homework_2&answer.Rmd

title: "Test1"
author: "Fangru"
date: "`r Sys.Date()`"
output:
  html_document: default
  pdf_document: default
---

1.读取 penguin_rawdata.csv(data/penguin/ penguin_rawdata.csv),并赋值给Q1

```{r homework 1}
# 有多种写法
# 用 here::here 函数进行查找
Q1 <- import(here::here('data', 'penguin', 'penguin_rawdata.csv'))

# 也可以用基础包，输入路径读取
Q1 <- read.csv('./data/penguin/penguin_rawdata.csv')

Q1
```

---
2.根据下列图片中自己所在的位置（所在行代表应选取的站点；所在列代表在固定站点后、应选取的特定的行；如Tsinghua (1,20)，即在选择“Tsinghua”这一站点后，再从该站点数据中选择前1-20行的数据），对Q1进行筛选（提示：在Tidyverse中可以调用slice函数来选定相应的列）
![pic1](picture/homework/pic1.png)

```{r homework 2}
# 同样存在多种方法
# dplyr
library(dplyr)
Q2 <- Q1 %>% 
  filter(Site == "Tsinghua") %>%
  slice(1:20)

# Base R
Q2 <- Q1[Q1$Site == "Tsinghua",][1:20,] #也可以分两步

Q2
```

---
3. 在Q2中，进一步选择保留“health”和“phone1-9”等变量，赋值给Q3；查看这几个变量的数据类型，用注释进行记录;如果有数据类型为文字，需要转化为数字
```{r homework 3}
# 选择变量
# dplyr
Q3 <- Q2 %>% select(health, starts_with("phone"))

# Base R
selected_cols <- c('health', colnames(Q2)[startsWith(colnames(Q2),'phone')])
Q3 <- Q2[ , selected_cols]

# 查看数据类型
str(Q3)

#转化
Q3$phone9 <- as.numeric(Q3$phone9)
str(Q3)
```

---
4.将“health”中的数值改为文字（5= Excelent; 4 = Very Good; 3 = Good; 2 = Fair; 1 = Poor），并记录为Q4（tips：可参考chapter_6所学内容）
```{r homework 4}
# 推荐用tidyverse进行操作
Q4 <- Q3 %>%
      dplyr::mutate(health = case_when(
        health == '1' ~ 'Poor',
        health == '2' ~ 'Fair', 
        health == '3' ~ 'Good',
        health == '4' ~ 'Very Good',
        health == '5' ~ 'Excelent')
        )

Q4
```

---
5.将 health 赋值给Q5，并按从“Poor”到“Excelent”进行排序(tips:通过转化成因子型，可以按照特定方式排序）
```{r homework 5}
Q5 <- factor(
  Q4$health, 
  levels = c('Poor','Fair','Good','Very Good','Excelent'),
  ordered = TRUE
)

Q5 <- sort(Q5)
Q5
```
---
6.判断'Poor'和'Fair'是否存在于Q5中，输出逻辑值为Q6_1和Q6_2
```{r homework 6}
Q6_1 <- c("Poor" %in% Q5)
Q6_2 <- c("Fair" %in% Q5)
Q6_1
Q6_2
```
---
7.用paste()函数将Q5中的元素连接成一个字符串，中间用英文逗号隔开，并输出为Q7(tips:可以使用"?"查看函数功能)
```{r homework 7}
Q7 <- paste(Q5, collapse = ",")
Q7
```

---
8.使用str_length()函数计算Q5中每个元素的长度，并输出为Q8(tips:可以使用"?"查看函数功能)
```{r homework 8}
library(stringr)
Q8 <- str_length(Q5)
Q8
```

9.使用str_sub()函数，提取Q5中每个元素的第一个字母，并输出为Q9(tips:可以使用"?"查看函数功能)
```{r homework 9}
Q9 <- str_sub(Q5, 1, 1)
Q9
```

---
10.在数据框Q4中新增一列，列名为Num，即这组数据的被试编号，其值为当前所在行，输出新数据框为Q10(tips:可用dplyr中的row_number()函数，或Base R中的nrow()函数,得到数据框的行数)
```{r homework 10}
# 同样存在多种方法
# dplyr
Q10 <- Q4 %>% mutate(Num = row_number())

# Base R
Q4$Num <- seq_len(nrow(Q4))
Q10 <- Q4

Q10
```

