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, 2integer整数类型1L, 2Lcharacter字符串"Hello"logical布尔值TRUE, FALSEfactor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1R中字符串使用单引号和双引号均可。✔2matrix可存储不同类型元素。✘3install.packages()安装包时需联网。✔4data.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。