**1、**练习使用seq( )函数创建向量：使用3种方法生成0~1，步长为0.1的向量，并在控制台打印出来。
2 **、**练习使用rep( )函数创建向量：（1）生成一个4个元素均为3的向量；（2）生成一个1 1 2 2 3 3的向量。
**3、**使用matrix函数创建两个矩阵mat1、mat2。mat1的数据是1:6，3行2列的形式。mat2的数据是7:12，两行三列。（1）编写一个函数调用apply函数族，让矩阵mat1的每一个元素都减去矩阵mat1的最大值，并输出。（2）计算mat1、mat2矩阵相乘并输出%*%。
**4、**创建一个list列表，列表中包括两个向量、两个矩阵、一个数据框、两个函数（fun1、fun2）。其中fun1实现向量加法，fun2实现矩阵的乘法运算。打印出列表中的各个元素，并调用函数fun1、fun2，输出相应的打印结果。
**5、**练习读入csv、txt、xlsx格式的本地文件，并将csv文件导出为txt文件。
**6、**将下列数据以数据框的形式表示出来，并按照年龄，出生月份升序排序。
|----|-------|----|------|
| 序号 | 姓名 | 年龄 | 出生月份 |
| 1 | Jacks | 27 | 2 |
| 2 | ROSE | 28 | 5 |
| 3 | KD | 27 | 6 |
| 4 | ICE | 29 | 3 |
| 5 | MIK | 27 | 1 |
- 练习使用seq( )函数创建向量：
代码：
# 方法一
vec1 <- seq(0, 1, by = 0.1)
print(vec1)
# 方法二
vec2 <- seq(from = 0, to = 1, length.out = 11)
print(vec2)
# 方法三
vec3 <- 0:10 / 10
print(vec3)截图：
- 练习使用rep( )函数创建向量：
代码：
R
# (1) 生成一个4个元素均为3的向量
vec_rep1 <- rep(3, times = 4)
print(vec_rep1)
# (2) 生成一个1 1 2 2 3 3的向量
vec_rep2 <- rep(1:3, each = 2)
print(vec_rep2)截图：
3、
代码：
R
# 创建矩阵mat1
mat1 <- matrix(1:6, nrow = 3, ncol = 2)
print(mat1)
# 创建矩阵mat2
mat2 <- matrix(7:12, nrow = 2, ncol = 3)
print(mat2)
# (1) 使用apply函数族，让矩阵mat1的每一个元素都减去矩阵mat1的最大值，并输出
subtract_max <- function(x) {
x - max(x)
}
result <- apply(mat1, c(1, 2), subtract_max)
print(result)
# (2) 计算mat1、mat2矩阵相乘并输出%*%
result_multiply <- mat1 %*% mat2
print(result_multiply)截图：
（1）
（2）
4、
代码：
R
# 创建向量、矩阵、数据框和函数
vec <- c(1, 2, 3)
mat <- matrix(1:4, nrow = 2)
df <- data.frame(ID = 1:3, Name = c("A", "B", "C"))
fun1 <- function(x, y) {
x + y
}
fun2 <- function(x, y) {
x %*% y
}
# 创建列表
my_list <- list(vec, mat, df, fun1, fun2)
# 打印列表中的各个元素
print(my_list)
# 调用函数fun1、fun2
result_fun1 <- my_list[[4]](2, 3)
result_fun2 <- my_list[[5]](mat, mat)
print(result_fun1)
print(result_fun2)截图：
- 练习读入csv、txt、xlsx格式的本地文件，并将csv文件导出为txt文件。
数据实例：
|-----|--------|----------------|---|---|------|
| 序号 | 学院 | 班级 | | | 总金额 |
| 230 | 信息工程学院 | 数据科学与大数据技术20-1 | | | 800 |
| 231 | 信息工程学院 | 数据科学与大数据技术20-2 | | | 1500 |
| 232 | 信息工程学院 | 数据科学与大数据技术20-2 | | | 500 |
| 233 | 信息工程学院 | 数据科学与大数据技术21-1 | | | 500 |
| 234 | 信息工程学院 | 数据科学与大数据技术21-2 | | | 1000 |
| 235 | 信息工程学院 | 数据科学与大数据技术20-2 | | | 1500 |
| 236 | 信息工程学院 | 数据科学与大数据技术21-2 | | | 800 |
| 237 | 信息工程学院 | 数据科学与大数据技术21-2 | | | 800 |
| 238 | 信息工程学院 | 数据科学与大数据技术21-1 | | | 500 |
| 239 | 信息工程学院 | 数据科学与大数据技术21-1 | | | 500 |
| 240 | 信息工程学院 | 数据科学与大数据技术21-1 | | | 2000 |
| 241 | 信息工程学院 | 数据科学与大数据技术21-2 | | | 1000 |
| 242 | 信息工程学院 | 数据科学与大数据技术20-2 | | | 500 |
| 243 | 信息工程学院 | 数据科学与大数据技术21-2 | | | 800 |
| 244 | 信息工程学院 | 数据科学与大数据技术20-1 | | | 800 |
| 245 | 信息工程学院 | 物联网工程20-1 | | | 1500 |
| 246 | 信息工程学院 | 数据科学与大数据技术21-2 | | | 500 |
| 247 | 信息工程学院 | 物联网工程20-1 | | | 1200 |
| 248 | 信息工程学院 | 网络工程20-1 | | | 500 |
| 249 | 信息工程学院 | 物联网工程21-1 | | | 1000 |
| 250 | 信息工程学院 | 物联网工程21－2 | | | 800 |
| 251 | 信息工程学院 | 数据科学与大数据技术20-2 | | | 1000 |
| 252 | 信息工程学院 | 数据科学与大数据技术20-2 | | | 1500 |
| 253 | 信息工程学院 | 数据科学与大数据技术20-1 | | | 1500 |
| 254 | 信息工程学院 | 网络工程20-1 | | | 1400 |
| 255 | 信息工程学院 | 数字媒体技术21-2班 | | | 800 |
| 256 | 信息工程学院 | 数字媒体技术20-1 | | | 200 |
| 257 | 信息工程学院 | 数字媒体技术20－1 | | | 500 |
| 258 | 信息工程学院 | 数字媒体技术20-2 | | | 300 |
| 259 | 信息工程学院 | 数字媒体技术20-2 | | | 2300 |
| 260 | 信息工程学院 | 数字媒体技术20-2 | | | 300 |
代码：
R
# 导入所需的包
library(readxl)
# 读取CSV文件
csv_data <- read.csv("student.csv")
print("CSV文件内容：")
print(csv_data)
# 读取文本文件
txt_data <- read.table("student.txt")
print("文本文件内容：")
print(txt_data)
# 读取Excel文件
xlsx_data <- read_excel("student.xlsx")
print("Excel文件内容：")
print(xlsx_data)
# 将CSV文件导出为TXT文件
write.table(csv_data, "student2.txt", sep = "\t", row.names = FALSE)
print("CSV文件已导出为TXT文件。")截图：
6、
代码：
R
# 创建数据框
data <- data.frame(
序号 = 1:5,
姓名 = c("Jacks", "ROSE", "KD", "ICE", "MIK"),
年龄 = c(27, 28, 27, 29, 27),
出生月份 = c(2, 5, 6, 3, 1)
)
# 按照年龄和出生月份升序排序
sorted_data <- data[order(data$年龄, data$出生月份), ]
print(sorted_data)截图：
