「資料物件與資料整理」[解答]@e等公務園+e學中心

E等公務員,e學中心,解答,測驗,資料物件與資料整理

  「資料物件與資料整理」e等公務園+e學中心+學習平臺解答

相信大家會搜尋進來,應該也是為了更快速完成測驗,貼心的我們懂你❤資料均網路上蒐集整理,僅供參考。大家善用Ctrl+F搜尋題目關鍵字,相信很快就找到答案。

問:R程式「rev(c(5, 3, 1, 4, 2))」,其結果為何?
v   1. 2 4 1 3 5
    2. 5 3 1 4 2
    3. 1 2 3 4 5
    4. 5 4 3 2 1
   
問:判斷是否為NA的R函數為何?
    1. is.NA
v   2. is.na
    3. check.NA
    4. check.na
   
問:建立mydata資料物件「mydata <- data.frame(編號=c(1:3), 姓名=c("RWEPA", "LEE", "JOHN"), 縣市別=c("台北市", "新北市", "台北市"))」, 下列何者不是選取縣市別資料的R指令?
    1. mydata[c("縣市別")]
    2. mydata[3]
    3. mydata$縣市別
v   4. mydata[縣市別]
   
問:R的資料型別包括
    :1. 數值
    2. 字串
    3. 邏輯值
v   4. 以上皆是
   
問:建立mydata資料物件「mydata <- data.frame(編號=c(1:3), 姓名=c("RWEPA", "LEE", "JOHN"), 縣市別=c("台北市", "新北市", "台北市"))」, 篩選縣市別為台北市的R指令?
    1. mydata[mydata$縣市別 = "台北市", ]
v   2. mydata[mydata$縣市別 == "台北市", ]
    3. mydata[mydata$縣市別 \= "台北市", ]
    4. mydata[mydata$縣市別 and "台北市", ]
   
問:列資料合併的R函數為何?
    1. rcombine
    2. rjoin
    3. radd
v   4. rbind
   
問:輸入以下R程式「x <- c(1, 2, 3);class(x)」,其結果為何?
    1. "character"
v   2. "numeric"
    3. "integer"
    4. "logical"
   
問:下列對於R的矩陣運算敘述何者為正確?
    1. 可以大於或等於二個維度
v   2. 預設採用"直行"填入資料
    3. 預設採用"橫列"填入資料
    4. 無法設定維度名稱
   
問:R程式「x <- c(1, 2, "巨量資料");x」,其結果為何?
    1. 1 2 "巨量資料"
    2. "1" "2" "1"
v   3. "1" "2" "巨量資料"
    4. "1" "2" "0"
   
問:下列對於R的敘述何者為錯誤?
    1. 向量(vector)是最基本的資料物件
    2. 因子(factor)是一種較特別的向量, 儲存類別型變數
v   3. 陣列(array)的資料型別可以不相同
    4. 串列(array)中每個元素的資料型別可以不相同
   
問:資料摘要的R函數為何?
v   1. summary
    2. table
    3. total
    4. abstract
   
問:建立mydata資料物件「mydata <- data.frame(編號=c(1:3), 姓名=c("RWEPA", "LEE", "JOHN"), 縣市別=c("台北市", "新北市", "台北市"))」, 下列何者不是選取縣市別資料的R指令?
    1. mydata[c("縣市別")]
    2. mydata[3]
    3. mydata$縣市別
v   4. mydata[縣市別]
   
問:R的矩陣相乘運算為?
v   1. %*%
    2. *
    3. **
    4. /*/
   
問:資料物件維度的R函數為何?
    1. dimension
    2. scale
v   3. dim
    4. attribute
   
問:資料標準化的R函數為何?
    1. standard
    2. uniform
v   3. scale
    4. verify
   
問:建立mydata資料物件「mydata <- data.frame(編號=c(1:3), 姓名=c("RWEPA", "LEE", "JOHN"), 縣市別=c("台北市", "新北市", "台北市"))」, 篩選縣市別為台北市的R指令?
    1. mydata[mydata$縣市別 = "台北市", ]
v   2. mydata[mydata$縣市別 == "台北市", ]
    3. mydata[mydata$縣市別 \= "台北市", ]
    4. mydata[mydata$縣市別 and "台北市", ]
   
