1分，共5分）
| 序号 | 题目 | 正误 |
|---|---|---|
| 1 | R中字符串使用单引号和双引号均可。 | ✔ |
| 2 | matrix可存储不同类型元素。 | ✘ |
| 3 | install.packages()安装包时需联网。 | ✔ |
| 4 | data.frame的行名称可以重复。 | ✘ |
| 5 | 函数rm()可删除变量。 | ✔ |
三、填空题（每题2分，共10分）
-
R中表示逻辑真值的关键字是
________。答案：TRUE
-
将数字向量
v中的NA值删除可用函数________()。答案：na.omit
-
将列表
lst的第二个元素访问可写作________。答案：lst[[2]]
-
读取CSV文件的函数是
________。答案：read.csv
-
ggplot中添加散点图的几何函数是
________()。答案：geom_point
四、简答题（每题4分，共20分）
-
简述factor在R中的作用及使用场景。
参考答案要点：factor用于存储分类变量，内部以整数和标签形式保存；适用于统计建模中的分类数据。
-
说明如何在R中安装和加载包，并举例说明。
参考答案要点：
install.packages("包名")安装，library(包名)或require(包名)加载。 -
解释data.frame与matrix的区别。
参考答案要点：data.frame可存储异构类型，matrix只能存储同一类型元素；data.frame有行列名称。
-
描述ggplot2作图流程的三个核心要素。
参考答案要点：数据（data）、映射（aes）、几何对象（geom_）。
-
谈谈向量化运算在R中的优势。
参考答案要点：向量化运算无需显式循环，底层调用C语言实现，运行速度快且代码简洁。
五、编程题（每题5分，共25分）
- 写函数
count_na，统计向量中NA值个数并返回。
count_na <- function(x) {
sum(is.na(x))
}
解析：
is.na()返回逻辑向量，sum()累加TRUE个数。
- 编写函数
normalize，将数值向量按min-max归一化到[0,1]。
normalize <- function(x) {
(x - min(x, na.rm=TRUE)) / (max(x, na.rm=TRUE) - min(x, na.rm=TRUE))
}
解析：使用最小最大值计算归一化。
- 实现函数
filter_above，返回大于阈值的向量子集。
filter_above <- function(x, thr) {
x[x > thr]
}
解析：使用逻辑索引过滤。
- 写函数
read_and_summary，读取CSV并返回摘要统计（summary）。
read_and_summary <- function(file) {
dat <- read.csv(file, header=TRUE)
summary(dat)
}
解析：结合I/O与统计函数。
- 用ggplot2绘制散点图，x轴为Sepal.Length，y轴为Sepal.Width（以iris数据集为例）。
library(ggplot2)
ggplot(iris, aes(x=Sepal.Length, y=Sepal.Width)) +
geom_point() +
labs(title="鸢尾花花萼尺寸散点图")
解析：演示常见可视化操作。
