简介：这份《R试题（附带答案）》文档面向准备R语言课程考试、面试复习或基础自测的学习者，以题目加答案解析的形式梳理描述性统计与推断性统计、名义/有序/计数/计量数据类型，以及工作目录查看、head()、ls()、rm()等入门操作。内容还覆盖向量运算、因子创建、矩阵构造与索引、apply类函数应用等常见考点，每题附有答案，便于对照排查知识盲区。压缩包共1个docx文件，约96KB，轻量易取，适合打印练习或在电脑端逐题核对。已有11252人学习下载，说明其题目覆盖面与解析方式具有一定参考价值。读者可借此完成一次从概念辨析到代码输出的系统自测，尤其适合考前快速过一遍基础语法、函数返回值与易错细节，也可作为课堂练习或复习提纲的补充材料。

1. R语言试题到底在考什么：一张卷子背后的一套数据思维

学车前要考科目一，全是选择题，很多人背完就忘，觉得没啥用。真上了路才发现，那些看着死板的判断题，决定了你在路口会不会下意识踩错踏板。R语言试题也是这个性质：它不教你怎么写出漂亮的分析脚本，而是把「这段代码为什么报错」「结果为什么和我手算的不一样」拆成一道道选择题，逼你把判断做对。

这份资料是一套带答案的R语言试题，从最基础的名词（描述性统计、推断性统计、名义数据、计量数据）一路考到R的对象结构、控制流、自定义函数、描述性统计图形、常见概率分布和参数估计。它值得花时间搞懂的理由很朴素：R的报错绝大多数不是算法错，而是类型判断错、结构判断错、下标算错——恰好就是卷子上反复出现的那几个坑。

2. 从「学历」和「身高」说起：四种数据类型为什么决定了后面所有操作

2.1 名义、有序、计数、计量：两组划分先把数据分完

统计学里给数据分类，用的是两刀切。第一刀切出「定性」和「定量」：定性数据描述的是类别，定量数据描述的是数量。第二刀再各自细分——定性数据分成名义数据和有序数据，定量数据分成计数数据和计量数据。

这套划分听着像背书，其实每个名字都在回答一个问题：这个数字能不能做算术。

名义数据是最「弱」的一档。它用数字或文字标记身份，但数字本身没有大小含义。比如一家公司里，1代表行政部、2代表财务部、3代表销售部，这里的1和3之间不存在「3比1多两倍」这回事，把三个部门编码加起来等于6，毫无意义。有序数据比它强一点，类别之间有明确顺序，但相邻两档之间的差距不一定相等，比如满意度分成「不满意、一般、满意」，你知道满意高于一般，却说不清高多少。

计数数据是一颗一颗数出来的，只能是整数，比如某门店一天卖出的手机台数、某路段一小时通过的车次。计量数据是量出来的，可以有小数，比如身高、体重、温度。区分这两个的办法很直接：问一句「这个数能不能出现0.5」。卖手机不能说卖了3.5台，但身高可以说1.75米。

提示：判断数据类型时不要去纠结数字长什么样，只问一句「对它做加减乘除有没有现实意义」。有意义是定量，没意义是定性。

2.2 为什么数据类型是R的「身份证」

R在运行时并不看你给变量起了什么名字，它看的是这个对象身上挂着的类型标记。同样一个1，存成数值就是数值，存成字符就是字符，两者的行为完全不同：数值能求和，字符求和直接报错。

这一点在试卷里有个特别典型的题：

x <- 3 y <- as.character(x) y is.numeric(y)

运行结果是：

[1] "3" [1] FALSE

前半段输出的"3"带着引号，说明它已经是字符了；后半段is.numeric()返回FALSE，是在确认这个事实。很多人会本能地觉得「3不就是数字吗」，这正是类型概念最容易绊人的地方——值看起来一样，身份已经换了。转换之后，y + 1会报错，而不是得到4。

理解了这层，就能看懂试卷里另一道题为什么要考L <- 3 == 5。==是一个比较运算符，它不赋值数字，只回答是或否，所以L是逻辑变量，值为FALSE。这里还藏着一个新手常踩的坑：R里判断相等用两个等号，一个等号是赋值。写成L <- 3 = 5直接就是语法错误。

