数据转换：
1.随机抽样： sample（条件，个数，replace=是否放回）
2.数据框的翻转（excel中行列的互换）：t( ）根据行名翻转：x[rev(rownames(x)), ]
向量的翻转(顺序颠倒）：rev( )
3.单位转换：
transform（women，height=height*2.54) 直接修改了women数据框中height一列的值
4.排序：
sort( )：默认数字从小到大，字符串按ASSIC码排，只能用于向量，用于数据框时需要通过索引：mtcars[sort(rownames(mtcars))]
order( )：直接对向量排序，但返回的是元素所在的位置而不是值(索引）,方便间接对数据框排序：mtcars[order(mtcars$mpg),]把mpg这一列的数从小到大排了
按相反的顺序就在-order，对个条件就在order( )里再加，逗号隔开，顺序在前的优先排
rank( )：求秩，返回值是向量中对应元素的“排名”。
5.apply系列函数：
apply：处理数据框或矩阵，apply(x, Margin=(1:对行操作；2:对列操作），FUN=操作函数）
lapply：返回值是列表形式 sapply：返回值是向量或矩阵
tapply：处理因子数据 tapply(state.name(数据集), state.division(是个因子）, FUN=length)通过division对name分组，然后每组求length
6.数据的中心化与标准化
中心化：减去均值；标准化：中心化之后的除以标准差（就是变成正态分布了）
scale(x，center=是否中心化处理，scale=是否标准化处理）
7.reshape2包
melt：融合 取某一列或几列作为索引，把剩余的列融为一列 melt(airquality , id.vars=c("month","day")),除了month和day列其他的都合成一列
dcast：～：表示相关，二者有关系但不一定相等
8.tidyr包
gather: 变长数据gather(tdata,key="新合成的列名 ",value="key对应的值",tdata里要合成的列）和reshape相比，gather可以让固定列不变，而其他列进行转换
spread: 变宽数据 spread(data, key="你要处理的那列"，value="那列对应的数据列") 和gather互逆处理，名称和数值要对应
separate:分列 separate(tdata, col=要分的那列列名, into=c(分开后的列名,记得加引号), seq=分的依据）
unite：合并列 unite(data,col="合并后的列名", 要和的列名（不用加引号），seq="用什么连接起来")
9.dplyr包(功能太过强大，二百多个函数）
调用函数：dplyr：：函数名字
管道符号：%>%，就是然后的意思或者“且”
