大家好，本期小云将通过几道题目帮助大家更好地掌握之前介绍过的知识。

第一题：合并不同数据类型的向量，并告诉我向量合并后的数据类型是什么？

char_vector<-c("zhangsan","lisi","wangwu")

num_vector<-c(1,2,3)

combined_vector<-c(char_vector,num_vector)

combined_vector

###合并后的向量包含了字符类型和数值类型的数据，但是数值类型的数据被转换成了字符类型。

第二题：x是-1到1之间均匀分布的长度为100的向量，请写程序定义一个向量y，y=1-x,x<0；y=1+x,x>=0

x<-runif(100,-1,1)

get_y<-function(x){

  ifelse(x<0,1-x,1+x)

}

y<-get_y(x)

y

#3.写程序定义变量ages，表示100个20~70岁的成年人年龄，并以每10岁作为区间统计各个年龄段的人数

ages<-sample(20:70,replace = TRUE)

age_groups<-cut(ages,seq(20,70,10))

age_counts<-table(age_groups)

age_counts

#4.写程序生成10*10的单位矩阵和对角线上分别为1:10的对角矩阵

unit_matrix<-diag(10)

unit_matrix

diag_matrix<-diag(1:10)

diag_matrix

#5.写程序生成如下矩阵，并用apply命令按列进行求和

A<-matrix(c(NA,9,17,25,3,NA,19,27,5,13,NA,29,7,15,23,NA),ncol=4)

A

apply(A, 2, sum,na.rm=T)

#6.利用R内部mtcars数据，计算mpg、 drat和wt列数据的中位值（median）、平均值（mean）及标准差（sd）；并按cyl分组，计算不同组别的mpg、 drat和wt列数据的平均值(mean)

library(dplyr)

mpg_median <- median(mtcars$mpg)

mpg_mean <- mean(mtcars$mpg)

mpg_sd <- sd(mtcars$mpg)

drat_median <- median(mtcars$drat)

drat_mean <- mean(mtcars$drat)

drat_sd <- sd(mtcars$drat)

wt_median <- median(mtcars$wt)

wt_mean <- mean(mtcars$wt)

wt_sd <- sd(mtcars$wt)

mtcars %>%

  group_by(cyl) %>%

  summarise(mpg_mean = mean(mpg), drat_mean = mean(drat), wt_mean = mean(wt))

#7.写程序生成从1到100的整数，若数字为7的倍数，打印数字，若数字为9的倍数，打印'NA' ，其余情况不输出。

for (i in 1:100) {

  if (i %% 7 == 0) {

    cat(i, "\n")

  } else if (i %% 9 == 0) {

    cat("NA", "\n")

  }

}

#2.写程序输出下三角表示的九九乘法表。

# 生成九九乘法表

result <- matrix(0, nrow = 9, ncol = 9)

for (i in 1:9) {

  for (j in 1:i) {

    result[i, j] <- i * j

  }

}

# 打印下三角形式的九九乘法表

for (i in 1:9) {

  for (j in 1:i) {

    cat(i,'*',j,'=',result[i, j], "\t")

  }

  cat("\n")

}

 

以上就是本期小云带学的内容啦。请持续关注小云，我们下期见~

筛选免疫基因对小工具：www.biocloudservice.com/589/589.php