2.3 描述性统计和推断性统计：一条线划开两半

试卷第一题问「用图或表描述数据属于什么」，答案是描述性统计。第二题紧接着问统计学分成哪两部分，答案是描述性统计和推断性统计。这两道题挨在一起不是凑数，它们划的是整门课的分界线。

描述性统计做的事，是把手上这堆数据压缩成几个能看懂的数字或图形：平均数、方差、频数表、直方图。它只对你手里的样本负责，不往外推。推断性统计做的事正好相反，它拿样本去猜总体，用一小部分信息去推未知的全貌，代价是要承担犯错的风险，所以才有置信区间、显著性水平这些概念的用武之地。

打个比方，描述性统计像体检报告——血压多少、心率多少，白纸黑字写清楚；推断性统计像医生看完报告后说「你大概率没什么问题」，这句话有依据，但不是百分之百确定。两者用的是同一批数据，承担的责任完全不同。

3. R的对象家族：向量、矩阵、数组、列表、数据框到底差在哪

3.1 向量：R里最小的积木，循环补齐是它的隐藏规则

向量是同类型元素排成的一队。R里几乎所有运算都是按向量设计的，这也是它和很多语言最不一样的地方——你写c(1, 2, 3) * 2，得到的是每个元素各乘2，不需要写循环。

当两个长度不同的向量做运算时，R会启动「循环补齐」：短的自动重复自己，直到长度对上。试卷里那道题就是在考这个：

c(1, 2, 3, 4, 5) + c(20, 200) # 短向量循环成 20 200 20 200 20，逐位相加 # 结果：[1] 21 202 23 204 25

注意这里没有报错。R不会因为长度不整除就停下来，它只会给一条警告（warning），然后照算不误。这个设计的初衷是方便做批量运算，可一旦你没意识到它在补齐，结果就会莫名其妙。比如你以为自己在做两组的对应相加，实际上第二组被重复使用了两遍半。

真正会报错的情况是长度不成整数倍，比如长度5加长度2，5不是2的倍数，R会给警告说长的对象长度不是短的对象长度的倍数，但仍然返回结果。要判断代码是不是踩了补齐，最稳的办法是在关键步骤打印length()核对一下。

3.2 矩阵与数组：给向量加一层「格子」

矩阵就是二维的、同类型的表格。R里创建矩阵最常用的函数是matrix()，它有一个默认行为必须记住：按列填充。

# 12个数，3行，默认按列填 A <- matrix(1:12, nrow = 3) A # [,1] [,2] [,3] [,4] # [1,] 1 4 7 10 # [2,] 2 5 8 11 # [3,] 3 6 9 12

如果想让数字横着排，得显式加一句byrow = TRUE。这个参数是新手最容易漏的，漏了之后矩阵转置了却浑然不觉，后面所有取子集的操作全跟着错。

试卷里有一道题问：要生成上面这个矩阵，可以用哪些写法？答案是array(1:12, c(3, 4))、A <- 1:12; dim(A) <- c(3, 4)、matrix(1:12, nrow = 3)、matrix(1:12, nrow = 3, ncol = 4)、array(1:12, dim = c(3, 4))全都行。这五个写法之所以等价，是因为它们本质上都在做同一件事——给一维的12个数挂上一个维度属性。dim()不是创建新对象，而是给已有对象贴标签，贴完之后R就把它当矩阵对待了。

取子集用方括号加行列位置，逗号左边是行、右边是列，留空表示「全要」：

A[2:3, c(3, 4)] # 第2、3行 与 第3、4列交叉的部分 # [,1] [,2] # [1,] 8 11 # [2,] 9 12 A[, 1] # 第一列全部，返回的是一个向量 # [1] 1 2 3

这里的分寸感很重要：只取一列时，结果降维成向量，不再是矩阵。想保住矩阵结构，得加drop = FALSE。这个细节在后面做数据框操作时会反复出现。

3.3 列表与数据框：允许「混装」的两个盒子

矩阵有个硬性要求：所有元素类型一致。可现实数据从来不是这样的——一列是姓名（字符），一列是年龄（数值），一列是部门（因子）。这时候就需要能装不同东西的容器。

列表是最宽松的容器，里面什么都能塞：向量、矩阵、因子、甚至另一个列表。取元素用双方括号[[ ]]，取出来的是元素本身；用单方括号[ ]取出来的还是一个列表。

数据框本质上就是一个被规整过的列表：每一列是一个向量，所有列长度相等，但列与列之间类型可以不同。这一点试卷里专门考过——矩阵要求元素类型一致，数据框不要求，因为它的列本质是向量，一列内类型一致就够了，列与列之间可以各管各的。这也是数据框能对应现实表格的原因：一列姓名、一列年龄、一列性别，本来就该是不同类型。

