简介：这份R语言试题及答案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，帮助读者通过做题系统检验对基础语法与统计概念的掌握程度。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()等常用工作空间操作命令，并延伸到向量运算、因子创建、矩阵构造与索引等数据操作要点，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，轻量易读，适合打印练习或对照复习。目前已有11252人学习下载，热度较高，可作为课堂练习、期末复习或面试前知识梳理的配套题库使用，帮助读者在较短时间内定位薄弱环节并巩固R语言基础。
1. 从一道题看懂 R 语言：它到底在考什么
很多人第一次看到「R 试题（附带答案）」这种资源，第一反应是：这不就是一份题库吗？但真正翻过一遍就会发现，它考的并不是死记硬背，而是你对 R 语言这套「数据思维」到底有没有建立起来。打个比方，R 语言就像一间厨房，向量、矩阵、数据框是不同形状的锅碗瓢盆，函数是菜谱，而统计概念是食材——试题则像一位老师傅站在旁边，指着某口锅问你：这口锅该装什么、火候怎么控、什么时候该换锅。
这份资源把 R 语言入门、数据描述性分析、概率分布、参数估计与假设检验串成了一条线，每一道题背后都对应一个真实的数据处理场景。搞懂它，不只是为了应付考试，而是让你在面对一份真实数据时，知道第一步该做什么、用什么函数、结果怎么读。接下来几章，我会把这份试题里反复出现的核心概念一个个拆开讲清楚。
2. R 语言的数据类型与基本操作：为什么它和 Excel 不一样
2.1 数据类型不是学术分类，而是决定你能做什么运算
R 语言里最基础的一层认知，是搞清楚数据到底分几类。试题里反复出现「学历是名义数据」「身高是计量数据」这类判断，很多人觉得这只是统计学的名词游戏，其实它直接决定了你在 R 里能对一列数据做什么。
通俗地说，数据分两大阵营：定性数据和定量数据。定性数据描述的是「类别」，比如性别、部门、学历；定量数据描述的是「数量」，比如身高、销售额、股票价格。定性数据又分两种：名义数据（比如「行政部、财务部、销售部」，彼此没有大小顺序）和有序数据（比如「不满意、一般、满意」，有顺序但不能直接加减）。定量数据也分两种：计数数据（比如「一个班有多少人」，只能是整数）和计量数据（比如「身高 175.3 厘米」，可以是小数）。
为什么这个区分重要？因为在 R 里，名义数据和有序数据通常用因子（factor）来存储，而定量数据用数值向量。如果你把该用因子的列存成了数值，做分类统计时就会翻车——R 会把它当成连续数字去算均值，结果毫无意义。
提示：判断一列数据该用什么类型，先问自己「这列数字能不能做加减乘除」。能，就是定量；不能，就是定性。
2.2 向量、矩阵、数据框：三种容器的本质区别
R 语言里最常用的三种数据容器是向量、矩阵和数据框。试题里有一道很典型的题：矩阵要求所有元素类型一致，而数据框允许每一列类型不同。这句话是整个 R 数据结构的核心。
打个比方，向量像一排同款储物格，每个格子里放的东西必须同类；矩阵像一张方格纸，每个格子里也只能放同类东西，但有了行和列两个维度；数据框则像一张 Excel 表，每一列是一个变量，列与列之间可以是不同类型——第一列是姓名（字符型），第二列是年龄（数值型），第三列是性别（因子型），互不干扰。
试题里有一道关于矩阵索引的题：A[2:3, 3:4]取的是第 2 到第 3 行、第 3 到第 4 列的子矩阵。这个语法看起来简单，但初学者最容易搞混的是「行在前还是列在前」。记住一个口诀：方括号里先写行、再写列，中间用逗号隔开。如果只写一个维度，比如A[,1]，那就是取第一列的所有行。
# 创建一个 3 行 4 列的矩阵 A <- matrix(1:12, nrow = 3) # 取第 2 到第 3 行、第 3 到第 4 列 A[2:3, 3:4] # 取第一列的所有元素 A[, 1]上面代码中，matrix(1:12, nrow = 3)表示把 1 到 12 这 12 个数字按列填充成 3 行 4 列的矩阵。A[2:3, 3:4]中的2:3是行索引，3:4是列索引。A[, 1]中逗号前面留空表示「所有行」，逗号后面的1表示「第一列」。这三个写法在试题里反复出现，是必须形成肌肉记忆的操作。
2.3 工作空间管理：ls() 和 rm() 为什么是高频考点
