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以试题与答案解析为主结构紧凑适合打印练习或对照复习。目前已有11252人学习下载说明其在R语言入门练习中具有一定参考价值。读者可借此系统梳理统计基础与R编程要点快速定位知识盲区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原题L - 35问变量 L 是什么类型、值是多少。很多人第一反应是“3 不等于 5所以是 TRUE”直接选了 D。正确答案是 C——逻辑变量FALSE。为什么翻车因为是判断相等不是赋值3 和 5 本来就不相等结果是 FALSE。这道题不考你会不会写 R 代码考的是你有没有把运算符优先级和数据类型刻进肌肉记忆。这套 R 试题附带答案覆盖的范围比想象中广从描述性统计和推断性统计的分界、名义/有序/计数/计量四类数据的辨别到 R 的向量运算、矩阵索引、因子创建、列表与数据框操作再到概率分布、参数估计和假设检验。题型以选择、填空为主部分题目要求写出具体代码或运行结果。它适合两类人一是正在学 R 语言课程、要应付期末机考或笔试的学生二是准备数据分析岗面试、需要快速过一遍 R 基础考点的求职者。拿分的关键不在于背多少函数名而在于理解 R 的向量化思维和数据类型系统——这两条主线贯穿了整套试题。2. 高频考点数据类型与 R 基础操作必考清单2.1 四类数据分辨名义、有序、计数、计量这是开篇第一组题也是整张卷子的“送分题集中营”。但送分不等于不会丢分关键要分清两条线定性数据也叫分类数据分为名义数据和有序数据。学历是名义数据因为“本科”“硕士”“博士”之间没有大小顺序满意度等级非常不满意→非常满意是有序数据因为有明确排序。定量数据分为计数数据和计量数据。人数、次数是计数数据取值只能是整数身高、体重、温度是计量数据可以取小数。注意判断标准不是“这个变量看起来像什么”而是“它的取值能不能做加减乘除”。学历做不了加减所以是定性身高可以做加减所以是定量。面试官问“你怎么判断一个变量该用什么统计方法”最想听的就是你先分类、再选方法。定性数据用频数和相对频数描述对应table()和prop.table()定量数据用均值、中位数、方差、标准差对应mean()、median()、var()、sd()。2.2 R 基础操作工作目录、对象管理与函数调用原题里反复出现几个命令属于“不背就写不出来背了就能拿分”的类型功能命令易混点查看当前工作目录getwd()不是getch()也不是setwd()设置工作目录setwd()参数要加引号列出当前空间所有变量名ls()不是list()ls.str()是看结构删除以 n 开头的对象rm(listls(pat^n))pat参数用正则显示数据集前 10 行head(rt, n10)默认前 6 行这里最容易错的是ls()和list()的区分。list()是创建列表的函数ls()才是列出变量名。面试里如果被问到“怎么清理工作空间”答rm(listls())是标准操作但要注意这会删掉所有对象线上环境千万别手滑。2.3 真题演练向量运算与索引原题中有一道经典题c(1, 2, 3, 4, 5) c(20, 200)结果是[1] 21 202 23 204 25。为什么因为 R 的向量运算是按位置对齐的短向量会自动循环补齐。c(20, 200)长度是 2被循环成c(20, 200, 20, 200, 20)再逐位相加。这类题在面试里经常变形出现比如问“两个不等长向量相加会发生什么”。答题思路是先判断长度是否成整数倍如果是短向量循环如果不是整数倍R 会给出警告但依然计算。面试官最想听的是你知不知道“循环补齐”这个机制以及它可能带来的隐蔽 bug。再看一道索引题v - 10:5 v[-(1:5)]10:5生成10 9 8 7 6 5-(1:5)表示去掉前五个元素剩下5。答案是5。这里考的是负索引的用法——负号表示“排除”不是“倒数”。2.4 真题演练矩阵与数组操作矩阵题是这套试卷的“重灾区”原题给了矩阵 A[,1] [,2] [,3] [,4] [1,] 1 4 7 10 [2,] 2 5 8 11 [3,] 3 6 9 12问哪个代码能生成这个矩阵。正确答案是A-matrix(1:12, nrow3)和A-array(1:12, dimc(3,4))。关键点R 默认按列填充matrix(1:12, nrow3)会先填第一列 1、2、3再填第二列 4、5、6以此类推。另一道题问执行什么代码能得到[1] 6 15 24 33这是对矩阵按列求和答案是apply(A, 2, sum)。apply()的第二个参数是维度1 表示按行2 表示按列。很多人会选tapply()但tapply()是用于分组汇总的不是矩阵运算。提示矩阵索引A[2:3, 3:4]取的是第 2 到 3 行、第 3 到 4 列的子矩阵结果是 2×2 的矩阵。如果只写A[,1]取的是第一列所有元素返回的是向量而不是矩阵。3. 易错点这五道题年年有人栽3.1 逻辑运算符与赋值混淆L - 35这道题错的人大多是把看成了。在 R 里-是赋值是判断相等在函数参数里才是赋值。答题时先看运算符再看数据类型最后看值。逻辑变量的值只有 TRUE 和 FALSE不会出现数字。3.2as.character()后的类型判断原题x - 3; y - as.character(x); is.numeric(y)。