数据框还有个隐形福利：它给每一列起了名字，所以可以用列名访问。df$Height、df[["Height"]]、df[, "Height"]取出来都是向量，而df["Height"]取出来是只有一个列的数据框。差别看着小，用错了后面全乱。

3.4 索引取子集：三种括号各管一件事

R的括号长得像，分工很清楚：()是调用函数和改变运算优先级，[]是取子集，[[]]是从容器里掏出元素本身。这三者在列表和数据框上体现得最明显。

还有一类下标容易被忽略：负号表示排除。

v <- 10:5 # 10 9 8 7 6 5 v[-c(1, 5)] # 排除第1个和第5个，剩 9 8 7 5 v[-(1:5)] # 排除前5个，只剩 5

负下标不能和正下标混用，比如v[c(1, -2)]会直接报错。这条规则在选择题里出现频率不低，因为很多人凭直觉以为负号是「倒着数」。

另一个高频点是which()：它返回的不是值，是位置。which(2:8 > 5)先把2:8逐个和5比，得到一串FALSE FALSE FALSE FALSE TRUE TRUE TRUE，which()再把这串逻辑值里TRUE的位置挑出来，返回5 6 7。所以它的结果永远可以用来当下标，v[which(...)]这种写法就是这么来的。

4. 常见误区：这些题看着像送分，其实最容易翻车

4.1 误区一：把编码当数字，对名义数据求平均

易混点：部门编码1、2、3，学历编码1、2、3，看着都是数字，就直接mean()。

为什么混：数据录入时为了省事，类别全用数字代替，存进R里天然就是数值型。函数不会拦你，它老老实实把1、2、3加起来除以3，给你一个2——一个在现实中不存在的「平均部门」。

怎么区分：问自己这个数字做加法有没有意义。没有意义，就必须在导入后立刻把它声明成因子，factor(x, levels = c(1, 2, 3), labels = c("行政部", "财务部", "销售部"))，让R知道这是分类不是量。声明之后，mean()会直接报warning并返回NA，这就是R在替你踩刹车。

4.2 误区二：以为df["Height"]和df$Height是一回事

易混点：三种取法写出来只差一两个符号，结果一个是向量一个是数据框。

为什么混：很多语言里「取一列」只有一种结果，R却给了两条路，而且都不报错，只是结构不同。等你把它传给mean()或者hist()，才发现一个正常一个报错。

怎么区分：记住方括号里带逗号的、双层的，掏出来的是内容本身；单层方括号加列名，切出来的仍是数据框的一片。判断办法是class()一下，一眼就清楚。做图、做计算用向量，需要保留表格结构往下传（比如merge、subset）时用数据框。

4.3 误区三：levels和labels当成可有可无的装饰

易混点：题目里「只想对1和2两个部门做分类统计」，选项里有的写levels = c(1, 2, 3)，有的写levels = c(1, 2)。

为什么混：两个参数都出现在factor()里，看着像同义反复。

怎么区分：levels决定「哪些值算有效」，labels决定「有效值显示成什么名字」。写levels = c(1, 2)，等于宣布3不是合法类别，原本编码为3的行会被悄悄变成NA——这一步不会报错，只会在你统计总数时发现少了一批人。想保留三类只是显示成两个名字，levels就得写全三项。至于gl()，那是专门用来生成规则因子序列的函数，不是用来转换已有数据的，选项里拿它冒充factor()是最常见的干扰项。

4.4 误区四：1:n-1和1:(n-1)分不清

易混点：冒号的优先级高于减号，1:n-1会被解析成(1:n) - 1。

为什么混：数学书写习惯了「1到n-1」，眼睛看到的就是这个意思，可R不这么读。当n <- 3时，1:n-1先算出1 2 3，再整体减1，得到0 1 2，开头多了一个0。

怎么区分：凡是冒号后面跟运算，一律加括号。1:(n-1)才是想要的结果。这类错误不会报错，只会让向量悄悄多一位或少一位，然后在后续的下标引用里引发一连串错位，属于典型的「当时看不出来，事后查半天」。

