Introduksjon til R-intervju Spørsmål og svar
R er overalt. Enten det er en forsker som prøver å samle de numeriske dataene om eksperimentene hennes eller en analytiker som utfører regresjon for å løse et forretningsbrukssak, er R førstevalgsprogrammeringsspråk. Faktisk kan R gjøre mye mer enn statistikkverktøy, det kan brukes til databehandling, visualiseringer og grafikk. I denne informasjonsalderen er R det viktigste språket i datavitenskapens verktøysett, og det har en enorm etterspørsel.
Så du har endelig funnet drømmejobben din i R, men lurer på hvordan du kan knekke R-intervjuet og hva som kan være de sannsynlige 2018 R-intervjuspørsmålene. Hvert intervju er forskjellig, og omfanget av en jobb er også annerledes. Med dette i bakhodet har vi designet de vanligste R-intervjuer og svar fra 2019 for å hjelpe deg med å få suksess i intervjuet.
Nedenfor er listen over R-intervjuer og svar fra 2019, som kan stilles under et intervju. Disse øverste intervjuspørsmålene er delt inn i to deler:
Del 1 - R intervjuspørsmål (grunnleggende)
Denne første delen dekker grunnleggende R-intervjuspørsmål og svar
1. Hva bruker lm () -funksjonen?
Svar:
'lm' står for en lineær modell. I R lm () brukes funksjonen til å lage regresjonsmodeller. De to viktigste argumentene som er gitt til lm () -funksjonen er formel og data. Formelen definerer regresjonsmodellen og data er datasettet som regresjonen skal utføres på.
2. Gi et eksempel på bruk av tapply () -metoden
Svar:
Tenk på to ordnede vektorer
1) elever fordelt på forskjellige skoler (s1 er skolen til den første eleven, s2 er skolen til den andre eleven, osv.)
> studenter <- c (“s1 ″, ” s2 ″, ”s1 ″, ” s3 ″, ”s3 ″, ” s2 ”)
2) Prosentandel av hver elevs karakterer
> merker <- c (80, 90, 75, 67, 96, 67)
> betyr <- trykk (merker, elever, middel)
> betyr
s1 s2 s3
77, 5 78, 5 81, 5
Funksjonen tapply () bruker en funksjon 'mean ()' til første argument 'marks', som er gruppert av andre argument 'students'
La oss gå til de neste R-intervjuspørsmål.
3. Hvordan endrer og konstruerer lister? Vis med et eksempel.
Svar:
Lister Konstruksjon:
> Lst <- liste (name = ”Jack”, alder = 23, no.cars = 3, cars.names = c (“Wagon”, “Bumper”, “Jazz”))
Listemodifisering:
> Lst $ cars.names (1) Lst ((4)) (1) <- “WagonR”
4.Hva er forskjellige datastrukturer i R?
Svar:
Dette er de grunnleggende R-intervjuspørsmålene som stilles i et intervju. R har 5 datastrukturer: Vektor, matrise, matrise, liste og datarammer. Av hvilke vektorer, matriser og matriser er homogene.
- Vektorer er den vanligste datastrukturen i R. Det er et endimensjonalt objekt som angir et sett med verdier. En matrise er en flerdimensjonal generalisering av vektorer. En matrise er et spesielt tilfelle av en matrise, den er todimensjonal.
- En liste består av et ordnet sett med objekter som kan være av forskjellige typer eller moduser. En dataramme er som et bord eller en matrise med kolonner i forskjellige moduser.
5. Hvordan håndtere manglende verdier i sum (), prod (), min (), max () -funksjoner?
Svar:
Tenk på en vektor:
> x <- c (3, 6, 2, NA, 1)
Summen vil resultere i:
> sum (x)
(1) NA
Imidlertid kan vi sette na.rm-argumentet som True for å ignorere de manglende verdiene
> sum (x, na.rm = SANN)
(1) 12
6. Hva er forskjellen mellom NA og NaN? Hvordan vet vi om vektoren inneholder en av dem?
Svar:
NA tilsvarer manglende verdi. I tilfeller der komponenter av vektorer ikke er helt kjent, betegnes de manglende elementene av NA.
På den annen side betegnes de ubestemmelige verdiene som oppnås under beregningene av NaN. Et eksempel på NaN-resultat kan være 0/0.
Vi kan sjekke om en verdi er NA eller NaN ved å bruke is.na () -funksjonen. Funksjonen is.nan (X) returnerer bare sann for NaN.