很多人以为as.character(3)之后还是数值其实已经变成字符串3所以is.numeric(y)返回 FALSE。这类题考的是“类型转换后原类型丢失”的常识。面试里如果问“怎么判断一个变量是不是数值型”答is.numeric()但要注意它和is.integer()的区别——is.numeric()对整数和浮点数都返回 TRUE。3.31:n-1的优先级陷阱n - 3; 1:n-1的结果是0 1 2不是1 2。因为冒号:的优先级高于减号-所以先算1:3得到1 2 3再整体减 1。如果想得到1 2要写1:(n-1)。这类题在面试里经常用来测试你是否真的理解运算符优先级而不是靠猜。3.4which()返回的是位置不是值which(2:8 5)的结果是6 7 8不是TRUE FALSE。which()返回的是满足条件的元素下标。2:8是2 3 4 5 6 7 8大于 5 的是6 7 8它们的位置分别是第 5、6、7 个但which()返回的是原向量中的位置索引这里恰好值和位置一致容易让人误以为返回的是值。换个例子which(c(10, 20, 30) 15)返回2 3不是20 30。3.5 因子创建时levels和labels的对应关系原题问只想对 1 和 2 两个部门做分类统计应该用哪个正确答案是factor(x, levelsc(1,2), labelsc(行政部,财务部))。错的人会选gl()但gl()是生成因子序列的函数不是用来转换已有数据的。另一个易错点是levels和labels必须一一对应如果levels写了三个但labels只写两个R 会报错。4. 概率分布与统计推断从二项分布到假设检验4.1 常见分布及其期望与方差这套题里概率分布部分考得很直接基本是“给分布名写期望和方差”分布期望方差类型二项分布 B(n,p)npnp(1-p)离散泊松分布 P(λ)λλ离散均匀分布 U(a,b)(ab)/2(b-a)²/12连续正态分布 N(μ,σ²)μσ²连续指数分布 Exp(λ)1/λ1/λ²连续记忆技巧二项分布的期望是“次数×概率”方差是“次数×概率×失败概率”泊松分布的期望和方差相等都是 λ指数分布的期望是 λ 的倒数方差是 λ² 的倒数。4.2 真题演练分布辨析与抽样方式原题问二项分布适用于什么抽样超几何分布适用于什么抽样答案是“有放回”和“无放回”。二项分布假设每次试验独立所以是有放回超几何分布用于有限总体不放回抽样。面试里如果问“什么时候用超几何分布”答“总体容量小、抽样不放回、且关心成功次数”就够了。另一道题洗车店每小时到达车辆数服从泊松分布均值 10 辆问车辆间隔时间服从什么分布、平均间隔多少。答案是“指数分布1/10 小时”。因为泊松分布描述的是“单位时间内事件发生次数”指数分布描述的是“两次事件之间的时间间隔”两者是互补关系。4.3 统计量与抽样分布原题问总体 X~N(μ,σ²)μ 未知、σ² 已知哪些不是统计量统计量的定义是“不含未知参数的样本函数”。所以只要式子里出现 μ就不是统计量。样本均值X̄是统计量因为它只依赖样本X̄ - μ不是统计量因为含未知参数 μ。三大抽样分布是 χ² 分布、t 分布、F 分布。χ² 分布用于方差推断t 分布用于均值推断σ 未知F 分布用于方差比推断。面试里常问“t 分布和正态分布的区别”答“t 分布尾部更厚因为多了方差估计的不确定性自由度越大越接近正态分布”。4.4 参数估计与假设检验的答题模板原题问常见点估计方法有哪几种答案是矩估计法、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”。面试里如果被问到“假设检验的步骤”按这个模板答提出原假设 H₀ 和备择假设 H₁选择检验统计量z、t、χ²、F确定显著性水平 α计算统计量值查表得临界值或 p 值做出判断p α 拒绝 H₀否则不拒绝注意p 值不是“原假设为真的概率”而是“在原假设为真的条件下观察到当前或更极端结果的概率”。这个点在面试里经常被追问。5. 答题技巧从“会写代码”到“拿满分”的最后一公里先讲一个我自己的血泪教训。有一次模拟面试面试官问“apply()和tapply()的区别”我张口就说“都是做汇总的”结果被追问“那矩阵按行求和用哪个”时卡住了。从那以后我每次遇到函数对比题都强制走一遍“输入是什么、输出是什么、按什么维度分组”这三步。这套 R 试题的答题技巧核心就三条第一先判断数据类型再选函数。定性数据用table()、prop.table()、barplot()、pie()定量数据用mean()、median()、var()、sd()、hist()、stem()、boxplot()。面试里如果问“给你一列数据你怎么描述”先问“这列数据是定性还是定量”再给方案。第二向量运算先看长度矩阵运算先看维度。向量相加长度不等会循环补齐矩阵索引[行, 列]逗号前后分别控制行和列。apply()的第二个参数 1 是行、2 是列记不住就记“1 行 2 列”。第三概率题先写分布类型再套公式。二项分布、泊松分布、超几何分布是离散均匀分布、正态分布、指数分布是连续。期望和方差公式考前过一遍考时直接默写。最后押一道高频变形题如果面试官问“R 语言里怎么读取一个 CSV 文件并查看前几行”标准答案是df - read.csv(file.csv); head(df)。如果追问“怎么处理缺失值”答na.omit(df)或df[complete.cases(df), ]。这类题不考难度考的是你有没有实际用过 R。希望帮到你。本文还有配套的精品资源点击获取