4.5 误区五：四种平均数随手抓一个用

易混点：算术、加权、几何、调和，四个都叫「平均数」。

为什么混：平时说「平均」默认就是加起来除以个数，可有些场景这么算出来是错的，而且错得不明显。

怎么区分：看分母是什么。分母是「个数」，用算术平均；分母是「权重」（股数、学分、占比），用加权平均；变化率连乘、增长率求平均，用几何平均；给出的是「每单位对应的量」（速度、单价）而总量固定，用调和平均。判断口诀是：先想清楚你平均的到底是「每一份」还是「每一次」。试卷里那道「前半段时速60、后半段时速30，两段距离相等」的题，答案就是调和平均——因为时间是按距离反比分配的，不能直接对两个速度取算术平均。同一道题如果改成「前半段开1小时、后半段开1小时」，那就变成算术平均了。

注意：R里求中位数的函数是median()，不是media()。少一个字母就是「找不到函数」的报错，考卷上把它写成media()属于典型笔误，实际敲代码时却真有人这么写。

5. 描述性统计与概率分布：平均数不止一种，分布也不止一种

5.1 定性数据的两套描述工具：一张表、三张图

定性数据没法求均值，所以它的描述方式只有两条路：数频数和画图。

数频数用table()，它返回每个类别出现了多少次。想看占比就再套一层prop.table()：

dept <- factor(c("行政", "财务", "销售", "行政", "行政", "财务")) table(dept) # 各类别的绝对次数 prop.table(table(dept)) # 各类别的相对占比，加起来等于1

图形这边有三样：条形图barplot()、饼图pie()、帕累托图。前两个好理解，帕累托图其实就是把条形图按频数从高到低排序，再叠一条累计占比曲线——它背后的经验法则是「少数类别贡献了大部分数量」，用来快速找出重点。试卷里问定性数据的图形有哪几种，答案就是条形图、饼图和帕累托图，对应的函数是barplot()和pie()。

5.2 定量数据的图形三件套：直方图、茎叶图、箱线图

定量数据可以画的图多得多，但最基础的是三个：直方图hist()看分布形状，茎叶图stem()既看形状又保留原始数值，箱线图boxplot()看中位数、四分位数和异常值。

x <- c(21, 8, 2, 5, 11) hist(x) # 分组看频数分布 stem(x) # 文本形式保留每个原始值 boxplot(x) # 五数概括 + 离群点标记

三者的分工可以用一句话记住：直方图告诉你「数据堆在哪儿」，茎叶图告诉你「堆在那儿的到底是哪些数」，箱线图告诉你「有没有人掉队」。样本量很小的时候茎叶图尤其好用，因为它不丢信息；样本量上千之后茎叶图会印满屏幕，那就该换直方图了。

5.3 四种平均数：本质是「谁当分母」的问题

平均数的选择不是数学游戏，它取决于你手上拿的是什么口径的数据。

加权平均最常见，总评成绩就是典型：平时占10%、实验作业占20%、期末占70%，直接三项相加除以3是错的，必须按权重乘完再除。股票的平均成本也是加权——买了1000股10元的、2000股15元的，平均成本是(1000×10 + 2000×15) / 3000，不是(10+15)/2。后者的错误在于把「股数」这个真实权重抹平了。

几何平均处理的是连乘关系。周一到周五的销售目标如果是在前一天基础上分别增长10%、12%、8%、11%、9%，那平均增长率不是把这五个百分比加起来除以5，而是把它们各自加1之后连乘、再开5次方、最后减1。原因是增长是叠在上一天的基础上发生的，加法在这里会高估。

调和平均处理的是「固定总量下的单位量」。同样花1元钱在三个市场买单价不同的水果，问平均每千克多少钱，答案是总钱数除以总重量，而总重量是1/单价之和，这就落到调和平均上了。同理，两段等距离的路程求平均速度，也是调和平均。

提示：拿不准的时候，先写出「总量 ÷ 份数」这个原始式子，再看份数是怎么来的。份数由权重决定就用加权，由比率倒数决定就用调和，由连乘决定就用几何。

5.4 六个常见分布和它们的两把尺子

试卷里反复出现的分布有六个，分成离散和连续两组。

离散组：二项分布、泊松分布、超几何分布。二项分布描述n次独立重复试验里成功的次数，期望是np，方差是np(1-p)。泊松分布描述单位时间或单位空间内稀有事件发生的次数，它有个漂亮的性质——期望和方差都等于λ。超几何分布和二项分布的关系是试卷爱考的：二项分布对应有放回抽样，每次试验条件不变；超几何分布对应无放回抽样，抽走一个总体就变了一点。样本量相对总体很小的时候，两者结果几乎一样，所以实际工作中常拿二项近似超几何。

