R 访谈问题

以下是经常被问到的R 访谈问题及答案。

1) R 是什么？

R 是一种解释型计算机编程语言，由新西兰奥克兰大学的 Ross Ihaka 和 Robert Gentleman 创建。它是一个用于统计信息分析、图形表示、报告和数据建模的软件环境。R 是 S 编程语言的实现，结合了词法作用域语义。

2) 区分向量、列表、矩阵和数据框。

向量是同一基本类型的数据元素序列。向量中的成员称为组件。

包含不同类型元素（如数字、字符串、向量或其内部的另一个列表）的 R 对象称为列表。

将相同长度的向量绑定在一起的二维数据结构称为矩阵。矩阵包含相同类型的元素。

数据框是矩阵的通用形式。它是列表和矩阵的组合。在数据框中，不同的数据列包含不同的数据类型。

3) 请列出用于数据插补的包的名称。

以下是一些用于数据插补的包：

1. MICE
2. missFores
3. Mi
4. Hmisc
5. Amelia
6. imputeR

4) 解释 R 中的 initialize() 函数？

此函数用于在声明对象时初始化私有数据成员。

5) 如何计算一列相对于另一列的均值？

在 iris 数据集中，有五个列，即 Sepal.Length、Sepal.Width、Petal.Length、Petal.Width 和 Species。我们将使用 mosaic 包中的 mean() 函数计算不同鸢尾花种类 Sepal-Length 的均值。

6) 什么是随机游走模型？

随机游走是非平稳过程的最简单示例。随机游走没有指定的均值或方差，随着时间强依赖，其变化或增量是白噪声。在 R 中模拟随机游走

arima.sim(model=list(order=c(0,1,0)),n=40)->rw ts.plot(rw)

7) 什么是白噪声模型？

它是一个基本的时间序列模型，也是平稳过程的简单示例。白噪声模型具有固定的常数均值、固定的常数方差，并且在时间上没有相关性。我们可以按以下方式模拟白噪声模型：

arima.sim(model=list(order=c(0,0,0)),n=50)->wn

8) 请给出 R 的五个特性。

1. 简单有效的编程语言。
2. 它是一种数据分析软件。
3. 它提供了有效的数据存储和处理功能。
4. 它提供了高效的图形技术。
5. 它是一种解释型语言。

9) 从功能上区分 R 和 Python？

对于数据分析，R 具有内置功能，但在 Python 中，数据分析功能不是内置的。它们可以通过 Pandas 和 Numpy 等包获得。

10) R 有哪些应用？

现实世界中有各种各样的应用。这些应用如下：

1. Facebook
2. Google
3. Twitter
4. HRDAG
5. NDAA

11) 解释 RStudio。

RStudio 是一个集成开发环境，它允许我们更轻松地与 R 进行交互。RStudio 类似于标准的 RGui，但被认为更用户友好。这个 IDE 具有各种下拉菜单、带有多个选项卡的窗口以及许多自定义过程。第一次打开 RStudio 时，我们会看到三个窗口。第四个窗口默认是隐藏的。

12) R 的优点和缺点是什么？

优点

1. 开源
2. 数据整理
3. 丰富的包
4. 平台独立
5. 机器学习操作

缺点

1. 起点较低
2. 数据处理
3. 基本安全性
4. 复杂的语言
5. 速度较慢

13) R 和 Hadoop 集成的目的是什么？

1. 执行 Hadoop 来执行 R 代码。
2. 使用 R 访问存储在 Hadoop 中的数据。

14) 请给出 Hadoop 集成方法的名称。

1. R Hadoop
2. Hadoop Streaming
3. RHIPE
4. ORCH

15) 表达式 all(NA==NA) 的输出是什么？

[1] NA

16) R 中的 sample() 和 subset() 之间有什么区别？

sample() 方法用于从数据集中选择大小为 n 的随机样本，而 subset 方法用于选择变量和观测值。

17) 为什么我们要使用命令 - install.packages(file.choose(), repos=NULL)？

此命令用于通过浏览和选择文件来从本地目录安装 R 包。

18) 请给出创建直方图和从 R 工作空间删除向量的命令？

hist() 和 rm() 函数用作创建直方图和从 R 工作空间删除向量的命令。

19) 区分 "%%" 和 "%/%"。

"%%" 提供第一个向量与第二个向量相除的余数，而 "%/%" 提供第一个向量与第二个向量相除的商。

20) 为什么我们在 R 中使用 apply() 函数？

它用于将相同的函数应用于数组的每个元素。例如，计算每一行的均值。

21) 区分 library() 和 require() 函数。

如果无法加载所需的包，library() 函数会发出错误消息并显示，而 require() 函数在函数内部使用，并在找不到特定包时发出警告消息。

22) R 中的 t-test() 是什么？

t-test() 函数用于确定两组的均值是否相等。

23) R 中 with() 和 by() 函数的用途是什么？

with() 函数将表达式应用于数据集，而 by() 函数将函数应用于因子的每个级别。

24) 区分 lapply 和 sapply。

lapply 用于以列表形式显示输出，而 sapply 用于以向量或数据框形式显示输出。

25) 解释 aggregate() 函数。

aggregate() 函数用于在 R 中聚合数据。有两种方法：一种是通过一个或多个 BY 变量来合并数据，另一种是 aggregate() 函数，其中 By 变量应包含在列表中。

