1、创建新变量
新变量<-表达式，表达式中会涉及到算数运算符，+-*/^
2、变量的重编码
对满足条件的赋值：语句variable[condition] <- expression将仅在condition的值为TRUE时执行赋值。
在此用到函数within()，与函数with()类似（见2.2.4节），不同的是它允许你修改数据框。
3、变量的重命名
有三种方法：
（1）用函数fix(数据框)调用一个交互式编辑器，单击变量名修改
（2）使用reshape包中有一个rename()函数，可用于修改变量名。rename()函数的使用格式为
（3）通过names()函数来重命名变量。例如：
4、缺失值
缺失值以符号NA（Not Available，不可用）表示；
不可能出现的值（例如，被0除的结果）通过符号NaN（Not a Number，非数值）来表示。
函数is.na()用于检测缺失值是否存在。is.na()函数作用于一个对象上，则它返回一个相同大小的对象，如果某个元素是缺失值，相应的位置将被改写为TRUE，不是缺失值的位置则为FALSE。
注：缺失值被认为是不可比较的，即便是与缺失值自身的比较。这意味着无法使用比较运算符来检测缺失值是否存在。例如，逻辑测试myvar == NA的结果永远不会为TRUE。
（1）重编码某些值为缺失值：
（2）在分析中排除缺失值：
方法一：在使用函数处理不完整的数据时，请务必查阅它们的帮助文档（例如，help(sum)），检查这些函数是如何处理缺失数据的。好在多数的数值函数都拥有一个na.rm=TRUE选项，可以在计算之前移除缺失值并使用剩余值进行计算。如：
方法二：通过函数na.omit()移除所有含有缺失值的观测，该函数可以删除所有含有缺失数据的行。
方法三：第15章中探索若干更为复杂精妙的缺失值处理方法。
5、日期值
日期值通常以字符串的形式输入到R中，然后转化为以数值形式存储的日期变量：
函数as.Date()用于执行这种转化，其语法为as.Date("x", "input_format")，其中x是字符型数据，input_format则给出了用于读入日期的适当格式，其的默认输入格式为yyyy-mm-dd。
函数Sys.Date()返回当天的日期；
函数date()返回当前的日期和时间；
函数format(x, format="output_format")用来输出指定格式的日期值，并且可以提取日期值中的某些部分（月、周、星期等）。该函数接受一个参数x并按某种个数输出结果。
函数difftime()用来计算时间间隔。日期值可以执行算数运算的原因是R存储的日期是用自1970年1月1日以来的天数表示的。
例子：如何把日期为yyyy-mm-dd格式转化为mm/dd/yy
首先把输入的字符型日期转化为数值型日期，然后再用format()函数
（1）将日期转换为字符型变量
不太常用。使用函数as.character()
（2）更进一步
进行复杂的日期和时间处理，可使用lubridate包。了解更多日期的细节可以查看?as.date ?strftime ?ISOdatetime
6、类型转换
7、数据排序
使用order()函数对一个数据框进行排序。默认的排序顺序是升序，在排序变量的前边加一个减号即可得到降序的排序结果。
8、数据集的合并
向数据框中添加列（变量）和行（观测）
（1）添加列
merge()函数在多数情况下，两个数据框是通过一个或多个共有变量进行联结的（即一种内联结，inner join）。横向联结通常用于向数据框中添加变量，格式为：
（2）添加行
rbind()函数
例子：
9、数据集取子集
（1）选入(保留)变量
以下例子是针对数据框的子集选取：
（2）剔除(丢弃)变量
方法一：
方法二：
（3）选入观测
从数据框total2中选出年龄大于20且是女性的观测值：
拆分看
（4）subset()函数
以上（1）-（3）的方法都可以用subset()函数代替，例子如下:
筛选出年龄大于20的女性，保留变量gender和sale。
（5）随机抽样
更全和复杂的抽样工具是sampling包和survey包
10、使用SQL语句操作数据框
