Skip to content

Latest commit

 

History

History
391 lines (286 loc) · 10.7 KB

appendix1.md

File metadata and controls

391 lines (286 loc) · 10.7 KB
Raw

附錄 01：練習題參考解答

第 02 天練習題參考解答

1. 將您的身高（公分）指派給 my_height；體重（公斤）指派給 my_weight
my_height <- 172 # 替換為自己的身高
my_weight <- 70 # 替換為自己的體重
2. 分別將 my_height 與 my_weight 輸出在命令列
my_height
my_weight
3. 利用 my_height 與 my_weight 計算您的身體質量指數（Body Mass Index，BMI），BMI 計算公式為：

$$BMI = \frac{體重（公斤）}{身高（公尺）^2}$$

bmi <- my_weight / (my_height / 100)^2
bmi

第 03 天練習題參考解答

1. 將您的姓名指派給 my_name 並且輸出在命令列
my_name <- "Kuo, Yao-Jen"
my_name
2. 香港搖滾樂隊 Beyond 於 1983 年成立，我們假設成立日期是 1983-12-31，請將成立日期指派給 beyond_start 並轉換成整數輸出在命令列
beyond_start <- as.Date("1983-12-31")
as.integer(beyond_start)
3. 請以系統日期計算今年是 Beyond 成立幾週年紀念？
beyond_start <- as.Date("1983-12-31")
days_diff <- Sys.Date() - beyond_start # 計算天數差距
years_diff <- days_diff / 365 # 除以 365 換算成年

第 04 天練習題參考解答

1. 1999 年 9 月 21 日 1 時 47 分 16 秒發生震央位於南投縣集集鎮，芮氏規模 7.3 的地震，請以文字記錄這個時間，並將它指派給 major_quake_time
major_quake_time <- "1999-09-21 01:47:16"
2. 1999 年 9 月 21 日 1 時 57 分 15 秒發生第一個芮氏規模超過 6 的餘震，請以文字記錄這個時間，並將它指派給 first_aftershock_time
first_aftershock_time <- "1999-09-21 01:57:15"
3. 請將前兩題的生成的變數轉換為時間類型，計算間隔多久發生第一個芮氏規模超過 6 的餘震
major_quake_time <- as.POSIXct(major_quake_time)
first_aftershock_time <- as.POSIXct(first_aftershock_time)
first_aftershock_time - major_quake_time

第 05 天練習題參考解答

1. 我們有一個文字向量 weekdays 是一週的星期一到星期五，請您將最喜歡的週五（Happy Friday）從這個向量中用索引值選出來並且指派給 favorite_day
weekdays <- c("Monday", "Tuesday", "Wednesday", "Thursday", "Friday")
favorite_day <- weekdays[1]
favorite_day
2. 同樣的文字向量，請您利用判斷運算子將最藍的週一（Blue Monday）從這個向量中剔除後將剩餘的日子指派給 without_monday
weekdays <- c("Monday", "Tuesday", "Wednesday", "Thursday", "Friday")
not_blue_monday <- weekdays != "Monday"
without_monday <- weekdays[not_blue_monday]
without_monday
3. 我們有一個文字向量 speed_char 描述速度的快慢，請您使用 factor() 函數轉換成因素向量 speed_factor，並且讓快慢有排序（慢 < 快）
speed_char <- c("slow", "fast")
speed_factor <- factor(speed_char, ordered = TRUE, levels = c("slow", "fast"))
speed_factor

第 06 天練習題參考解答

1. 我們有一個矩陣叫做 my_mat，它是一個 3x3 的矩陣，裡面有 1 到 9 這些數字，請您利用 [m, n] 把 8 選出來
my_mat <- matrix(1:9, nrow = 3)
my_mat[2, 3]
2. 同樣的一個矩陣，請您利用判斷運算子來對矩陣進行篩選，選出奇數（1、3、5、7、9）
my_mat <- matrix(1:9, nrow = 3)
filter <- my_mat %% 2 == 1
my_mat[filter]
3. 我們繼續使用 great_nba_teams 這個資料框，請您分別利用 $變數名稱 與 [, "變數名稱"] 將 is_champion 變數挑出來
team_name <- c("Chicago Bulls", "Golden State Warriors")
wins <- c(72, 73)
losses <- c(10, 9)
is_champion <- c(TRUE, FALSE)
season <- c("1995-96", "2015-16")
great_nba_teams <- data.frame(team_name, wins, losses, is_champion, season, stringsAsFactors = FALSE)