试题里有一道题问「列出当前工作空间中所有变量的函数」，答案是ls()。还有一道题问「删除所有以字母 n 开头的对象」，答案是rm(list = ls(pat = "^n"))。这两道题看似简单，但背后是一个很实际的问题：R 的工作空间是一个「全局环境」，你创建的每一个变量都住在里面，时间一长就会堆满临时对象，导致命名冲突或者内存浪费。
ls()相当于「点名」，列出当前环境里所有还活着的变量名。rm()相当于「清退」，把指定的变量从内存里删掉。ls(pat = "^n")里的pat是 pattern（模式）的缩写，^n是正则表达式，表示「以 n 开头」。所以整句话的意思是：先列出所有以 n 开头的变量名，然后一次性全部删除。
注意：
rm(list = ls())会清空整个工作空间，执行前确认没有需要保留的变量。这个操作没有后悔药。
2.4 常见误区：这五个概念初学者最容易搞混
第一个易混点：getwd()和setwd()。前者是「查看当前工作目录」，后者是「设置工作目录」。很多人记反，是因为两个函数只差一个字母。区分方法：get是「获取」，set是「设置」，和英文含义完全对应。
第二个易混点：head(rt, n = 10)和head(rt, 10)。两者结果一样，但前者更规范。试题里两种写法都算对，但实际写代码时建议带上n =，可读性更好。
第三个易混点：3 == 5和3 = 5。前者是「判断是否相等」，返回逻辑值FALSE；后者是「赋值」，把 5 赋给 3（实际上会报错，因为 3 不是合法变量名）。试题里L <- 3 == 5的结果是L为逻辑变量、值为FALSE，考的就是这个区分。
第四个易混点：as.character()和is.numeric()。前者是「转换类型」，把数值转成字符；后者是「判断类型」，返回TRUE或FALSE。试题里y <- as.character(3)之后y是"3"，再判断is.numeric(y)返回FALSE，因为字符型不是数值型。
第五个易混点：factor()和gl()。两者都能创建因子，但factor()更通用，gl()专门用来生成「水平序列」。试题里有一道关于部门分类的题，正确答案用factor(x, levels = c(1, 2), labels = c("行政部", "财务部"))，意思是只保留 1 和 2 两个水平，并给它们贴上标签。如果用gl()，参数写法完全不同，容易搞混。
3. 描述性统计与 R 函数：数据开口说话的第一步
3.1 定性数据和定量数据的描述方法为什么必须分开
试题里有一道填空题：数值法描述定性数据的两种常用方法分别是「频数」和「相对频数」，对应的 R 函数是table()和prop.table()。图形法描述定性数据主要有条形图、饼图和 Pareto 图，对应函数是barplot()和pie()。描述定量数据的图形则有直方图、茎叶图和箱线图，对应函数是hist()、stem()和boxplot()。
为什么定性数据和定量数据要用不同的描述方法？因为定性数据的核心是「每一类出现了多少次」，所以频数表和条形图最直接；定量数据的核心是「分布长什么样」，所以直方图和箱线图才能看出集中趋势和离散程度。打个比方，定性数据像投票结果，你关心的是「谁得了几票」；定量数据像身高测量，你关心的是「大家普遍多高、差距多大」。
3.2 四种平均数：什么时候用算术、什么时候用调和
试题里有一组关于平均数的题，考的是算术平均数、加权平均数、几何平均数和调和平均数的适用场景。这四种平均数不是随便选的，选错了结果就会失真。
算术平均数适用于「每个数据同等重要」的场景，比如一周五天的手机销量求平均。加权平均数适用于「每个数据权重不同」的场景，比如期末总评成绩由平时 10%、实验 20%、期末 70% 组成。几何平均数适用于「连续比率变化」的场景，比如计算一段时间的平均增长率。调和平均数适用于「固定总量、不同单价」的场景，比如三段路程速度不同求平均速度，或者三个市场价格不同但各买一元钱求平均价格。
试题里有一道典型题：前半段时速 60 公里，后半段时速 30 公里，两段距离相等，求平均速度。答案是调和平均数，不是算术平均数。因为速度的定义是「路程除以时间」，两段路程相等时，时间不同，必须用调和平均。
