自建一个数据框，内容要求包含不同类型的、可分类的数据，例如有数值型的，有字符型的，可以按性别或者职业分类的。计算不同类别下，数值型数据的均值、方差等统计量，把这些变量组合成一个列表。

在R语言中，自建一个数据框（Data Frame）非常直观。首先，我们需要创建一个数据框，里面包含多种数据类型，如数值（numeric）和字符（character），以及分组变量如性别（factor）和职业（categorical）。假设我们有一个示例：

# 创建一个数据框
df <- data.frame(
  age = c(25, 30, 35, 40, 45),   # 数值型 - 年龄
  salary = c(50000, 60000, 70000, 80000, 90000),  # 数值型 - 薪水
  gender = c("Male", "Female", "Male", "Female", "Male"),  # 字符型 - 性别
  occupation = c("Engineer", "Teacher", "Doctor", "Lawyer", "Manager")  # 分类型 - 职业
)

# 按性别对数值型数据进行分组并计算统计量
stats_by_gender <- aggregate(cbind(age, salary) ~ gender, df, FUN = function(x) c(mean = mean(x), sd = sd(x)))

# 对所有职业的年龄数据求平均值
average_age <- tapply(df$age, df$occupation, mean)

这里，`aggregate()`函数用于按性别对年龄和薪水求平均值和标准差；`tapply()`则用于按职业对年龄求平均值，结果分别存储在`stats_by_gender`和`average_age`两个列表中。