连续组：均匀分布、正态分布、指数分布。均匀分布在区间[a, b]上概率密度处处相等，期望是(a+b)/2，方差是(b-a)²/12——那个12是推导出来的常数，不用记来源，记住形式即可。正态分布由均值μ和方差σ²两个参数完全确定，期望就是μ、方差就是σ²。指数分布的期望是1/λ，方差是1/λ²。

指数分布和泊松分布的关系值得单独说一句：泊松描述的是「一段时间内事件发生几次」，指数描述的是「两次事件之间隔多久」，前者是计数，后者是等待时间，两者共用同一个λ，但含义相反。某洗车店每小时平均来10辆车，那么车辆到达的间隔就服从λ=10的指数分布，平均间隔是1/10小时，也就是6分钟。这里最容易错的是把平均间隔写成10——λ是「单位时间多少次」，取倒数才是「每次多久」。

5.5 统计三大分布与抽样：样本均值自己也有分布

到这里还差一块拼图：抽样分布。它的核心问题是——我从总体里抽n个样本算出一个均值，这个均值本身会不会波动？答案是会，而且它自己服从一个分布。

如果总体是N(μ, σ²)，那么样本均值服从N(μ, σ²/n)。注意方差被除以了n，这解释了一个日常经验：样本量越大，样本均值越稳定。n从100涨到400，均值的标准差减半，这也是为什么调查样本量翻四倍才能把误差压一半。

由正态分布还能派生三个分布，试卷称之为统计三大分布：卡方分布、t分布、F分布。卡方分布是若干个标准正态变量的平方和，常用来构造方差的区间估计；t分布长得像正态但尾巴更厚，专门用于总体方差未知时对均值做推断；F分布是两个卡方分布各自除以自由度之后的比值，用于比较两组方差。这三个分布是后面做假设检验的全部工具箱，试卷把它们和「均匀、正态、指数」放在一起做干扰项，就是要你分清哪些是描述数据的分布、哪些是描述统计量的分布。

顺带提一句点估计。试卷问常见点估计方法有哪几种，答案是矩估计法、极大似然估计法和最小二乘估计法。矩估计的思路最直白：用样本矩去估计总体矩，样本均值估总体均值、样本方差估总体方差，拿已知推未知。

6. 什么时候该刷这套题、什么时候别刷：一份边界判断

这套题的价值边界其实很清楚，用一张表能说透。

判断自己该不该刷，有个简单办法：随便挑一道题，先别管答案，把代码敲进控制台跑一遍，看结果和你脑子里预判的是否一致。一致，说明这块你已经过关，可以跳过；不一致，那就是你要补的洞。这个自测方式比从头到尾刷一遍效率高得多，因为你的时间应该花在「预判失败」的地方，而不是「已经会」的地方。

至于什么时候别刷，我的建议是：如果你连向量和列表都还分不清，先别碰最后那几章的概率分布和参数估计。那部分题目默认你已经能熟练操作数据结构，直接上手只会变成背答案。反过来，如果你正在准备一场以选择题为主的考核，这套题的性价比就很高——它把出题人爱设的陷阱都摊在明面上了，比如循环补齐、单双方括号、levels截断、冒号优先级，这些点看一遍答案记不住，必须自己踩一次。

我自己的习惯是：每次遇到一段结果和预期不符的代码，先不急着改，而是把中间每一步的class()、length()、str()打出来看一遍。这个动作最早就是从做这类题养成的——当时错了一道df["Height"]的题，明明觉得取的就是那一列，mean()却报错，查了半天才发现拿到的是数据框不是向量。从那以后我每次写取子集的代码，都会先跑一遍class()确认结构，宁可多打一行，也不让它在几十行之后才炸出来。

希望这套题也能帮你把那些「以为懂了其实没懂」的地方提前暴露出来，完整题目和答案都在资料里，需要的话去下载页自取就好。

本文还有配套的精品资源，点击获取