1 基本題 (共 100 分)

1.1 Data frame (共 60 分)

# 請勿更動此 code chunk
library(tibble)
df <- as_tibble(ToothGrowth)
df

#> # A tibble: 60 x 3
#>      len supp   dose
#>    <dbl> <fct> <dbl>
#>  1   4.2 VC      0.5
#>  2  11.5 VC      0.5
#>  3   7.3 VC      0.5
#>  4   5.8 VC      0.5
#>  5   6.4 VC      0.5
#>  6  10   VC      0.5
#>  7  11.2 VC      0.5
#>  8  11.2 VC      0.5
#>  9   5.2 VC      0.5
#> 10   7   VC      0.5
#> # … with 50 more rows

此題使用的是 R 的內建資料 ToothGrowth，請使用 ?ToothGrowth 閱讀此資料集的說明，並使用上課講到的指令 (e.g. dim(), glimpse(), View(), …) 幫助自己熟悉這份資料。

1.1.1 Subsetting I (20 分)

請從 df 中 (1) 篩選出 supp 變項為 VC 的所有觀察值，並 (2) 只保留 len 與 supp 這兩個變項。

# Write your code here
df[df$supp == "VC", c("len", "supp")]
# should print out:
#> # A tibble: 30 x 2
#>      len supp 
#>    <dbl> <fct>
#>  1   4.2 VC   
#>  2  11.5 VC   
#>  3   7.3 VC   
#>  4   5.8 VC   
#>  5   6.4 VC   
#>  6  10   VC   
#>  7  11.2 VC   
#>  8  11.2 VC   
#>  9   5.2 VC   
#> 10   7   VC   
#> # … with 20 more rows

#> # A tibble: 30 x 2
#>      len supp 
#>    <dbl> <fct>
#>  1   4.2 VC   
#>  2  11.5 VC   
#>  3   7.3 VC   
#>  4   5.8 VC   
#>  5   6.4 VC   
#>  6  10   VC   
#>  7  11.2 VC   
#>  8  11.2 VC   
#>  9   5.2 VC   
#> 10   7   VC   
#> # … with 20 more rows

1.1.2 Subsetting II (20 分)

請從 df 中篩選出 (1) supp 變項為 VC 且 (2) len 小於 25 的所有觀察值。

# Write your code here
df[df$supp == "VC" & df$len < 25, ]
# should print out:
#> # A tibble: 24 x 3
#>      len supp   dose
#>    <dbl> <fct> <dbl>
#>  1   4.2 VC      0.5
#>  2  11.5 VC      0.5
#>  3   7.3 VC      0.5
#>  4   5.8 VC      0.5
#>  5   6.4 VC      0.5
#>  6  10   VC      0.5
#>  7  11.2 VC      0.5
#>  8  11.2 VC      0.5
#>  9   5.2 VC      0.5
#> 10   7   VC      0.5
#> # … with 14 more rows

#> # A tibble: 24 x 3
#>      len supp   dose
#>    <dbl> <fct> <dbl>
#>  1   4.2 VC      0.5
#>  2  11.5 VC      0.5
#>  3   7.3 VC      0.5
#>  4   5.8 VC      0.5
#>  5   6.4 VC      0.5
#>  6  10   VC      0.5
#>  7  11.2 VC      0.5
#>  8  11.2 VC      0.5
#>  9   5.2 VC      0.5
#> 10   7   VC      0.5
#> # … with 14 more rows

1.1.3 Subsetting III (20 分)

請從 df 中篩選出 len + 15 * dose 大於 40 的所有觀察值。

# Write your code here
df[df$len + 15 * df$dose > 40, ]
# should print out:
#> # A tibble: 24 x 3
#>      len supp   dose
#>    <dbl> <fct> <dbl>
#>  1  23.6 VC        2
#>  2  18.5 VC        2
#>  3  33.9 VC        2
#>  4  25.5 VC        2
#>  5  26.4 VC        2
#>  6  32.5 VC        2
#>  7  26.7 VC        2
#>  8  21.5 VC        2
#>  9  23.3 VC        2
#> 10  29.5 VC        2

#> # A tibble: 24 x 3
#>      len supp   dose
#>    <dbl> <fct> <dbl>
#>  1  23.6 VC        2
#>  2  18.5 VC        2
#>  3  33.9 VC        2
#>  4  25.5 VC        2
#>  5  26.4 VC        2
#>  6  32.5 VC        2
#>  7  26.7 VC        2
#>  8  21.5 VC        2
#>  9  23.3 VC        2
#> 10  29.5 VC        2
#> # … with 14 more rows

