完成本练习后，你应掌握：
本练习基于一个模拟的土壤数据集，重点掌握：
soil <- data.frame(
site = c("A", "A", "B", "B", "C", "C"),
depth = c(0, 10, 0, 10, 0, 10),
pH = c(5.5, 5.8, 6.2, 6.5, 7.0, 7.2),
SOC = c(12, 10, 15, 13, 20, 18),
TN = c(1.2, 1.1, 1.5, 1.3, 2.0, 1.8)
)
soil site depth pH SOC TN
1 A 0 5.5 12 1.2
2 A 10 5.8 10 1.1
3 B 0 6.2 15 1.5
4 B 10 6.5 13 1.3
5 C 0 7.0 20 2.0
6 C 10 7.2 18 1.8请思考：
# 查看结构
str(soil)'data.frame': 6 obs. of 5 variables:
$ site : chr "A" "A" "B" "B" ...
$ depth: num 0 10 0 10 0 10
$ pH : num 5.5 5.8 6.2 6.5 7 7.2
$ SOC : num 12 10 15 13 20 18
$ TN : num 1.2 1.1 1.5 1.3 2 1.8# 提取某一列
soil$pH[1] 5.5 5.8 6.2 6.5 7.0 7.2# 提取第1行
soil[1, ] site depth pH SOC TN
1 A 0 5.5 12 1.2# 提取多列
soil[, c("pH", "SOC")] pH SOC
1 5.5 12
2 5.8 10
3 6.2 15
4 6.5 13
5 7.0 20
6 7.2 18# 条件筛选
soil[soil$pH > 6, ] site depth pH SOC TN
3 B 0 6.2 15 1.5
4 B 10 6.5 13 1.3
5 C 0 7.0 20 2.0
6 C 10 7.2 18 1.8请思考：
soil$pH 与 soil[, "pH"] 有什么区别？# 计算 C/N 比
soil$CN <- soil$SOC / soil$TN
soil site depth pH SOC TN CN
1 A 0 5.5 12 1.2 10.000000
2 A 10 5.8 10 1.1 9.090909
3 B 0 6.2 15 1.5 10.000000
4 B 10 6.5 13 1.3 10.000000
5 C 0 7.0 20 2.0 10.000000
6 C 10 7.2 18 1.8 10.000000请思考：
为什么可以直接对整列进行运算？
mean(soil$pH)[1] 6.366667sd(soil$pH)[1] 0.665332sum(soil$SOC)[1] 88max(soil$SOC)[1] 20min(soil$SOC)[1] 10请思考：
mean() 和 sum() 的区别是什么？sd() 表示什么统计意义？# 按站点计算平均 SOC
aggregate(SOC ~ site, data = soil, FUN = mean) site SOC
1 A 11
2 B 14
3 C 19# 按站点计算平均 pH
aggregate(pH ~ site, data = soil, FUN = mean) site pH
1 A 5.65
2 B 6.35
3 C 7.10请思考：
SOC ~ site 💡 表达的含义是什么？
aggregate() 与 mean() 的区别是什么？
soil_list <- list(
basic_info = soil[, c("site", "depth")],
chemistry = soil[, c("pH", "SOC", "TN")],
statistics = list(
mean_pH = mean(soil$pH),
mean_SOC = mean(soil$SOC)
)
)
soil_list$basic_info
site depth
1 A 0
2 A 10
3 B 0
4 B 10
5 C 0
6 C 10
$chemistry
pH SOC TN
1 5.5 12 1.2
2 5.8 10 1.1
3 6.2 15 1.5
4 6.5 13 1.3
5 7.0 20 2.0
6 7.2 18 1.8
$statistics
$statistics$mean_pH
[1] 6.366667
$statistics$mean_SOC
[1] 14.66667请思考：
# 访问子列表
soil_list$chemistry pH SOC TN
1 5.5 12 1.2
2 5.8 10 1.1
3 6.2 15 1.5
4 6.5 13 1.3
5 7.0 20 2.0
6 7.2 18 1.8# 访问嵌套元素
soil_list$statistics$mean_pH[1] 6.366667# 使用索引访问
soil_list[[3]][[1]][1] 6.366667请思考：
$ 和 [[ ]] 的区别是什么？ 1. 筛选 pH > 6 且 SOC > 15 的数据
2. 按 depth 分组计算 SOC 平均值
3. 创建一个列表，包含：
- 原始数据
- 筛选后的数据
- 每个站点的平均 pH
4. 从列表中提取平均 pH 的结果如果数据中存在 NA，应如何处理？
数据框是否可以嵌套在列表中？为什么？
数据框是 R 中最常用的数据结构之一，适合存储表格数据。
列表是一种更灵活的数据结构，可以存储不同类型的数据，包括数据框、向量、函数等。
常用统计函数可以快速计算数据的基本统计
分组统计（aggregate）是分析分组数据的重要工具，可以按不同的分组变量计算统计量。
编程细节总结如下：
本次课后要进行测试，阶段性测试代码如下：
library(shiny)
library(shinythemes)
library(shinyjs)
library(DT)
# ==================== 问题数据 ====================
questions <- list(
# 1-10 数据类型
list(id=1, question="在R语言中，以下哪个是数值型（numeric）数据的例子？",
options=c("\"soil\"", "10", "TRUE", "c(1,2,3)"), correct=2,
explanation="10是数值型数据，\"soil\"是字符型，TRUE是逻辑型，c(1,2,3)是数值型向量。"),
list(id=2, question="以下哪个是字符型（character）数据？",
options=c("3.14", "FALSE", "\"Hello\"", "NA"), correct=3,
explanation="\"Hello\"用引号包围，是字符型数据。"),