# 利用 `$變數名稱`
great_nba_teams$is_champion

# 利用`[, "變數名稱"]`
greate_nba_teams[, "is_champion"]

第 07 天練習題參考解答

1. 我們把 1 到 1000 儲存在 10 個 10x10 的矩陣，並且收納在一個陣列 my_arr 之中，請你練習用索引值將 315 這個數字選出來
my_arr <- array(1:1000, dim = c(10, 10, 10))
my_arr[5, 2, 4]
2. 我們已經建立好幾個物件，請您幫我們收納進一個清單中叫做 worst_nba_teams，並利用 [[索引值]] 從清單中選出 wins 這個向量
title <- "Worst NBA Teams"
teams <- c("Charlotte Bobcats", "Philadelphia 76ers")
wins <- c(7, 9)
losses <- c(59, 73)
worst_nba_teams <- list(title, teams, wins, losses)
worst_nba_teams[[3]]
3. 同樣的幾個物件，請您建立清單 worst_nba_teams 的時候為每個物件命名，並且利用 $物件名稱 從清單中選出 teams 這個向量
title <- "Worst NBA Teams"
teams <- c("Charlotte Bobcats", "Philadelphia 76ers")
wins <- c(7, 9)
losses <- c(59, 73)
worst_nba_teams <- list(title = title, teams = teams, wins = wins, losses = losses)
worst_nba_teams$teams

第 08 天練習題參考解答

1. R 語言有內建圓周率（$$\pi$$），只要輸入 pi 就可以使用它，請練習使用 ceiling()、floor() 與 round() 函數將它轉換為 4、3 與 3.14
pi
ceiling(pi)
floor(pi)
round(pi, digits = 2)
2. 請在 R 語言的命令列（console）用一段文字輸出今天的系統日期
today_char <- "Today is:"
sys_date <- Sys.Date()
paste(today_char, sys_date)
3. 我們有一個數值向量 num_vector ，請使用描述性統計幫我們計算它的總和與中位數
num_vector <- c(11:14, NA)
sum(num_vector, na.rm = TRUE)
median(num_vector, na.rm = TRUE)

第 09 天練習題參考解答

1. 我們建立了一個 week 向量，裡面有一個星期中的七天名稱，請您使用 for 迴圈一一輸出每一天
week <- c("Sunday", "Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday")
for (day in week){
    print(day)
}
2. 同樣的一個 week 向量，請您使用 while 迴圈一一輸出每一天
week <- c("Sunday", "Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday")
i <- 1
while (i <= length(week)){
    print(week[i])
    i <- i + 1
}
3. 同樣的一個 week 向量，請您在使用迴圈一一輸出每一天的時候略過週一到週五，只輸出我們最愛的週末兩天即可
week <- c("Sunday", "Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday")
for (day in week){
    if (day %in% c("Sunday", "Saturday")){
        print(day)
    } else {
        next
    }
}

第 10 天練習題參考解答

1. 請練習自訂一個函數 my_factorial()，只要輸入整數 n，就會計算出 $$n!$$ 回傳
# 自訂函數
my_factorial <- function(n){
    n <- as.integer(n)
    ans <- 1
    for (i in 1:n){
        ans <- ans * i
    }
    return(ans)
}

# 呼叫函數
my_factorial(5)
2. 延續我們實作的 my_sum() 函數與 my_length() 函數，請練習自訂一個函數 my_mean()，平均數的公式：

$$\bar{x} = \frac{\sum_{i = 1}^{n}x_i}{n}$$

# 自訂函數
my_mean <- function(x){
    my_sum <- 0
    my_length <- 0
    for (i in x){
        my_sum <- my_sum + i
        my_length <- my_length + 1
    }
    return(my_sum / my_length)
}