1.2 Modifying Values in Lists (共 40 分)

下方的 member 是實習課使用過的例子。在這題，你的任務是撰寫一個函數 n_years_later() 用來將 member 裡面的成員增加或減少歲數。 n_years_later() 有兩個參數：

member_data: list，傳入的 member 資料
years: integer, 要增加或減少的歲數

n_years_later() 所回傳的資料跟原本傳入 member_data 參數的資料結構是一樣的，唯一的差別在於原本資料中的 age 會依據傳入 years 參數的值進行更新。

提示：

修改 list 裡面元素的語法與 vector 類似：

lst <- list(list(first = "Tiger"))
lst

lst[[1]]$first <- "Pooh"
lst

#> [[1]]
#> [[1]]$first
#> [1] "Tiger"
#> 
#> 
#> [[1]]
#> [[1]]$first
#> [1] "Pooh"

撰寫 n_years_later() 時，需要使用到 for 迴圈或是 lapply()，不可以一個一個修改

# Data 
member <- list(
   list(name = "kai", age = 40),
   list(name = "pooh", age = 20),
   list(name = "tiger", age = 18),
   list(name = "piglet", age = 19)
)
##### Do Not modify the code above #####

n_years_later <- function(member_data, years) {
  # Write your code here
  for (i in seq_along(member_data)){
    member_data[[i]][[2]] <- member_data[[i]][[2]] + years
  }
  return(member_data)
}

##### Do Not modify the code below #####
member[[5]] <- list(name = "Obama", age = 59)
for (y in -1:1) {
  lst = n_years_later(member, y)
  print(sapply(lst, function(x) x$age))
}
# Should print out:
#> [1] 39 19 17 18 58
#> [1] 40 20 18 19 59
#> [1] 41 21 19 20 60

#> [1] 39 19 17 18 58
#> [1] 40 20 18 19 59
#> [1] 41 21 19 20 60

2 進階選答題 (共 20 分)

作業資料夾裡面有份 week3Rclass.csv，請將此份資料讀進 R 成為一個 data.frame，存入變數 cute_cute。(可以使用 R 內建函數或 readr 套件)

# Write your code here
file <- read.csv(file = "week3Rclass.csv")
cute_cute <- as_tibble(file)

# Do not modify the code below
cute_cute
# Should print out
#> # A tibble: 85 x 6
#>    nickname   gender grade q_self q_teacher   GPA
#>    <chr>       <dbl> <dbl>  <dbl>     <dbl> <dbl>
#>  1 iakuhs          2     5     60        60  4.2 
#>  2 ToMmyDong       1     1    100       100  5   
#>  3 s               2     4     60        90  4   
#>  4 Jhang           1     4     70        85  3.7 
#>  5 Ryan            2     1     80        90  4.05
#>  6 Ycyc            1     4    100        90  4.3 
#>  7 Liuba           1     5     85        90  3.13
#>  8 guest001        2     1     80        80  3.2 
#>  9 WhaDaFuq        1     1     85        80  2.99
#> 10 irenYujing      2     2     90        90  3.86
#> # … with 75 more rows

#> # A tibble: 85 x 6
#>    nickname   gender grade q_self q_teacher   GPA
#>    <chr>       <int> <int>  <int>     <dbl> <dbl>
#>  1 iakuhs          2     5     60        60  4.2 
#>  2 ToMmyDong       1     1    100       100  5   
#>  3 s               2     4     60        90  4   
#>  4 Jhang           1     4     70        85  3.7 
#>  5 Ryan            2     1     80        90  4.05
#>  6 Ycyc            1     4    100        90  4.3 
#>  7 Liuba           1     5     85        90  3.13
#>  8 guest001        2     1     80        80  3.2 
#>  9 WhaDaFuq        1     1     85        80  2.99
#> 10 irenYujing      2     2     90        90  3.86
#> # … with 75 more rows

(不可以使用套件，e.g. dplyr、data.table) 請修改以下 data frame 的資料：

GPA：超過 4.3 為錯誤資料，請改為缺失值
gender：“M” 改為 1、“F” 改為2。其它的則改為 0。注意：gender 資料類型需為 integer。(Hint: 注意 gender 原本的資料類型是沒有教過的 factor)

# Data 
Q_Q = data.frame(
  nickname = c('SeanN', 'solid', 'wow', '87heng87', 'rox', 'Ycyc'),
  gender = c("M", " F", "M", "F", "F", "Stone"),
  grade = c(5, 5, 4, 4, 4, 2),
  q_self = c(95, 98, 85, 86, 87, 78),
  q_teacher = c(95, 98, 85, 86, 87, 87),
  GPA = c(4.8, 4.3, 5.2, 5.5, 4.7, 3.8)
)
####### Do Not modify the code above #########