list(id=3, question="逻辑型（logical）数据的取值是什么？",
options=c("1/0", "TRUE/FALSE/NA", "Yes/No", "对/错"), correct=2,
explanation="R语言中逻辑型数据取值为TRUE和FALSE。"),
list(id=4, question="下列代码中，x的数据类型是什么？ x <- 3.14",
options=c("character", "logical", "integer", "numeric"), correct=4,
explanation="3.14是数值型（numeric）。"),
list(id=5, question="下列代码中，y的数据类型是什么？ y <- \"R语言\"",
options=c("numeric", "character", "logical", "factor"), correct=2,
explanation="用双引号包围的文本是字符型（character）数据。"),
list(id=6, question="下列代码中，z的数据类型是什么？ z <- TRUE",
options=c("logical", "numeric", "character", "complex"), correct=1,
explanation="TRUE是逻辑型（logical）数据。"),
list(id=7, question="如何查看变量x的数据类型？",
options=c("typeof(x)", "class(x)", "str(x)", "以上都可以"), correct=4,
explanation="typeof()返回底层类型，class()返回类，str()显示结构，都可用。"),
list(id=8, question="以下哪个函数可以将字符型数据转换为数值型？",
options=c("as.character()", "as.logical()", "as.numeric()", "as.integer()"), correct=3,
explanation="as.numeric()将字符型数据转换为数值型。"),
list(id=9, question="以下哪个是缺失值（missing value）的表示？",
options=c("NULL", "NaN", "Inf", "NA"), correct=4,
explanation="NA表示缺失值，NULL表示空对象，NaN表示非数字，Inf表示无穷大。"),
list(id=10, question="下列哪个是复数（complex）数据类型？",
options=c("\"3+2i\"", "3+2i", "c(3,2)", "list(3,2)"), correct=2,
explanation="3+2i是复数型数据。"),
# 11-25 数据结构
list(id=11, question="在R语言中，向量（vector）的特点是什么？",
options=c("只能包含同一类型的数据", "可以包含不同类型的数据", "是二维数据结构", "可以用$符号索引"), correct=1,
explanation="向量是同一类型数据的一维集合。"),
list(id=12, question="如何创建一个包含元素1,2,3,4,5的数值型向量？",
options=c("vector(1,5)", "seq(1,5)", "1:5", "c(1,2,3,4,5)"), correct=4,
explanation="c()是组合函数，用于创建向量。"),
list(id=13, question="矩阵（matrix）的特点是什么？",
options=c("可以混合类型", "同一类型的二维数据", "用list()创建", "用data.frame()创建"), correct=2,
explanation="矩阵是同一类型数据的二维数组。"),
list(id=14, question="如何创建一个3行2列的矩阵，元素为1到6？",
options=c("matrix(1:6, nrow=3, ncol=2)", "matrix(1:6, 3, 3)", "c(1:6) %>% matrix()", "list(1:6, 3, 2)"), correct=1,
explanation="matrix()函数可以创建矩阵。"),
list(id=15, question="列表（list）的特点是什么？",
options=c("所有元素必须是同一类型", "是二维数据结构", "可以包含不同类型的元素", "用matrix()创建"), correct=3,
explanation="列表可以包含不同类型的元素。"),
list(id=16, question="如何创建一个包含数值、字符和逻辑值的列表？",
options=c("c(1, \"a\", TRUE)", "list(1, \"a\", TRUE)", "data.frame(1, \"a\", TRUE)", "vector(1, \"a\", TRUE)"), correct=2,
explanation="list()函数允许不同类型元素。"),
list(id=17, question="数据框（data.frame）的特点是什么？",
options=c("类似表格，每列可以是不同类型", "所有元素必须是同一类型", "必须全部为数值型", "用matrix()创建"), correct=1,
explanation="数据框类似表格，每列可以不同类型。"),
list(id=18, question="如何创建一个包含两列（name和age）的数据框？",
options=c("matrix(c(\"Tom\",25,\"Jerry\",30), ncol=2)",
"list(name=c(\"Tom\",\"Jerry\"), age=c(25,30))",
"data.frame(name=c(\"Tom\",\"Jerry\"), age=c(25,30))",
"c(name=c(\"Tom\",\"Jerry\"), age=c(25,30))"), correct=3,
explanation="data.frame()函数用于创建数据框。"),
list(id=19, question="以下哪个函数可以查看数据框的前几行？",
options=c("str()", "summary()", "head()", "view()"), correct=3,
explanation="head()专门用于查看数据的前几行（默认6行）。"),
list(id=20, question="如何获取数据框df的列名？",
options=c("colnames(df)", "names(df)", "rownames(df)", "A和B都可以"), correct=4,
