Introduktion till R-intervjufrågor och svar
R är överallt. Oavsett om det är en forskare som försöker aggregera de numeriska uppgifterna om hennes experiment eller en analytiker som utför regression för att lösa ett fall för affärsanvändning, är R det första valet av programmeringsspråk. I själva verket kan R göra mycket mer än statistikverktyg, det kan användas för databehandling, visualiseringar och grafik. Under denna informationsålder är R det viktigaste språket i datavetenskapliga verktygssatsen och det har en enorm efterfrågan.
Så du har äntligen hittat ditt drömjobb i R men undrar hur du knäcker R-intervjun och vad som kan vara de troliga R-intervjuerna från 2018. Varje intervju är annorlunda och omfattningen av ett jobb är också annorlunda. Med detta i åtanke har vi utformat de vanligaste R-intervjuerna och svaret från 2019 för att hjälpa dig att få framgång i din intervju.
Nedan är listan över R-intervjuer och svar från 2019, som kan ställas under en intervju. Dessa toppintervjufrågor är indelade i två delar:
Del 1 - R intervjufrågor (grundläggande)
Den första delen täcker grundläggande R-intervjufrågor och svar
1. Vad använder lm () -funktionen?
Svar:
'lm' står för en linjär modell. I R lm () används funktionen för att skapa regressionsmodeller. De två viktigaste argumenten som ges till funktionen lm () är formel och data. Formeln definierar regressionsmodellen och data är datasatsen som regressionen ska utföras på.
2. Ge ett exempel på metoden tapply ()
Svar:
Tänk på två ordnade vektorer
1) elever distribuerade över olika skolor (s1 är skolan för den första eleven, s2 är skolan för den andra eleven, etc.)
> studenter <- c (“s1 ″, ” s2 ″, ”s1 ″, ” s3 ″, ”s3 ″, ” s2 ”)
2) Procentandel av varje elevs betyg
> märken <- c (80, 90, 75, 67, 96, 67)
> betyder <- knacka (betyg, elever, medelvärde)
> betyder
s1 s2 s3
77, 5 78, 5 81, 5
Funktionen tapply () tillämpar en funktion "medelvärde ()" för första argument "markeringar", som grupperas av andra argument "studenter"
Låt oss gå till nästa R-intervjufrågor.
3. Hur ändrar och konstruerar jag listor? Visa med ett exempel.
Svar:
Listor Konstruktion:
> Lst <- lista (name = ”Jack”, ålder = 23, no.cars = 3, cars.names = c (“Wagon”, “Bumper”, “Jazz”))
Liständring:
> Lst $ cars.names (1) Lst ((4)) (1) <- “WagonR”
4. Vad är olika datastrukturer i R?
Svar:
Detta är de grundläggande R-intervjuerna som ställs i en intervju. R har 5 datastrukturer: Vector, Array, Matrix, List och data frames. Av vilka vektorer, matriser och matriser är homogena.
- Vektorer är den vanligaste datastrukturen i R. Det är ett endimensionellt objekt som anger en uppsättning värden. En matris är en flerdimensionell generalisering av vektorer. En matris är ett speciellt fall av en matris, den är tvådimensionell.
- En lista består av en ordnad uppsättning objekt som kan vara av olika typer eller lägen. En dataram är som en tabell eller en matris med kolumner med olika lägen.
5. Hur hanterar man saknade värden i summa (), prod (), min (), max () -funktioner?
Svar:
Tänk på en vektor:
> x <- c (3, 6, 2, NA, 1)
Summan kommer att resultera i:
> summa (x)
(1) NA
Vi kan dock ställa in na.rm-argumentet som sant för att ignorera de saknade värdena
> summa (x, na.rm = SANT)
(1) 12
6. Vad är skillnaden mellan NA och NaN? Hur vet vi om vektorn innehåller någon av dem?
Svar:
NA motsvarar det saknade värdet. I de fall där vektorkomponenter inte är helt kända, betecknas de saknade elementen av NA.
Å andra sidan betecknas de obestämda värdena som erhålls under beräkningarna av NaN. Ett exempel på NaN-resultat kan vara 0/0.
Vi kan kontrollera om ett värde är NA eller NaN med funktionen is.na (). Funktionen is.nan (X) returnerar bara sant för NaN.