# 算术平均数 mean(c(7, 8, 9, 10, 11)) # 加权平均数：平时 10%、实验 20%、期末 70% weighted.mean(c(85, 90, 78), c(0.1, 0.2, 0.7)) # 调和平均数：两段等距路程，速度分别为 60 和 30 1 / mean(1 / c(60, 30))上面代码中，mean()是最基础的算术平均。weighted.mean()的第一个参数是数值向量，第二个参数是权重向量，两者长度必须一致。调和平均数的计算方式是「倒数的平均数的倒数」，所以写成1 / mean(1 / c(60, 30))。这三个函数在试题里都有对应题目，理解它们的适用场景比记住函数名更重要。
3.3 常见误区：描述性统计里的三个坑
第一个坑：把「频数」和「相对频数」搞混。频数是「出现了多少次」，相对频数是「占比多少」。table()返回频数，prop.table()返回相对频数。试题里有一道题问「数值法描述定性数据的两种方法」，答案就是这两个，不能只写一个。
第二个坑：把「直方图」和「条形图」搞混。直方图用于定量数据，横轴是连续的数值区间；条形图用于定性数据，横轴是离散的类别。两者的 R 函数也不同：hist()和barplot()。
第三个坑：把「茎叶图」当成「箱线图」。茎叶图是把数据按位数拆开，展示原始分布；箱线图是展示中位数、四分位数和异常值。试题里明确把茎叶图归入定量数据的图形描述，对应函数是stem()。
4. 概率分布与随机变量：R 语言里的「概率工具箱」
4.1 离散分布和连续分布：二项、泊松、超几何 vs 均匀、正态、指数
试题里有一道填空题：二项分布、泊松分布、超几何分布是「离散」随机变量中常见的分布；均匀分布、正态分布、指数分布是「连续」随机变量中常见的分布。这个分类是概率论的基础，也是 R 语言里选择函数的前提。
离散分布描述的是「可以一个一个数出来」的结果，比如抛硬币正面朝上的次数、一小时内到达洗车店的汽车数、从一批产品中抽到次品的数量。连续分布描述的是「连续变化」的结果，比如身高、体重、等待时间。
二项分布适用于「有放回抽样」，超几何分布适用于「无放回抽样」。试题里有一道题专门考这个区别：二项分布适用于有放回抽样，超几何分布适用于无放回抽样。为什么？因为有放回时每次抽样的概率不变，无放回时每次抽样的概率会变化。
泊松分布描述的是「单位时间内事件发生的次数」，指数分布描述的是「两个事件之间的时间间隔」。试题里有一道题：一小时内到达洗车店的汽车数服从泊松分布，均值为每小时 10 辆，则车辆的间隔时间服从指数分布，平均间隔时间为 1/10 小时。这个关系是泊松过程和指数分布的核心联系。
4.2 期望和方差：每个分布的「身份证」
试题里有一组填空题，考的是各个分布的期望和方差公式。二项分布X~B(n,p)的期望是np，方差是np(1-p)。泊松分布X~P(λ)的期望和方差都是λ。均匀分布X~U(a,b)的期望是(a+b)/2，方差是(b-a)^2/12。正态分布X~N(μ,σ^2)的期望是μ，方差是σ^2。指数分布的期望是1/λ，方差是1/λ^2。
这些公式不需要死记硬背，但需要理解它们的含义。期望是「长期平均结果」，方差是「波动程度」。泊松分布的期望和方差相等，这是一个很特殊的性质，说明它的「平均发生次数」和「波动程度」是同一个参数控制的。
# 二项分布：抛 10 次硬币，正面朝上概率 0.5，求期望和方差 n <- 10 p <- 0.5 E_binom <- n * p Var_binom <- n * p * (1 - p) # 泊松分布：均值 lambda = 3 lambda <- 3 E_pois <- lambda Var_pois <- lambda # 均匀分布：区间 [0, 10] a <- 0 b <- 10 E_unif <- (a + b) / 2 Var_unif <- (b - a)^2 / 12上面代码中，E_binom和Var_binom分别计算二项分布的期望和方差。E_pois和Var_pois都等于lambda，体现了泊松分布的特殊性。E_unif和Var_unif计算均匀分布的期望和方差。这些计算在试题里以填空形式出现，但实际数据分析中，理解这些参数的含义比记住公式更重要。
4.3 常见误区：概率分布里的四个易混点
第一个易混点：二项分布和泊松分布。两者都描述「次数」，但二项分布有固定的试验次数n，泊松分布没有固定次数，描述的是「单位时间内」。区分方法：看有没有「总共多少次」这个前提。