explanation="colnames(df)和names(df)都可以。"),
list(id=21, question="因子的作用是什么？",
options=c("表示数值数据", "表示分类数据", "表示字符数据", "表示逻辑数据"), correct=2,
explanation="因子用于表示分类变量。"),
# 26-35 数据索引
list(id=22, question="对于向量v <- c(10,20,30,40)，如何获取第三个元素？",
options=c("v[[3]]", "v(3)", "v[3]", "v$3"), correct=3,
explanation="v[3]返回第三个元素。"),
list(id=23, question="对于矩阵m <- matrix(1:6, nrow=2)，如何获取第2行第3列的元素？",
options=c("m[2,3]", "m[2][3]", "m[[2,3]]", "m$2$3"), correct=1,
explanation="矩阵索引使用[行,列]格式。"),
list(id=24, question="对于数据框df，如何获取名为\"age\"的列？",
options=c("df$age", "df[[\"age\"]]", "df[, \"age\"]", "以上都可以"), correct=4,
explanation="数据框列可通过$、[[]]或[,列名]获取。"),
list(id=25, question="如何获取数据框df的前三行？",
options=c("df[ , 1:3]", "df[1:3, ]", "df[1:3]", "head(df, 3)"), correct=2,
explanation="df[1:3, ]选择前三行，注意逗号的位置。"),
list(id=26, question="如何获取数据框df中age大于30的行？",
options=c("df[age > 30]", "df$age > 30", "df[df$age > 30, ]", "subset(df, age > 30)"), correct=3,
explanation="逻辑索引选择满足条件的行。"),
list(id=27, question="对于列表lst <- list(a=1, b=\"text\")，如何获取元素a的值？",
options=c("lst$a", "lst[[\"a\"]]", "lst[[1]]", "以上都可以"), correct=4,
explanation="列表元素可以通过$、[[]]或索引位置获取。"),
list(id=28, question="v <- c(10,20,30,40,50)，v[c(TRUE, FALSE, TRUE, FALSE, TRUE)]返回什么？",
options=c("c(20,40)", "c(10,30,50)", "c(TRUE, FALSE, TRUE)", "出错"), correct=2,
explanation="逻辑索引选中TRUE对应元素。"),
list(id=29, question="如何获取数据框df的列数？",
options=c("ncol(df)", "length(df)", "dim(df)[2]", "以上都可以"), correct=4,
explanation="ncol(df)、length(df)、dim(df)[2]都可获取列数。"),
list(id=30, question="如何获取矩阵m的行数和列数？",
options=c("dim(m)", "nrow(m)和ncol(m)", "A和B都可以", "length(m)"), correct=3,
explanation="dim(m)返回维度，nrow()和ncol()也可。"),
list(id=31, question="如何读取CSV格式的数据文件？",
options=c("read.table(\"data.csv\")", "load(\"data.csv\")", "read.csv(\"data.csv\")", "import(\"data.csv\")"), correct=3,
explanation="read.csv()用于读取CSV文件。"),
list(id=32, question="如何将数据框保存为CSV文件？",
options=c("save(df, \"data.csv\")", "write.csv(df, \"data.csv\")", "export(df, \"data.csv\")", "write.table(df, \"data.csv\")"), correct=2,
explanation="write.csv()用于保存为CSV文件。")
)
# ==================== UI ====================
ui <- fluidPage(
theme = shinytheme("cerulean"),
useShinyjs(),
titlePanel("R数据类型与结构测验 (黄利东设计)"),
sidebarLayout(
sidebarPanel(
wellPanel(
h4("学生身份认证"),
textInput("student_name", "姓名：", ""),
textInput("student_id", "学号：", ""),
helpText("提示：提交后成绩将自动记录。")
),
hr(),
actionButton("submit", "提交答案", class = "btn-primary", style="width:100%"),
br(), br(),
actionButton("reset", "重新开始", style="width:100%"),
br(), br(),
h4("说明"),
p("1. 必须填写姓名学号。"),
p("2. 提交后下方会显示错题解析。")
),
mainPanel(
uiOutput("auth_check_ui"),
uiOutput("question_ui"),
hr(),
uiOutput("result_ui"),
DTOutput("explanation_table")
)
)
)
# ==================== SERVER ====================
server <- function(input, output, session) {
submitted <- reactiveVal(FALSE)
# 修改后的身份校验逻辑：增加了长度判断 nchar() == 13
is_identified <- reactive({
name_ok <- nzchar(trimws(input$student_name))
id_ok <- nchar(trimws(input$student_id)) == 13 # 必须精确等于13位