# 呼叫函數
my_mean(1:10)
mean(1:10)

第 11 天練習題參考解答

1. 練習將加州大學爾灣分校資料儲存庫 http://archive.ics.uci.edu/ml/machine-learning-databases/iris/bezdekIris.data 的 iris 資料讀入
url <- "http://archive.ics.uci.edu/ml/machine-learning-databases/iris/bezdekIris.data"
iris_df <- read.table(url, header = FALSE, sep = ",")
2. 加州大學爾灣分校資料儲存庫的 iris 資料第一筆並不是變數名稱，請根據 http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.names 這個連結的描述為讀入的資料變數命名（使用 names() 函數）
url <- "http://archive.ics.uci.edu/ml/machine-learning-databases/iris/bezdekIris.data"
iris_df <- read.table(url, header = FALSE, sep = ",")
names(iris_df) <- c("sepal_length", "sepal_width", "petal_length", "petal_width", "class")
3. 練習將內建資料 cars 輸出為 cars.csv 至自訂的本機路徑，記住要指定參數 row.names = FALSE
file_path <- "/Users/username/cars.csv" # 自訂
write.csv(cars, file = file_path, row.names = FALSE)

第 12 天練習題參考解答

將一個畫布切割成為 2X2 個區塊，並使用 Base Plotting System 繪製任意四種圖形。
par(mfrow = c(2, 2))

# 任意選擇不同圖形練習
plot(cars)
curve(sin, from = -pi, to = pi)
barplot(table(mtcars$cyl))
boxplot(iris$Petal.Length ~ iris$Species)

第 13 天練習題參考解答

將一個畫布切割成為 2X2 個區塊，並使用 ggplot2 繪製任意四種圖形。
library(ggplot2)
library(gridExtra)

g1 <- ggplot(cars, aes(x = speed, y = dist)) + geom_point()
g2 <- ggplot(data.frame(x = c(-pi, pi)), aes(x = x)) + stat_function(fun = sin, geom = "line")
g3 <- ggplot(mtcars, aes(x = cyl)) + geom_bar()
g4 <- ggplot(iris, aes(x = Species, y = Petal.Length)) + geom_boxplot()
grid.arrange(g1, g2, g3, g4, nrow = 2, ncol = 2)

第 14 天練習題參考解答

在 favorite_bands_df 新增一個變數 formed_years，這個變數以系統日期計算樂團成立幾週年。
favorite_bands_df <- data.frame(band = c("Beyond", "Beatles"), lead_vocal = c("Wong Ka Kui", "John Lennon"), formed = c(1983, 1960))
sys_date_chr <- format(Sys.Date(), format = "%Y")
sys_date_num <- as.numeric(sys_date_chr)
favorite_bands_df$formed_years <- sys_date_num - favorite_bands_df$formed
favorite_bands_df

第 15 天練習題參考解答

延續今天所舉的 50 萬筆的身高體重資料，請分別用向量運算、mapply() 函數與迴圈來計算 BMI，並且都以 system.time() 函數觀察執行時間。
heights <- ceiling(runif(500000) * 50) + 140
weights <- ceiling(runif(500000) * 50) + 40
h_w_df <- data.frame(heights, weights)

# 定義 bmi_calculator
bmi_calculator <- function(height, weight){
    return(weight / (height / 100)^2)
}

# 向量運算
system.time(
    h_w_df$bmi <- h_w_df$weights / (h_w_df$heights / 100)^2
)

# mapply() 函數可以讓我們輸入兩個參數身高與體重
system.time(
    h_w_df$bmi <- mapply(FUN = bmi_calculator, h_w_df$heights, h_w_df$weights)
)

# 迴圈
bmi <- rep(NA, times = nrow(h_w_df))
system.time(
    for (i in 1:nrow(h_w_df)){
        bmi[i] <- bmi_calculator(h_w_df[i, "heights"], h_w_df[i, "weights"])
    }
)
h_w_df$bmi <- bmi