创建新变量
算术运算符：
+ # 加
- # 减
× # 减
/ # 除
^或** # 求幂
x%%y # 求余
x%/%y # 整除, 5%/%2=2
可以对数据框的列通过运算得到新的列
mydata <- data.frame(x1=c(1,2,3), x2=c(2,4,6))
mydata$sumx <- mydata$x1 + mydata$x2
mydata$meanx <- (mydata$1 + mydata$2) / 2
变量重编码
例如，需要将连续型变量修改为类别值;将误编码值替换为正确值。
逻辑运算符：
< # 小于
<= # 小于等于
> # 大于
>= # 小于等于
== # 等于
!= # 不等于
!x # 非x
x|y # x或y
x&y # x且y
isTRUE(x) # x是否为TRUE
举例，连续型变量age编码为(Young, Middle, Old)
mydate$agecat[mydata$age > 60] <- "Old"
mydate$agecat[mydata$age <= 60 & mydata$age >30] <- "Middle"
mydata$agecat[mydata$age <= 30] <- "Young"
# 更紧凑的写法
mydata <- within(mydata, {
agecat<-NA,
agecat[age>60] <- "Old",
agecat[age<=60 & age>30] <- "Middle",
agecat[age<=30] <- "Young"
})
变量重命名
如果对现有变量名不满意，可以使用fix()以交互式方式在弹出的对话框中修改变量名
fix(leadership)
或者，使用reshape包中的rename函数
rename(dataframe, c(oldname1="newname1", oldname2="newname2", ...))
# 示例
library(reshape)
leadership <- rename(leadership, c(manager="managerID"))
或者通过names()来重命名
names(leadership)[1] <- "managerID"
缺失值
在R中，缺失值以NA表示，不可能出现的值以NaN表示。可以使用is.na()判断是否为缺失值。
y <- c(1,2,3,NA)
is.na(y)
> FALSE FALSE FALSE TRUE
分析时，通过na.rm=TRUE来排除缺失值，na.omit()移除所有的包含缺失值的行。
sumy <- sum(y, na.rm=TRUE)
newdata <- na.omit(newdata)
日期值
日期值通常以字符串的形式输入R中，然后转为数值型的日期变量，as.Date(x, "input_format")。
%d #日期，01-31
%m #月份00-12
%y #两位数的年份
%Y #完整的年份
%a #缩写的星期名，Mon
%A #非缩写的星期名，Monday
%b #缩写的月份，Jan
%B #非缩写的月份，January
日期的默认格式为yyyy-mm-dd
mydates <- as.Date(c("2017-01-01","2017-07-03")) #默认格式
dates <- as.Date("01/05/93", "%m/%d/%y")
Sys.Date()返回当天日期，date()返回当前日期和时间
可以通过format()将日期以指定形式打印。
today <- Sys.Date()
format(today, "%B %d %Y")
日期可以执行算术运算，例如相减得到相隔的天数。difftime()则可以按星期、天、时、分、秒来表示相隔的时间。
today <- Sys.Date()
birthday <- as.Date("2010-01-01")
difftime(today, birthday, units="weeks")
日期转为字符型变量：strDates <- as.character(dates)
类型转换
类型判断 类型转换
is.numeric() as.numeric()
is.character() as.character()
is.vector()
is.matrix()
is.data.frame()
is.factor()
is.logical()
数据排序
可以使用order()对一个数据框进行排序，默认为升序，在排序变量前加减号则可得降序
newdata <- leadership[order(leadership$age), ]
# or
attach(leadership)
newdata <- leadership[order(gender, -age), ]
detach(leadership)
数据集合并
列合并，可以通过merge()通过一个或多个共有变量进行联结。
total <- merge(dataframeA, dataframeB, by="ID")
total <- merge(dataframeA, dataframeB, by=c("ID","Country"))
直接合并列的话，可以使用cbind()：total <- cbind(A, B)，但需保证行数相同。
行合并，使用rbind()：total <- rbind(A, B)，但需要保证数据框拥有相同变量，如不满足可以先进行预处理，将未有变量设置为NA。
数据集取子集
选取列子集
newdata <- leadership[, c(6:10)] # 取6-10列
# 通过列名选择变量
myvar <- c("q1", "q2")
newdata <- leadership[myvar]
删除部分列
myvar <- names(leadership) %in% c("q3", "q4")
# 上面可以生成一个logical向量
newdata <- leadership[!myvar]
选取行子集
# 选择1-3行
newdata <- leadership[1:3, ]
# 选择满足某些条件的行
newdata <- leadership[which(leadership$gender=="M" & leadership$age > 30), ]
其中，which()给出了向量中值为TRUE的下标，例如which(c(TRUE, TRUE, FALSE))为c(1, 2)
综合，可以使用subset函数选取满足条件的行及部分列。
newdata <- subset(leadership, age>=35|age<24, select=c(q1, q2, q3))
随机抽样，使用sample()函数产生所需样本数的随机行号
# 随机抽取大小为3的样本
mysample <- mydata[sample(1:nrow(mydata), 3, replace=FALSE), ]
# 参数replace表示无放回抽样
SQL语句，通过sql语句对数据框完成子集选取
library(sqldf)
newdf <- sqldf("select * from mtcars where carb=1 order b y mpg", row.names=TRUE)