自学R语言遇阻：维也纳酒店数据集目录配置与抽样任务求助

问题说明 #

自学《Data Analysis for Business, Economics, and Policy》时，卡在第一章维也纳酒店数据集抽样任务：

• 无法配置data_dir，不知如何获取set-data-directory.R
• 自行编写的代码无法运行，无法完成任务：抽取25、50、200样本量的样本，计算价格均值并与全数据集对比，重复三次后分析样本量对均值的影响。

第一步：解决数据集加载问题 #

无需纠结set-data-directory.R，直接通过以下两种方式加载数据集：

方式1：本地文件加载（修正你的代码） #

你之前的代码未将读取的文件赋值给变量df，导致后续无法调用数据，修正后：

# 加载核心工具包
library(tidyverse)

# 设置工作目录（替换为你的文件实际路径）
setwd("C:/Users/sha03/Desktop/R/intro/data/da_case_studies/")

# 读取本地CSV文件并赋值给df
df <- read.csv("hotels-vienna.csv")

# 验证数据加载成功
summary(df)
glimpse(df)

方式2：直接读取在线数据集 #

如果本地没有文件，直接读取教材提供的数据集：

library(tidyverse)

# 读取在线数据集
df <- read_csv("https://osf.io/y6jvb/download")

# 验证数据加载成功
summary(df)
glimpse(df)

第二步：完成抽样与均值计算任务 #

编写代码自动完成三次重复抽样、均值计算与对比：

# 计算全数据集的价格均值（排除缺失值）
full_dataset_mean <- mean(df$price, na.rm = TRUE)
cat("全数据集酒店价格均值：", round(full_dataset_mean, 2), "\n\n")

# 定义需要测试的样本量
sample_sizes <- c(25, 50, 200)
# 重复抽样次数
repeat_count <- 3

# 循环执行抽样与计算
for (size in sample_sizes) {
  cat("===== 样本量：", size, "=====\n")
  for (i in 1:repeat_count) {
    # 抽取无放回随机样本
    sampled_data <- sample_n(df, size = size, replace = FALSE)
    # 计算当前样本的价格均值
    sample_mean <- mean(sampled_data$price, na.rm = TRUE)
    # 计算与全数据集均值的差值
    mean_diff <- sample_mean - full_dataset_mean
    cat("第", i, "次抽样均值：", round(sample_mean, 2), "，与全均值差值：", round(mean_diff, 2), "\n")
  }
  cat("\n")
}

第三步：结果分析 #

运行代码后你会观察到：

• 小样本（25）：每次抽样的均值波动极大，与全数据集均值的差值绝对值通常较大
• 中等样本（50）：波动幅度明显缩小，均值更接近全数据集水平
• 大样本（200）：均值几乎稳定在全数据集均值附近，波动极小

结论：样本量越大，抽样均值的代表性越强，波动越小，越接近总体真实均值。

内容的提问来源于stack exchange，提问作者shei003