問:R程式執行二個條件皆符合的邏輯運算符號(AND)為何?
    1. and
    2. \&
    3. &&
v   4. &
   
問:建立mydata資料物件「mydata <- data.frame(編號=c(1:3), 姓名=c("RWEPA", "LEE", "JOHN"), 縣市別=c("台北市", "新北市", "台北市"))」, 篩選縣市別為台北市的R指令?
    1. mydata[mydata$縣市別 = "台北市", ]
v   2. mydata[mydata$縣市別 == "台北市", ]
    3. mydata[mydata$縣市別 \= "台北市", ]
    4. mydata[mydata$縣市別 and "台北市", ]
   
問:下列何者是資料條件篩選的R函數?
    1. select
v   2. subset
    3. condition
    4. data
   
問:建立mydata資料物件「mydata <- data.frame(編號=c(1:3), 姓名=c("RWEPA", "LEE", "JOHN"), 縣市別=c("台北市", "新北市", "台北市"))」, 下列何者不是選取縣市別資料的R指令?
    1. mydata[c("縣市別")]
    2. mydata[3]
    3. mydata$縣市別
v   4. mydata[縣市別]
   
問:計算平均值的R函數為何?
    1. means
    2. averages
    3. average
v   4. mean
   
問:建立mydata資料物件「mydata <- data.frame(編號=c(1:3), 姓名=c("RWEPA", "LEE", "JOHN"), 縣市別=c("台北市", "新北市", "台北市"))」, 下列何者不是選取縣市別資料的R指令?
    1. mydata[c("縣市別")]
    2. mydata[3]
    3. mydata$縣市別
v   4. mydata[縣市別]
   
問:從母體個數為2的資料中隨機抽取10個樣本, 每次抽取後皆放回的R函數為何?
    1. sample(2, 10)
    2. sample(10, 2)
    3. sample(10, 2 , replace=TRUE)
v   4. sample(2, 10 , replace=TRUE)
   
問:建立mydata資料物件「mydata <- data.frame(編號=c(1:3), 姓名=c("RWEPA", "LEE", "JOHN"), 縣市別=c("台北市", "新北市", "台北市"))」, 下列何者不是選取縣市別資料的R指令?
    1. mydata[c("縣市別")]
    2. mydata[3]
    3. mydata$縣市別
v   4. mydata[縣市別]
   
問:建立mydata資料物件「mydata <- data.frame(編號=c(1:3), 姓名=c("RWEPA", "LEE", "JOHN"), 縣市別=c("台北市", "新北市", "台北市"))」, 篩選縣市別為台北市的R指令?
    1. mydata[mydata$縣市別 = "台北市", ]
v   2. mydata[mydata$縣市別 == "台北市", ]
    3. mydata[mydata$縣市別 \= "台北市", ]
    4. mydata[mydata$縣市別 and "台北市", ]
   
問:資料合併的R函數為何?
    1. combine
    2. join
v   3. merge
    4. add
   
問:建立mydata資料物件「mydata <- data.frame(編號=c(1:3), 姓名=c("RWEPA", "LEE", "JOHN"), 縣市別=c("台北市", "新北市", "台北市"))」, 下列何者不是選取縣市別資料的R指令?
    1. mydata[c("縣市別")]
    2. mydata[3]
    3. mydata$縣市別
v   4. mydata[縣市別]
   
問:R程式「order(c(5, 3, 1, 4, 2))」,其結果為何?
    1. 3 5 2 1 4
    2. 1 2 3 4 5
    3. 5 3 1 4 2
v   4. 3 5 2 4 1
   
問:建立mydata資料物件「mydata <- data.frame(編號=c(1:3), 姓名=c("RWEPA", "LEE", "JOHN"), 縣市別=c("台北市", "新北市", "台北市"))」, 下列何者不是選取縣市別資料的R指令?
    1. mydata[c("縣市別")]
    2. mydata[3]
    3. mydata$縣市別
v   4. mydata[縣市別]
   
問:建立mydata資料物件「mydata <- data.frame(編號=c(1:3), 姓名=c("RWEPA", "LEE", "JOHN"), 縣市別=c("台北市", "新北市", "台北市"))」, 下列何者不是選取縣市別資料的R指令?
    1. mydata[c("縣市別")]
    2. mydata[3]
    3. mydata$縣市別
v   4. mydata[縣市別]
   
