Bevezetés az R interjú kérdései és válaszai
R mindenhol van. Legyen szó egy tudósról, aki kísérleteinek numerikus adatait próbálja összegyűjteni, vagy egy elemzőnek, aki regressziót végez egy üzleti felhasználási eset megoldására, az R az első választási programozási nyelv. Valójában az R sokkal többet tud megtenni, mint a statisztikai eszközök, felhasználható adatfeldolgozásra, megjelenítésekre és grafikákra. Ebben az információs korban az R a legfontosabb nyelv az Data Science eszközkészletben, és óriási igény van rá.
Tehát végre megtalálta álmai munkáját R-ben, de azon gondolkodik, hogyan lehet feltörni az R interjút, és mi lehet a 2018 R interjúval kapcsolatos lehetséges kérdések. Minden interjú különbözik, és a munkaköre is eltérő. Ezt szem előtt tartva megterveztük a leggyakoribb 2019 R interjú kérdéseket és válaszokat, amelyek segítenek az interjú sikerében.
Az alábbiakban felsoroljuk a 2019 R interjúval kapcsolatos kérdéseket és válaszokat, amelyeket fel lehet kérdezni egy interjú során. Ezek a legfontosabb interjúkérdések két részre oszthatók:
1. rész - R interjúkérdések (alapvető)
Ez az első rész az R interjú alapvető kérdéseit és válaszát tartalmazza
1. Mi az lm () függvény használata?
Válasz:
Az „lm” egy lineáris modellt jelent. Az R lm () függvényben regressziós modelleket lehet létrehozni. Az lm () függvénynek megadott két legfontosabb érv a képlet és az adatok. A képlet meghatározza a regressziós modellt, és az adat az az adatkészlet, amelyen a regressziót végre kell hajtani.
2. Adjon példát a tapply () módszer használatáról
Válasz:
Vegyünk két rendezett vektort
1) a diákok különféle iskolákban oszlanak meg (s1 az első tanuló iskola, s2 a második tanuló iskola stb.)
> hallgatók <- c (“s1 ″, “ s2 ″, “s1 ″, “ s3 ″, “s3 ″, “ s2 ”)
2) Minden hallgató pontszámának százaléka
> jelek <- c (80, 90, 75, 67, 96, 67)
> jelentése <- tapply (pontok, hallgatók, átlag)
> azt jelenti
s1 s2 s3
77, 5 78, 5 81, 5
A tapply () függvény az „mean ()” függvényt alkalmazza az „argumentumok” első argumentumra, amelyet a „hallgatók” második argumentum csoportosít
Térjünk át a következő R interjúkérdésekhez.
3. Hogyan módosíthatjuk és összeállíthatjuk a listákat? Mutasson egy példával.
Válasz:
Építési listák:
> Lst <- lista (név = ”Jack”, életkor = 23, no.car = 3, cars.names = c (“Wagon”, “Lökhárító”, “Jazz”))
Lista módosítása:
> Legkisebb dollár gépkocsi-nevek (1) Lst ((4)) (1) <- “WagonR”
4.Milyen különféle adatstruktúrák vannak az R-ben?
Válasz:
Ez az interjú során feltett alapvető R interjúkérdések. R 5 adatszerkezettel rendelkezik: vektor, tömb, mátrix, lista és adatkeretek. Ebből a vektorok, a tömbök és a mátrixok homogének.
- A vektorok a leggyakoribb adatszerkezet R-ben. Ez egydimenziós objektum, amely egy értékek halmazát jelöli. Egy tömb a vektorok többdimenziós általánosítása. A mátrix egy tömb speciális esete, kétdimenziós.
- A lista objektumok rendezett készletéből áll, amelyek különféle típusúak vagy üzemmódok lehetnek. Az adatkeret olyan, mint egy táblázat vagy mátrix különböző módok oszlopaival.
5. Hogyan kezeljük a hiányzó értékeket összeg (), prod (), min (), max () függvényekben?
Válasz:
Vegyünk egy vektort:
> x <- c (3, 6, 2, NA, 1)
Összege az alábbiakhoz vezet:
> összeg (x)
(1) NA
A na.rm argumentumot True értékre állíthatjuk, hogy figyelmen kívül hagyjuk a hiányzó értékeket
> összeg (x, na.rm = igaz)
(1) 12
6. Mi a különbség az NA és a NaN között? Honnan tudhatjuk, hogy a vektor tartalmaz-e egyiket?
Válasz:
NA egyenértékű a hiányzó értékkel. Azokban az esetekben, amikor a vektorok alkotóelemei nem teljesen ismertek, a hiányzó elemeket NA jelöli.
Másrészt a számítások során keletkező meghatározhatatlan értékeket NaN jelöli. A NaN eredményére példa lehet a 0/0.