# Write your code here
Q_Q[Q_Q$GPA > 4.3, "GPA"] <- NA
Q_Q[Q_Q$gender == "M", "gender"] <- 1
Q_Q[Q_Q$gender == "F", "gender"] <- 2
Q_Q[Q_Q$gender == "Stone", "gender"] <- 0
Q_Q[Q_Q$gender == " F", "gender"] <- 0
# Do Not modify the code below
Q_Q
# Should print out
#>   nickname gender grade q_self q_teacher GPA
#> 1    SeanN      1     5     95        95  NA
#> 2    solid      0     5     98        98 4.3
#> 3      wow      1     4     85        85  NA
#> 4 87heng87      2     4     86        86  NA
#> 5      rox      2     4     87        87  NA
#> 6     Ycyc      0     2     78        87 3.8

#>   nickname gender grade q_self q_teacher GPA
#> 1    SeanN      1     5     95        95  NA
#> 2    solid      0     5     98        98 4.3
#> 3      wow      1     4     85        85  NA
#> 4 87heng87      2     4     86        86  NA
#> 5      rox      2     4     87        87  NA
#> 6     Ycyc      0     2     78        87 3.8

(不可以使用套件，e.g. dplyr、data.table) 請在 cute_cute 這個 data frame 裡新增一個 column favorite_word (不可以使用套件，e.g. dplyr、data.table)。在 favorite_word 中：

若 q_self 大於等於 70，favorite_word 的值為 "根本可愛動物區"
若 q_self 小於 70，favorite_word 的值為 "一代一代"

# Write your code here
cute_cute$favorite_word <- "0"

cute_cute[cute_cute$q_self >= 70, "favorite_word"] <- "根本可愛動物區"
cute_cute[cute_cute$q_self < 70, "favorite_word"] <- "一代一代"

# Do not modify the code below
cute_cute
# Should print out
#> # A tibble: 85 x 7
#>    nickname   gender grade q_self q_teacher   GPA favorite_word 
#>    <chr>       <dbl> <dbl>  <dbl>     <dbl> <dbl> <chr>         
#>  1 iakuhs          2     5     60        60  4.2  一代一代      
#>  2 ToMmyDong       1     1    100       100  5    根本可愛動物區
#>  3 s               2     4     60        90  4    一代一代      
#>  4 Jhang           1     4     70        85  3.7  根本可愛動物區
#>  5 Ryan            2     1     80        90  4.05 根本可愛動物區
#>  6 Ycyc            1     4    100        90  4.3  根本可愛動物區
#>  7 Liuba           1     5     85        90  3.13 根本可愛動物區
#>  8 guest001        2     1     80        80  3.2  根本可愛動物區
#>  9 WhaDaFuq        1     1     85        80  2.99 根本可愛動物區
#> 10 irenYujing      2     2     90        90  3.86 根本可愛動物區
#> # … with 75 more rows

#> # A tibble: 85 x 7
#>    nickname   gender grade q_self q_teacher   GPA favorite_word 
#>    <chr>       <int> <int>  <int>     <dbl> <dbl> <chr>         
#>  1 iakuhs          2     5     60        60  4.2  一代一代      
#>  2 ToMmyDong       1     1    100       100  5    根本可愛動物區
#>  3 s               2     4     60        90  4    一代一代      
#>  4 Jhang           1     4     70        85  3.7  根本可愛動物區
#>  5 Ryan            2     1     80        90  4.05 根本可愛動物區
#>  6 Ycyc            1     4    100        90  4.3  根本可愛動物區
#>  7 Liuba           1     5     85        90  3.13 根本可愛動物區
#>  8 guest001        2     1     80        80  3.2  根本可愛動物區
#>  9 WhaDaFuq        1     1     85        80  2.99 根本可愛動物區
#> 10 irenYujing      2     2     90        90  3.86 根本可愛動物區
#> # … with 75 more rows

HW 4: List, Loop, and Data frame

黃彙茹 B06102023 會計系

2021-03-18

Rmd Source (for TAs)

1 基本題 (共 100 分)

1.1 Data frame (共 60 分)

1.1.1 Subsetting I (20 分)

1.1.2 Subsetting II (20 分)

1.1.3 Subsetting III (20 分)

1.2 Modifying Values in Lists (共 40 分)

2 進階選答題 (共 20 分)

HW 4: List, Loop, and Data frame

黃彙茹 B06102023 會計系

2021-03-18 Rmd Source (for TAs)

1 基本題 (共 100 分)

1.1 Data frame (共 60 分)

1.1.1 Subsetting I (20 分)

1.1.2 Subsetting II (20 分)

1.1.3 Subsetting III (20 分)

1.2 Modifying Values in Lists (共 40 分)

2 進階選答題 (共 20 分)

2021-03-18

Rmd Source (for TAs)