問:建立mydata資料物件「mydata <- data.frame(編號=c(1:3), 姓名=c("RWEPA", "LEE", "JOHN"), 縣市別=c("台北市", "新北市", "台北市"))」, 篩選縣市別為台北市的R指令?
    1. mydata[mydata$縣市別 = "台北市", ]
v   2. mydata[mydata$縣市別 == "台北市", ]
    3. mydata[mydata$縣市別 \= "台北市", ]
    4. mydata[mydata$縣市別 and "台北市", ]

評論

BLOGGER

吃喝食記$type=three$count=3

名稱

大阪,20,大阪-吃喝,13,大阪-景點,9,日本自由行,59,台東,8,台南,5,生活點滴,6,生活點滴-開伙啦,3,生活點滴-說說話,3,吃看看,14,吃喝食記,380,吃喝食記-中部,237,吃喝食記-中部-台中市,1,吃喝食記-中部-南投縣,16,吃喝食記-中部-苗栗縣,10,吃喝食記-中部-彰化縣,17,吃喝食記-中部-臺中市,193,吃喝食記-北部,57,吃喝食記-北部-台北,15,吃喝食記-北部-台北新北,6,吃喝食記-北部-桃園市,6,吃喝食記-北部-基隆宜蘭,11,吃喝食記-北部-新北,11,吃喝食記-北部-新竹市,8,吃喝食記-東部,16,吃喝食記-東部-台東縣,8,吃喝食記-東部-花蓮縣,8,吃喝食記-南部,70,吃喝食記-南部-屏東縣,9,吃喝食記-南部-高雄市,16,吃喝食記-南部-雲林縣,6,吃喝食記-南部-嘉義市,15,吃喝食記-南部-臺南市,24,京都,1,來開箱,1,奈良,2,宜蘭,3,東京,39,東京-吃喝,22,東京-景點,17,泡湯,1,花蓮,2,花蓮縣,8,苗栗,1,首爾,36,首爾-吃喝,23,首爾-景點,14,高雄,1,國內旅遊,74,國內旅遊-中部,14,國內旅遊-中部-住宿,1,國內旅遊-中部-景點,14,國內旅遊-北部,21,國內旅遊-北部-住宿,13,國內旅遊-北部-景點,8,國內旅遊-東部,8,國內旅遊-東部-住宿,1,國內旅遊-東部-景點,7,國內旅遊-南部,32,國內旅遊-南部-住宿,17,國內旅遊-南部-景點,14,測驗,4078,新北,2,新竹,1,解答,1,嘉義,2,彰化,1,臺南市,2,購物分享,15,韓國自由行,36,E等公務員,4078,e學中心,4078,
ltr
item
PeiGoGo: 「資料物件與資料整理」[解答]@e等公務園+e學中心
「資料物件與資料整理」[解答]@e等公務園+e學中心
E等公務員,e學中心,解答,測驗,資料物件與資料整理
PeiGoGo
https://www.peigogo.com/2025/04/ee_49.html
https://www.peigogo.com/
https://www.peigogo.com/
https://www.peigogo.com/2025/04/ee_49.html
true
38625658927155388
UTF-8
Loaded All Posts 沒有找到任何文章 觀看全部 閱讀更多 Reply Cancel reply Delete By 首頁 PAGES POSTS 觀看全部 RECOMMENDED FOR YOU 標籤 ARCHIVE SEARCH 所有文章 未找到您要求相符的文章 返回首頁 Sunday Monday Tuesday Wednesday Thursday Friday Saturday Sun Mon Tue Wed Thu Fri Sat January February March April May June July August September October November December Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec just now 1 minute ago $$1$$ minutes ago 1 hour ago $$1$$ hours ago Yesterday $$1$$ days ago $$1$$ weeks ago more than 5 weeks ago Followers Follow THIS PREMIUM CONTENT IS LOCKED STEP 1: Share to a social network STEP 2: Click the link on your social network Copy All Code Select All Code All codes were copied to your clipboard Can not copy the codes / texts, please press [CTRL]+[C] (or CMD+C with Mac) to copy Table of Content