26) 解释 doBy 包？

此包用于使用函数和模型公式定义所需的表。

27) 解释 table() 函数的用法。

此函数用于在 R 中创建频率表。

28) 解释 fitdistr() 函数？

此函数用于对单变量分布进行最大似然拟合，并定义在 MASS 包下。

29) 什么是 GGobi 和 iPlots？

GGobi 是一个用于探索高维类型数据的可视化的开源程序，而 iPlots 是一个提供条形图、马赛克图、箱线图、平行图、直方图和散点图的包。

30) 解释 lattice 包。

lattice 包旨在通过提供更好的默认值来改进基础 R 图形，并能够轻松显示多变量关系。

31) 解释 anova() 函数。

anova() 函数用于比较嵌套模型。

32) 解释 cv.lm() 和 stepAIC() 函数。

cv.lm() 函数在 DAAG 包中定义，用于 k 折交叉验证，而 stepAIC() 函数在 MASS 包中定义，用于在 exactAIC 下执行逐步模型选择。

33) 解释 leaps() 函数。

leaps() 函数用于执行全子集回归，并定义在 leaps 包下。

34) 解释 relaimpo 和 robust 包。

此包用于衡量模型中每个预测变量的相对重要性，而 robust 包提供了稳健方法的库，包括回归。

35) 请给出 MANOVA 的全称及其用途。

MANOVA 是多变量方差分析的缩写，用于同时检验多个因变量。

36) 解释 mashapiro.test() 和 barlett.test()。

此函数在 mvnormtest 包中定义，并生成用于多元正态的 Shapiro-wilk 检验。bartlett.test() 用于提供等方差的参数化 k 样本检验。

37) 解释 forecast 包的用法。

forecast 包提供了用于指数模型和 ARIMA 模型自动选择的函数。

38) 区分 qda() 和 lda() 函数。

qda() 函数打印一个二次判别函数，而 lda() 函数打印基于中心化变量的判别函数。

39) 解释 auto.arima() 和 principal() 函数。

auto.arima() 函数处理季节性和非季节性 ARIMA 模型，而 principal() 函数用于旋转和提取主成分。

40) 解释 FactoMineR。

FactoMineR 是一个包含定性变量和定量变量的包。观测值和辅助变量也包含在这些包中。

41) SEM 和 CFA 的全称是什么？

CFA 是验证性因子分析的缩写，SEM 是结构方程模型的缩写。

42) 定义 cluster.stats() 和 pvclust() 函数。

cluster.stats() 函数在 fpc 包中定义，提供了一种使用不同验证标准比较两个聚类解决方案相似性的方法，而 pvclust() 函数在 pvclust 包中定义，为层次聚类提供 p 值。

43) 定义 MATLAB 和 party 包。

此包包含用于复制 Matlab 函数调用的包装器函数和变量。

44) 解释 S3 和 S4 系统。

在面向对象编程中，S3 用于重载任何函数。因此，我们可以使用不同的名称调用函数，这取决于输入参数的类型或参数的数量，而 S4 是面向对象编程中最重要的特性。但是，这是一个限制，因为它很难调试。S4 有一个可选的引用类。

45) 请给出可视化包的名称。

R 中有以下可视化包：

1. Plotly
2. ggplot2
3. tidyquant
4. geofacet
5. googleVis
6. Shiny

46) 解释卡方检验。

卡方检验用于分析由两个分类变量组成的频率表（即列联表）。卡方检验评估两个变量的类别之间是否存在显著关系。

47) 解释随机森林。

随机森林也称为决策树森林。它是流行的基于决策树的集成模型之一。这些模型的准确性高于其他决策树。该算法用于分类和回归应用。

48) 解释时间序列分析。

在规则时间间隔内测量的任何度量都会创建一个时间序列。由于工业需求和相关性，时间序列分析在商业上具有重要意义，尤其是在预测（需求、供应和销售等）方面。一组数据点，其中每个数据点都与时间戳相关联，称为时间序列。

49) 解释 R 中的饼图。

R 编程语言有几个用于创建图表的库。饼图是用不同颜色的圆片形式表示的值。

50) 解释直方图。

直方图是一种条形图，显示了与一组值范围相比的值的数量频率。直方图用于分布，而条形图用于比较不同的实体。在直方图中，每个条形代表给定范围内存在的值的数量的高度。