7. Hvordan skrive dine egne funksjoner?
Svar:
En funksjon i R kan skrives som følger:
> funksjonsnavn <- funksjon (arg1, arg2, …) uttrykk_in_R
expression_in_R er vanligvis et sett med forskjellige uttrykk klubbbundet sammen.
Del 2 - R intervjuspørsmål (avansert)
La oss nå se på de avanserte R-intervjuspørsmål.
8. Hva er matriser i R?
Svar:
En matrise er en matrise med to abonnement. Det er et viktig spesialtilfelle av matrise, og R gir mange funksjoner som er spesifikke for matriser.
For eksempel gir t (X) en transponering av Matrix X, operatør% *% brukes for matriser multiplikasjon, nrow (X) og ncol (X) gir antall rader og kolonner, etc.
9. Hvordan løse lineære ligninger ved hjelp av matriseinversjon?
Svar:
Lineære ligninger i matriksform kan være representert ved:
M * X = C hvor M er en nxn-matrise av koeffisienter, X er en vektorvariabel av størrelse n og C er en konstant vektor med størrelse n.
For å løse denne ligningen i R, kan vi bruke løsningen () -funksjonen som følger:
X = løse (M, C)
La oss gå til de neste R-intervjuspørsmål.
10. Hva er et inter-kvartil-område (IQR) og hvordan beregne det i R?
Svar:
Kvartiler er verdiene som deler datasettet. Hver kvartil basert på sin plassering i et bestilt datasett kalles den første (Q1), andre (Q2) og den tredje (Q3) kvartilen. Q2 er median for datasettet. Q1 er median for første halvår mens Q3 er median for øvre halvdel av et bestilt datasett. IQR = Q3-Q1
I R blir IQR beregnet ved å kalle IQR-funksjonen:
> IQR (datasett)
11. Hva gjør plott () -funksjonen?
Svar:
Dette er de ofte stilte R-intervjuspørsmålene i et intervju. Plottet er en generisk funksjon, og avhengig av type argumenter produserer det en type plot. For eksempel,
Hvis x og y er vektorer, produserer plott (x, y) en spredningsdiagram av y mot x.
Hvis z er en liste som inneholder to elementer x og y eller en to-kolonne-matrise, gjør plott (z) det samme som ovenfor.
12. Hvordan bruke en funksjon på alle kolonnene i en dataramme?
Svar:
Vi kan bruke funksjonen Apply (). Det tar inn to argumenter - datarammen og funksjonen som skal brukes.
13.Hvordan konvertere datarammer til matriser, og hvorfor kreves det?
Svar:
Funksjonen as.matrix () brukes til å konvertere en dataramme til en matrise. R gir kraftige biblioteker som er spesifikke for matriser. Derfor kan datarammer konverteres til matriser analyseres ved bruk av disse matriksformlene.
La oss gå til de neste R-intervjuspørsmål.
14. Hvordan formatere tegneserier i datoer i R?
Svar:
Du kan bruke funksjonen as.Date () som tar en vektor med tegnsamfunn og et format for å konvertere dem til et datoobjekt.
For eksempel,
> som.Dato (“22: 2: 2001 ″, format =”% d:% m:% Y ”)
15. Finn det minste og største tallet mellom 7000 og 70000 som kan deles med 233.
Svar:
> Finn (funksjon (x) x%% 233 == 0, 7000: 70000)
(1) 7223
> Finn (funksjon (x) x%% 233 == 0, 7000: 70000, høyre = SANN)
(1) 69900
Konklusjon
Vi har dekket intervjuspørsmål knyttet til noen av de vanligste konseptene i R. Siden R støtter et omfattende bibliotek, er det ofte en kontinuerlig læringsprosess å jobbe med R. Videre kan du holde kontakten med R-Community og sjekke de ekstra ressursene på CRAN. Alt det beste for intervjuet ditt!
Anbefalt artikkel
Dette har vært en guide til Liste over R-intervjuspørsmål og svar, slik at kandidaten lett kan slå sammen disse R-intervjuspørsmålene. Du kan også se på følgende artikler for å lære mer -
- Informatica Scenario-baserte intervjuspørsmål
- Nyttige 10 spørsmål om Tableau-intervju
- 10 fantastiske spørsmål om dataingeniørintervju
- Spørsmål om programvaretesting intervju
- SAP vs Oracle Hva er fordelene?