7. Hur skriver du dina egna funktioner?
Svar:
En funktion i R kan skrivas på följande sätt:
> funktionsnamn <- funktion (arg1, arg2, …) expression_in_R
expression_in_R är vanligtvis en uppsättning av olika uttryck klubbade ihop.
Del 2 - R intervjufrågor (avancerad)
Låt oss nu titta på de avancerade R-intervjuerna.
8. Vad är matriser i R?
Svar:
En matris är en matris med två abonnemang. Det är ett viktigt speciellt fall av matris och R har många funktioner som är specifika för matriser.
Till exempel ger t (X) en transponering av Matrix X, operatör% *% används för matrismultiplikation, nrow (X) och ncol (X) ger antalet rader och kolumner, etc.
9. Hur löser man linjära ekvationer med matrisinversion?
Svar:
Linjära ekvationer i matrisform kan representeras av:
M * X = C där M är en nxn-matris med koefficienter, X är en vektorvariabel med storlek n och C är en konstant vektor med storlek n.
För att lösa denna ekvation i R kan vi använda lösningen () -funktionen enligt följande:
X = lösa (M, C)
Låt oss gå till nästa R-intervjufrågor.
10. Vad är ett interkvartilintervall (IQR) och hur beräknas det i R?
Svar:
Kvartiler är de värden som delar upp datauppsättningen. Varje kvartil baserat på sin position i en ordnad datauppsättning kallas den första (Q1), den andra (Q2) och den tredje (Q3) kvartilen. Q2 är median för datauppsättningen. Q1 är median för första halvåret medan Q3 är median för den övre halvan av en ordnad datauppsättning. IQR = Q3-Q1
I R beräknas IQR genom att anropa IQR-funktionen:
> IQR (dataset)
11. Vad gör plot () -funktionen?
Svar:
Detta är de vanliga frågorna om R-intervjuer i en intervju. Plottet är en generisk funktion och beroende på vilken typ av argument den producerar en typ av plot. Till exempel,
Om x och y är vektorer, producerar plot (x, y) en spridningsdiagram av y mot x.
Om z är en lista som innehåller två element x och y eller en matris med två kolumner, gör plot (z) detsamma som ovan.
12. Hur använder man en funktion på alla kolumner i en dataram?
Svar:
Vi kan använda funktionen applicera (). Det tar in två argument - dataramen och funktionen som ska tillämpas.
13.Hur konverteras dataramar till matriser och varför krävs det?
Svar:
Funktionen as.matrix () används för att konvertera en dataram till en matris. R tillhandahåller kraftfulla bibliotek som är specifika för matriser. Följaktligen kan dataramar konverteras till matriser analyseras med hjälp av dessa matrisformler.
Låt oss gå till nästa R-intervjufrågor.
14. Hur formaterar jag teckenuppsättningar till datum i R?
Svar:
Du kan använda funktionen as.Date () som tar en vektor med teckenuppsättningar och ett format för att konvertera dem till ett datumobjekt.
Till exempel,
> som.Datum (“22: 2: 2001 ″, format =”% d:% m:% Y ”)
15. Hitta det minsta och största antalet mellan 7000 och 70000 som kan delas med 233.
Svar:
> Hitta (funktion (x) x%% 233 == 0, 7000: 70000)
(1) 7223
> Hitta (funktion (x) x%% 233 == 0, 7000: 70000, höger = SANT)
(1) 69900
Slutsats
Vi har behandlat intervjufrågor som rör några av de vanligaste begreppen i R. Eftersom R stöder ett omfattande bibliotek är arbetet med R ofta en kontinuerlig inlärningsprocess. Dessutom kan du hålla kontakten med R-Community och kolla in de ytterligare resurserna på CRAN. Allt bäst för din intervju!
Rekommenderad artikel
Detta har varit en guide till Lista över R-intervjufrågor och svar så att kandidaten lätt kan slå ned dessa R-intervjufrågor. Du kan också titta på följande artiklar för att lära dig mer -
- Informatica Scenario baserade intervjufrågor
- Användbara 10 Tableauintervjufrågor
- 10 fantastiska intervjufrågor för dataingenjör
- Intervjufrågor för mjukvarutestning
- SAP vs Oracle Vilka är fördelarna?