目录

R - 面试问题( Interview Questions)

亲爱的读者,这些R面试问题专门设计用于让您熟悉在R编程主题面试中可能遇到的问题的本质。 根据我的经验,很好的面试官在你的面试中几乎不打算问任何特定的问题,通常问题从这个主题的一些基本概念开始,然后他们继续基于进一步的讨论和你回答的问题 -

R是一种编程语言,用于统计分析和为此目的创建图形。它不是数据类型,而是具有用于计算的数据对象。 它用于数据挖掘,回归分析,概率估计等领域,使用其中的许多软件包。

R中有6个数据对象。它们是向量,列表,数组,矩阵,数据框和表。

有效的变量名称由字母,数字和点或下划线字符组成。 变量名称以字母或点开头,后面没有数字。

矩阵总是二维的,因为它只有行和列。 但是阵列可以具有任意数量的维度,并且每个维度是矩阵。 例如,3×3×2阵列表示尺寸为3×3的2个矩阵。

R中的因子数据对象用于存储和处理R中的分类数据。

可以使用read.csv函数加载csv文件。 R使用此函数在读取csv文件时创建数据框。

命令getwd()给出了R环境中的当前工作目录。

这是在设置R环境时默认加载的包。 它在R环境中提供输入/输出,算术计算等基本功能。

Logistic回归涉及测量二元响应变量的概率。 在R中,函数glm()用于创建逻辑回归。

表达式M [4,2]给出第4行和第2列的元素。

当在操作中涉及两个不同长度的向量时,则重用较短向量的元素以完成操作。 这称为元素回收。 实施例-v1 < - c(4,1,0,6)和V2 < - c(2,4)然后v1 * v2给出(8,4,0,24)。 重复元素2和4。

我们可以用3种方式调用R中的函数。 第一种方法是使用参数的位置进行调用。 使用参数名称调用的第二个方法id,第三个方法是通过默认参数调用。

对函数的惰性求值意味着,只有在函数体内使用它时才会计算参数。 如果函数体中没有引用参数,那么它就会被忽略。

要在R中安装软件包,请使用以下命令。

install.packages("package Name")

名为“XML”的包用于读取和处理XML文件。

我们可以更新任何元素,但我们只能删除列表末尾的元素。

在R中创建矩阵的一般表达式是 - 矩阵(数据,nrow,ncol,byrow,dimnames)

boxplot()函数用于在R中创建箱图。它将公式和数据框作为输入来创建箱图。

频率6表示时间序列数据的时间间隔是每10分钟一小时。

在R中,数据对象可以从一种形式转换为另一种形式。 例如,我们可以通过合并许多列表来创建数据框。 这涉及一系列R命令,以将数据转换为新格式。 这称为数据整形。

它生成0到1之间的4个随机数。

使用该命令

installed.packages()

它将向量x中的字符串拆分为字母e位置的子字符串。

x <- "The quick brown fox jumps over the lazy dog"
split.string <- strsplit(x, " ")
extract.words <- split.string[[1]]
result <- unique(tolower(extract.words))
print(result)

v * x [1]中的错误:二元运算符的非数字参数

[1] 5 12 21 32s

它将列表转换为矢量。

x <- pbinom(26,51,0.5)
print(x)

NA

使用函数as.data.frame()

function(x) { x[is.na(x)] <- sum(x, na.rm = TRUE); x }

它用于将相同的函数应用于Array中的每个元素。 例如,查找每行中行的平均值。

每个矩阵都可以称为数组,但不能反过来。 矩阵总是二维的,但阵列可以是任何维度。

?NA

sd(x,na.rm = TRUE)

setwd( “路径”)

“%%”给出第一个向量除以第二个的余数,而“%/%”给出第一个向量除以第二个的商。

查找列具有每行的最大值。

HIST()

RM(x)的

数据(包=“大众”)

data(package = .packages(all.available = TRUE))

它用于通过浏览和选择文件从本地目录安装ar包。

15 %in% x
pairs(formula, data)

其中公式表示成对使用的一系列变量,数据表示将从中获取变量的数据集。

subset()函数用于选择变量和观察。 sample()函数用于从数据集中选择大小为n的随机样本。

is.matrix(m)应该返回TRUE。

[1] NA

函数t()用于转置矩阵。 示例 - t(m),其中m是矩阵。

当我们想跳过循环的当前迭代而不终止循环时,R编程语言中的“下一个”语句很有用。

接下来是什么 (What is Next?)

此外,您可以查看您对该主题所做的过去作业,并确保您能够自信地说出这些作业。 如果你更新鲜,那么面试官不会指望你会回答非常复杂的问题,而是你必须使你的基本概念非常强大。

↑回到顶部↑
WIKI教程 @2018