Az is.na () függvény segítségével ellenőrizhetjük, hogy egy érték NA vagy NaN-e. Az is.nan (X) függvény igaz, csak a NaN esetében.
7. Hogyan írhatjuk meg a saját funkcióit?
Válasz:
Az R függvény a következőképpen írható:
> függvény_neve <- függvény (arg1, arg2, …) kifejezés_in_R
Az express_in_R általában különféle kifejezések halmaza, amelyek össze vannak ágyazva.
2. rész - R interjúkérdések (haladó)
Vessen egy pillantást az R interjú kérdéseire.
8. Mik az R mátrixai?
Válasz:
A Mátrix egy tömb, amely két alindexet tartalmaz. Ez a tömb fontos különleges esete, és az R sok olyan funkciót biztosít, amelyek a mátrixokra jellemzőek.
Például a t (X) átadja a X mátrixot, % *% operátort használunk a mátrix szorzásához, nrow (X) és ncol (X) a sorok és oszlopok számát, stb.
9. Hogyan lehet megoldani a lineáris egyenleteket mátrixinverzió segítségével?
Válasz:
A mátrix alakú lineáris egyenleteket a következőkkel ábrázolhatjuk:
M * X = C, ahol M egy együtthatók nxn mátrixa, X egy n méretű vektorváltozó, és C egy n méretű állandó vektor.
Ennek az egyenletnek az R-ben történő megoldásához a következőképpen használhatjuk a lahen () függvényt:
X = megoldás (M, C)
Térjünk át a következő R interjúkérdésekhez.
10. Mi az interkvartilis tartomány (IQR) és hogyan lehet kiszámítani azt R-ben?
Válasz:
A kvartilis az az érték, amely megosztja az adatkészletet. Minden rendezett adatkészletben elfoglalt helyét az első (Q1), a második (Q2) és a harmadik (Q3) kvartilisnek nevezzük. Q2 az adatkészlet mediánja. Q1 az első fél mediánja, míg Q3 a rendezett adatkészlet felső felének mediánja. IQR = Q3-Q1
R-ben az IQR kiszámítása az IQR függvény meghívásával történik:
> IQR (adatkészlet)
11. Hogyan működik a plot () függvény?
Válasz:
Ez egy gyakran feltett R interjú kérdése egy interjúban. A diagram egy általános függvény, és az argumentumok típusától függően egy diagramtípust hoz létre. Például,
Ha x és y vektorok, akkor az (x, y) grafikon y szórási görbét hoz létre x ellen.
Ha z egy lista, amely két x és y elemet tartalmaz, vagy egy két oszlopos mátrixot, akkor a (z) diagram ugyanaz, mint a fentiek.
12. Hogyan lehet egy függvényt alkalmazni az adatkeret összes oszlopára?
Válasz:
Használhatjuk az apply () függvényt. Két érvre van szükség - az adatkeretre és az alkalmazandó funkcióra.
13.Hogyan lehet átalakítani az adatkereteket mátrixokká és miért szükséges?
Válasz:
Az as.matrix () függvényt használjuk az adatkeret mátrixba konvertálására. Az R nagy teljesítményű könyvtárakat biztosít, amelyek specifikusak a mátrixokra. Ezért a mátrixokká konvertált adatkeretek ezen mátrixképletek segítségével elemezhetők.
Térjünk át a következő R interjúkérdésekhez.
14. Hogyan formázhatjuk a karakter tömböket dátumokra R-ben?
Válasz:
Használhatja az as.Date () függvényt, amely karaktermátrixok vektorát és formátumát veszi át dátumobjektummá konvertálására.
Például,
> as.Date (“22: 2: 2001 ″, formátum =”% d:% m:% Y ”)
15. Keresse meg a legkisebb és a legnagyobb számot 7000 és 70000 között, amely osztható a 233-mal.
Válasz:
> Keresse meg (funkció (x) x %% 233 == 0, 7000: 70000)
(1) 7223
> Keresse meg (funkció (x) x %% 233 == 0, 7000: 70000, jobbra = igaz)
(1) 69900
Következtetés
Interjúkérdéseket fedeztünk fel az R. leggyakoribb fogalmaival kapcsolatban. Mivel az R széles körű könyvtárat támogat, az R-n végzett munka gyakran folyamatos tanulási folyamat. Ezenkívül kapcsolatba léphet az R-közösséggel, és megnézheti a CRAN további forrásait. A legjobb az interjúban!
Ajánlott cikk
Ez egy útmutató az R interjú kérdések és válaszok listájához, így a jelölt könnyen meg tudja oldani ezeket az R interjú kérdéseit. A következő cikkeket is megnézheti további információkért -
- Informatica forgatókönyv alapú interjúkérdések
- Hasznos 10 Tableau interjúkérdés
- 10 csodálatos adatmérnök interjú kérdés
- Szoftvertesztelő interjúkérdések
- SAP vs Oracle Milyen előnyei vannak?