return(name_ok && id_ok)
})
# 状态提示：根据输入进度显示不同文字
output$auth_check_ui <- renderUI({
sid <- trimws(input$student_id)
sname <- trimws(input$student_name)
if (!nzchar(sname)) {
h4("请输入姓名", style="color:#f0ad4e; text-align:center;")
} else if (nchar(sid) < 13) {
h4(paste0("学号位数不足（当前 ", nchar(sid), "/13 位）"),
style="color:#f0ad4e; text-align:center;")
} else if (nchar(sid) > 13) {
h4("警告：学号超过 13 位，请检查是否输入错误",
style="color:#d9534f; text-align:center;")
} else {
h4("✅ 身份验证成功，请开始答题", style="color:#5cb85c; text-align:center;")
}
})
# 生成题目 (仅在 satisfies is_identified 时)
output$question_ui <- renderUI({
if (!is_identified()) return(NULL)
# 使用 tagList 包裹题目，增加一点动画感
tagList(
h4("--- 答题区 ---", style="text-align:center; color:#999;"),
lapply(questions, function(q) {
radioButtons(paste0("q", q$id), paste0(q$id, ". ", q$question),
choices = setNames(seq_along(q$options), q$options),
selected = character(0))
})
)
})
# 提交并保存
observeEvent(input$submit, {
if (!is_identified()) {
showModal(modalDialog("请先填写完整信息！", title = "提醒", easyClose = TRUE))
return()
}
if (submitted()) {
showModal(modalDialog("您已经提交过了，请刷新页面或点重新开始。", title = "提醒", easyClose = TRUE))
return()
}
# --- 核心统计逻辑 ---
score <- 0
wrong_ids <- c() # 存储错题号
for (q in questions) {
ans <- input[[paste0("q", q$id)]]
user_ans <- if (!is.null(ans)) as.numeric(ans) else NA
if (!is.na(user_ans) && user_ans == q$correct) {
score <- score + 1
} else {
wrong_ids <- c(wrong_ids, q$id) # 记录错题
}
}
# 将错题号转为逗号分隔的字符串，如 "1, 5, 12"
wrong_str <- paste(wrong_ids, collapse = ", ")
# --- 解决乱码的保存逻辑 ---
res_data <- data.frame(
提交时间 = format(Sys.time(), "%Y-%m-%d %H:%M:%S"),
姓名 = input$student_name,
学号 = input$student_id,
得分 = score,
总题数 = length(questions),
错题题号 = wrong_str,
stringsAsFactors = FALSE
)
log_file <- "quiz_results.csv"
# 关键点：使用 fileEncoding = "GBK" 适配中文 Windows Excel
if (!file.exists(log_file)) {
write.csv(res_data, log_file, row.names = FALSE, fileEncoding = "GBK")
} else {
# 追加模式下 write.csv 不太方便处理表头，改用 write.table
write.table(res_data, log_file, sep = ",", row.names = FALSE, col.names = FALSE,
append = TRUE, fileEncoding = "GBK")
}
submitted(TRUE)
showNotification("成绩已存档！", type = "message")
})
# 重置
observeEvent(input$reset, {
session$reload() # 直接重载页面是最彻底的重置
})
# 结果显示
output$result_ui <- renderUI({
if (!submitted()) return(NULL)
# 构建解析数据
explanations <- data.frame(
题号 = sapply(questions, function(x) x$id),
状态 = sapply(questions, function(q){
ans <- input[[paste0("q", q$id)]]
if(!is.null(ans) && as.numeric(ans) == q$correct) "✅ 正确" else "❌ 错误"
}),
正确答案 = sapply(questions, function(x) x$options[x$correct]),
解析 = sapply(questions, function(x) x$explanation)
)
output$explanation_table <- renderDT({
datatable(explanations, options=list(pageLength=5, scrollX=TRUE), rownames=FALSE) %>%
formatStyle('状态', color = styleEqual(c("✅ 正确", "❌ 错误"), c("green", "red")))
})
h3(paste0("测试结束！得分：", sum(explanations$状态 == "✅ 正确"), " / ", length(questions)),
style="text-align:center; color:#2c3e50;")
})
}
shinyApp(ui, server)