第二个易混点：超几何分布和二项分布。两者都描述「抽到多少个」，但二项分布是有放回，超几何分布是无放回。区分方法：看抽样后「放不放回去」。
第三个易混点：指数分布和泊松分布。泊松分布描述「事件发生次数」，指数分布描述「事件间隔时间」。两者是「一对搭档」，经常一起出现。
第四个易混点：正态分布和标准正态分布。正态分布N(μ,σ^2)有两个参数，标准正态分布N(0,1)是均值为 0、方差为 1 的特殊情况。试题里有一道题问样本均值的分布，答案是X̄~N(μ, σ^2/n)，考的就是正态分布的性质。
5. 参数估计与假设检验：从样本猜总体的「赌局」
5.1 点估计的三种方法：矩估计、极大似然、最小二乘
试题里有一道填空题：常见点估计的方法有「矩」估计法、「极大似然」估计法和最小二乘估计法。这三种方法解决的是同一个问题：手里只有样本，怎么猜总体的参数？
矩估计法的基本思想是用「样本矩」去估计「总体矩」。通俗地说，就是用样本的平均值去猜总体的平均值，用样本的方差去猜总体的方差。极大似然估计法的思想是：哪个参数值最有可能产生我看到的这组样本，就选哪个。最小二乘估计法主要用于回归分析，思想是让预测值和实际值的误差平方和最小。
打个比方，你抓了一把糖果，想知道整袋糖果的平均重量。矩估计法就是直接称这把糖果的平均重量，当作整袋的平均重量。极大似然估计法则是反过来想：如果整袋糖果的平均重量是某个值，那么我抓到这把糖果的概率有多大？选概率最大的那个值。
5.2 统计量：为什么有些量能猜、有些量不能猜
试题里有一道题问「下列各式中不是统计量的是」，答案是含有未知参数的表达式。统计量的定义是「样本的函数，且不依赖于任何未知参数」。换句话说，统计量必须是你完全能从样本里算出来的量。
样本均值X̄是统计量，因为你可以从样本里直接算出来。样本方差S^2也是统计量。但如果表达式里含有总体均值μ或总体方差σ^2，那就不是统计量，因为μ和σ^2是未知的，你算不出来。
这个区分在假设检验里非常关键。假设检验的基本逻辑是：先假设总体参数等于某个值，然后看样本统计量在这个假设下出现的概率有多大。如果概率太小，就拒绝假设。
5.3 常见误区：参数估计里的三个坑
第一个坑：把「样本方差」和「总体方差」搞混。样本方差的分母是n-1，总体方差的分母是N。试题里有一道题专门考样本方差的计算公式，答案是分母为n-1的那个。
第二个坑：把「点估计」和「区间估计」搞混。点估计给出一个具体数值，区间估计给出一个范围。试题里主要考点估计的方法，但实际应用中区间估计更常用。
第三个坑：把「统计量」和「参数」搞混。参数是总体的特征，统计量是样本的特征。参数未知，统计量已知。试题里有一道题问「不是统计量的是哪个」，考的就是这个区分。
6. 什么时候该用这份试题，什么时候不该用
这份「R 试题（附带答案）」最适合的场景，是你已经看过一遍 R 语言的基础教程，但不确定自己到底有没有真正理解。它像一面镜子，能照出你在数据类型、向量操作、矩阵索引、描述性统计、概率分布、参数估计这些环节里，哪些地方是「以为自己懂了」、哪些地方是「真的懂了」。
具体来说，如果你正在准备一门数据分析相关的课程考试，这份试题能帮你快速定位薄弱环节。如果你刚开始学 R，做完前两章的题目就能发现自己是不是把getwd()和setwd()搞反了、是不是把factor()和gl()混为一谈。如果你已经工作，想捡起 R 语言做数据分析，这份试题能帮你复习那些「知道名字但说不清区别」的概念。
但它也有明确的边界。第一，它不教你如何安装 R 或 RStudio，也不教你如何读写外部数据文件。第二，它不涉及高级绘图（比如ggplot2）或机器学习建模。第三，它的题目以概念判断和基础操作为主，不涉及复杂的数据清洗或性能优化。如果你需要的是「从零搭建一个数据分析项目」，这份试题只能作为其中的一个环节，不能替代完整的实战教程。
我自己的习惯是：每次觉得自己「差不多会了」的时候，就找一份类似的试题做一遍，把错题对应的知识点重新翻一遍文档。有一次我自信满满地跳过了一道关于which.min()的题，结果在实际分析里把最小值的位置和最小值本身搞混了，排查了半天才发现是索引问题。从那以后，我每次遇到「位置」和「值」相关的函数，都强制自己在纸上写一遍输入和输出，确认没有搞反。
希望这份试题能帮你把 R 语言的基础打得扎实一点，少走一些我当年走过的弯路。
本文还有配套的精品资源，点击获取