---
11.找出数据框Q10中健康在'Good'及以上的被试的编号，输出为Q11。
```{r homework 11}
Q11 <- Q10$Num[Q10$health == 'Good' | Q10$health == 'Very Good' | Q10$health == 'Excelent']
Q11
```

---
12.在数据框Q10中新增一列"phone_total"，计算被试的phone总分(tips:一个一个录入的效率较低，可参考chapter6提供的简便方法)
```{r homework 12}
# dplyr
Q10 <- Q10 %>% 
  mutate(
    phone_total = rowSums(select(., starts_with("phone")))
  )

# Base R
# Q10$phone_total <- rowSums(
  # Q10[,grepl('^phone',names(Q10))],
  # na.rm = TRUE
#)

Q10
```

---
13.在数据框中查找：健康在'Good'及以上，且phone_total >= 36的所有被试信息，并输出为数据框 Q13。
```{r}
Q13 <- Q10[(Q10$health == 'Good' | Q10$health == 'Very Good' | Q10$health == 'Excelent') & Q10$phone_total >= 36, ]
Q13
```

---
(以下题为独立题目，与此前题目无关)
14.创建一个名为func的函数，输入两个参数 a 和 b (默认值：a=1,b=1)，返回它们的和的平方((a + b)^2)。并使用func函数，计算 a=3 和 b=4 时的值，输出为Q16。
```{r}
func <- function(a = 1, b = 1) {
  return((a + b) ^ 2)
}
Q16 <- func(3, 4)
Q16
```

---
15.创建一个名为 func2 的函数，该函数接受一个数值向量x作为输入，并返回一个数据框，要求：第一列为该向量的均值(列名为mean)，第二列为该向量的标准差(列名为sd)。使用该函数计算向量 c(1, 2, 3, 4, 5) 的平均值和标准差，并将结果输出为Q17。(tips:函数mean()和sd()分别用于计算向量的均值和标准差)
```{r}
func2 <- function(x) {
  mean_val <- mean(x)
  sd_val <- sd(x)
  result_df <- data.frame(mean = mean_val, sd = sd_val)
  return(result_df)
}
Q17 <- func2(c(1, 2, 3, 4, 5))
Q17
```

---
16.创建一个名为 fun3 的函数，该函数接受一个整数x作为输入(默认值：x=10)，并返回 TRUE（如果输入是偶数）或 FALSE（如果输入是奇数）。并检验该函数对输入 22 的返回值，输出为Q18。(tips:函数%%用于计算两个数相除的余数)
```{r}
func3 <- function(x = 10) {
  return(x %% 2 == 0)
}
Q18 <- func3(22)
Q18
```

---
17.编写一个函数 func4，接受一个整数x作为输入，并返回Positive（如果输入是正数），Negative（如果输入是负数），Zero（如果输入是零）。并检验该函数对输入 -3 的返回值，输出为Q19。(tips:if...else语法可以用于根据条件返回不同的值，else if语法可以用于多个条件的判断)
```{r}
func4 <- function(x) {
  if (x > 0) {
    return("Positive")
  } else if (x < 0) {
    return("Negative")
  } else {
    return("Zero")
  }
}
Q19 <- func4(-3)
Q19
```

---
18.编写一个函数 func5，接受一个数值x作为输入，表示学生的分数。该函数的功能是将分数转换成对应的等级，分数大于等于90为"A"，80到89为"B"，70到79为"C"，60到69为"D"，小于60为"E"。然后使用该函数将95分转换成等级，输出为 Q20。(tips:if...else语法可以用于根据条件返回不同的值，else if语法可以用于多个条件的判断)
```{r}
func5 <- function(x) {
  if (x >= 90) {
    return("A")
  } else if (x >= 80) {
    return("B")
  } else if (x >= 70) {
    return("C")
  } else if (x >= 60) {
    return("D")
  } else {
    return("E")
  }
}
Q20 <- func5(95)
Q20
```