1 基本数据管理
1.1一个示例
（1）定义向量，造数据框
manage<-c(1,2,3,4,5)
date<-c("10/24/08","10/28/08","10/1/08","10/12/08","5/1/09")
country<-c("US","US","UK","UK","UK")
gender<-c("M","F","F","M","F")
age<-c(32,45,24,34,88)
q1<-c(5,3,3,3,2)
q2<-c(4,5,5,3,2)
q3<-c(5,2,5,4,1)
q4<-c(5,5,5,NA,2)
q5<-c(5,5,2,NA,1)
lendership<-data.frame(manager,country,gender,age,q1,q2,q3,q4,q5)
（2）创建新变量
方法一：使用$
q6<-q4+q5
lendership$q6<-lendership$q4+lendership$q5
方法二：transform（）为数据表添加列
lendership<-transform(lendership,q7=q4+q5,q8=q1+q2)
（3）变量重编码
方式一：使用$
lendership$age[lendership$age==88]<-NA
lendership$agecat[lendership$age>50]<-"Elder"
lendership$agecat[lendership$age>40 & lendership$age<=50]<-"Middle Aged"
lendership$agecat[lendership$age<40]<-"Young"
方式二：使用within
lendership1<-within(lendership,{
agecat<-NA
agecat[age>50]<-"Elder"
agecat[age>40 & age<=50]<-"Middle Aged"
agecat[age<=40]<-"Young"
})
（4）变量重命名
方式一：弹出数据编辑器
fix(lendership)
方式二：使用names()，只能索引一列一列的改，不方便
names(lendership)[1]<-"manager1"
解释：names里面是表名，[1]代表修改第一列
方式三：导入编辑包plyr，使用函数rename()
library(plyr)
lendership<-rename(lendership,c(manager1="ID",q1="qq1"))
2 缺失值
2.1 识别缺失值函数is.na()
y<-c(1,2,NA)
is.na(y)
2.2 重编码某些值为缺失值
lendership$age[lendership$age==88]<-NA
2.3 缺失值参与计算会怎样
y<-c(1,2,NA)
z<-y[1]+y[2]+y[3]
z<-sum(y,na.rm = T) #na.rm = T意思是有缺失值就移除
2.4 移除含有缺失值的观测（行）
newdata<-na.omit(lendership) #删除含有缺失值的行
3 日期值
3.1 日期值的读入 as.Date
mydata<-as.Date(c("2008-06-11","2018-08-08"))
3.2 日期值的格式
strdata<-c("01/05/1996","08/22/1998")
mydata1<-as.Date(strdata,"%m/%d/%Y") #指定日期格式
3.3 系统日期与当前日期
系统日期：Sys.Date()
当前日期：date()
3.4 日期值的输出格式
today<-Sys.Date()
format(today,format="%B %d %Y") #调整日期输出格式format，%B表示月份文字输出
3.5 日期值的间隔计算
方式一：按天计算
startdata<-as.Date("1996-11-22")
enddata<-as.Date("2021-07-02")
days<-enddata-startdata
方式二：按周计算，使用函数difftim()
difftime(enddata,startdata,units = "weeks")
4 类型转换
4.1 is.xxx()函数，用来判断类型
4.2 as.xxx()函数，用来转换
5 数据排序
lendership2<-lendership[order(lendership$gender,lendership$age),]
6 数据集操作
数据输入：
manage<-c(1,2,3,4,5)
date<-c("10/24/08","10/28/08","10/1/08","10/12/08","5/1/09")
country<-c("US","US","UK","UK","UK")
gender<-c("M","F","F","M","F")
age<-c(32,45,24,34,88)
q1<-c(5,3,3,3,2)
q2<-c(4,5,5,3,2)
q3<-c(5,2,5,4,1)
q4<-c(5,5,5,NA,2)
q5<-c(5,5,2,NA,1)
lendership<-data.frame(manager,country,gender,age,q1,q2,q3,q4,q5)
leader_a<-data.frame(manage,country,gender,age)
leader_b<-data.frame(manage,q1,q2,q3,q4,q5)
leader_b<-leader_b[order(-leader_b$manage),]
6.1 数据集（框）的合并 merge()
lendership1<-merge(leader_a,leader_b,by="manage") #通过主键manage合并
6.2 数据集（框）取子集
（1）保留变量
方式一：newdata<-lendership[,c(5:9)]
方式二： myvar<-c("gender","country","q5")
newdata1<-lendership[myvar]
（2）删除变量
方式一：前面加负号 -
newdata<-newdata[c(-2,-3)]
方式二：赋值NULL
newdata$q3<-NULL
(3)选入观测（保留行）
newdata2<-lendership[1:3,] #选择1到3行
newdata3<-lendership[lendership$gender=="M" & lendership$age>30,]
（4）subset函数
newdata4<-subset(lendership,gender=="M" & age>25,select=c("manager","gender","age"))
解释：gender=="M" & age>25这是选择保留的行，select是选择保留的列
若出现了错误：选择了未定义的列
修正：检查自己的列变量名字是否写错
（5）使用SQL语句操作数据集（框）
加载包：library(sqldf)
语句：newdf<-sqldf("select * from mtcars where carb=1 order by mpg",row.names = T)
