第 1 章：你的第一次数据分析¶

# score_analysis.R —— 考试成绩分析

# 1. 读取数据
scores <- read.csv("scores.csv")
head(scores)        # 查看前 6 行
str(scores)         # 查看数据结构

# 2. 计算总评成绩（平时 30% + 期中 30% + 期末 40%）
scores$总评 <- scores$平时 * 0.3 + scores$期中 * 0.3 + scores$期末 * 0.4

# 3. 基本统计
cat("========== 成绩统计 ==========\n")
cat("平均分：", mean(scores$总评), "\n")
cat("中位数：", median(scores$总评), "\n")
cat("标准差：", sd(scores$总评), "\n")
cat("最高分：", max(scores$总评), "\n")
cat("最低分：", min(scores$总评), "\n")

# 4. 分数段统计
scores$等级 <- cut(scores$总评,
                   breaks = c(0, 60, 70, 80, 90, 100),
                   labels = c("不及格", "及格", "中等", "良好", "优秀"))
table(scores$等级)

# 5. 找出需要补考的同学（总评 < 60）
need_retake <- scores[scores$总评 < 60, ]
cat("\n需要补考的同学：\n")
print(need_retake[, c("姓名", "总评")])

x <- 42              # 推荐写法
y = 3.14             # 也可以，但 R 社区偏好 <-
name <- "R语言"      # 字符串
is_pass <- TRUE      # 逻辑值

# 查看变量
print(x)
x                    # 直接输入变量名也能显示

# 创建向量
scores <- c(85, 92, 78, 88, 95)     # c() 是 combine 的缩写
names <- c("张三", "李四", "王五")

# 序列生成
1:10                                 # 1 到 10
seq(0, 100, by = 10)                 # 0, 10, 20, ..., 100
rep(1, times = 5)                    # 1, 1, 1, 1, 1

# 向量运算（自动向量化）
scores + 5                           # 每人加 5 分
scores * 1.2                         # 每人乘 1.2
sqrt(scores)                         # 开平方

# 索引（从 1 开始！）
scores[1]                            # 第 1 个 → 85
scores[1:3]                          # 第 1~3 个 → 85, 92, 78
scores[scores > 85]                  # 大于 85 的 → 92, 88, 95

# 创建数据框
students <- data.frame(
    姓名 = c("张三", "李四", "王五", "赵六"),
    年龄 = c(20, 21, 19, 22),
    成绩 = c(85, 92, 78, 88),
    性别 = c("男", "女", "男", "女"),
    stringsAsFactors = FALSE
)

# 查看数据
print(students)
str(students)        # 结构概览
summary(students)    # 统计摘要

# 访问列
students$成绩                        # $ 符号访问
students[, "成绩"]                   # 按列名
students[1, 3]                       # 第 1 行第 3 列

# 筛选行
students[students$成绩 >= 85, ]      # 成绩 ≥ 85 的学生
students[students$性别 == "女", ]    # 女生

scores <- c(85, 92, 78, 88, 95, 45, 72, 83, 90, 67)

mean(scores)         # 均值 → 79.5
median(scores)       # 中位数 → 84
sd(scores)           # 标准差 → 14.9
var(scores)          # 方差
min(scores)          # 最小值 → 45
max(scores)          # 最大值 → 95
range(scores)        # 范围 → 45 95
quantile(scores)     # 四分位数
summary(scores)      # 综合统计摘要

# score_analysis_complete.R —— 完整成绩分析
library(ggplot2)

# 读取数据
scores <- read.csv("scores.csv")
scores$总评 <- scores$平时 * 0.3 + scores$期中 * 0.3 + scores$期末 * 0.4

# 统计摘要
cat("========== 成绩分析报告 ==========\n")
cat(sprintf("学生总数：%d\n", nrow(scores)))
cat(sprintf("平均分：%.1f\n", mean(scores$总评)))
cat(sprintf("中位数：%.1f\n", median(scores$总评)))
cat(sprintf("标准差：%.1f\n", sd(scores$总评)))
cat(sprintf("及格率：%.1f%%\n", mean(scores$总评 >= 60) * 100))

# 按性别分组统计
cat("\n--- 按性别统计 ---\n")
by_gender <- aggregate(总评 ~ 性别, data = scores,
                       FUN = function(x) c(均值 = mean(x), 标准差 = sd(x)))
print(by_gender)

# 分数分布直方图
ggplot(scores, aes(x = 总评)) +
    geom_histogram(binwidth = 5, fill = "steelblue", color = "white") +
    geom_vline(xintercept = mean(scores$总评), color = "red", linewidth = 1) +
    labs(title = "成绩分布直方图",
         subtitle = paste("平均分：", round(mean(scores$总评), 1)),
         x = "总评成绩", y = "人数") +
    theme_minimal()