2020-2021学年第二学期《R语言数据分析方法与实验》期末试卷.docxVIP

PAGE 2 2020-2021学年第二学期《R语言数据分析方法与实验》期末考试试题 注意事项 交卷格式为：代码+输出结果（可使用Word、PDF、R markdown，要求一个代码对应一个结果），code务必可以复制运行 文件命名为“学号姓名”，例如“2018301051188张三” 3.? 提交方式为腾讯微云，具体链接由主考老师安排 4.? 没有按时提交者考试为0分，请大家控制好时间 第一题 (共35分) 探索nycflights13数据集 从flights数据中找出到达时间延误2小时或者更多的所有航班，并将生成的新数据保存为flight_arr2hr。(5分) 将生成的flight_arr2hr数据集根据目的地（dest）进行分组，统计出抵达每个目的地的航班数量，筛选出抵达航班数量前十名的目的地，将结果命名为top10_dest。(5分) 从weather表中挑选出以下变量：year, month, day, hour, origin, humid, wind_speed，并将其与flight_arr2hr表根据共同变量进行左连接, 生成的新数据保存为flight_weather (5分) 基于flight_weather数据集，根据不同出发地(origin)在平行的三个图中画出风速 wind_speed（x轴）和出发延误时间dep_delay（y轴）的散点图，以及平滑曲线。 (5分) flights中每家航空公司在2013年有多少班次的航班被取消了？提示：依据dep_time来判断某班次航班是否被取消(5分) 找出flights中每一家航空公司的航班最常去的目的地机场，以及flights中每家航空公司飞往最常去的目的地机场的航班数量 (10分) 第二题（共20分） 探索diamonds数据集 对diamonds数据集，生成一个新变量id，用于存储每条观测值所在的行数。挑选出id, x, y, z四个变量，将宽数据转换为长数据：将x, y, z的变量名存为新变量dimension，将x, y, z的值存为新变量length。转换后的长数据存为xyz_long。（5分） 将xyz_long数据集转换回宽数据xyz_wide。宽数据xyz_wide包含id, x, y, z四个变量。（5分） 写代码找出diamonds中最常见和最不常见的color，即出现次数最多和最少的color。然后，按照下列规则对color列重新定义——将color中其它颜色的因子合并为“Other Color”，最常见和最不常见的color分别设置为“Common”和“Rare”，将新生成的数据框保存为diamonds_color_redefine。最后，再将“Common”设置为diamonds_color_redefine中color因子的基准水平(reference level)。（10分） 第三题 （共25分） 请加载 stringr 包 根据stringr::words数据，统计每个单词的长度，按照其长度的中位数分为 “短单词” 和“长单词”两类，然后统计出每个单词的元音个数，以及元音比例（=元音个数/单词长度），将上述生成的数据保存为word_type。该数据的变量名依次为word, word_length, word_type, num_vowel, proportion_vowel. (5 分) 将单词类型分为“短单词” 和“长单词”。现在你想要检验两个“单词类型”对应的单词 “元音比例” 是否显著不同, 请根据不同的单词类型对元音比例画直方图 (注意：不要画成两个图) (5) 请从words 中每次取x个单词，统计辅音结尾的比率，并将其重复n次，将其写成函数。 注意，函数变量有两个，为：“抽取单词个数” x 和 “重复次数” n。请用x=10, n=5000测试你的函数并显示它是可运行的。要求运行结果产生一个新表,里面变量nonvowel_ratio, 同时产生一个直方图，并伴有密度曲线。请问它是什么分布？为什么？ (15分) 第四题（20分+ 30分附加题） 使用 dbCRAN - tools::CRAN_package_db() 获取cran上R packages 的相关数据,。dbCRAN的每一行是对一个包的信息的描述。其中，Package，Maintainer, Author, Depends 四列分别表示每一行所代表的包的名称，维护者，作者和该包依赖于哪些包以及R的版本，将这四列保存为 dbName，然后执行以下操作： 1. 写一个函数cleanNames 用来：去除一列中的各种括号以及括号里面的内容，并去除换行和行尾空格(提示：可以sample_n 几行来测试你的函数结果)；(10分) 2 对 db