版权声明：本文为博主原创文章，遵循版权协议,转载请附上原文出处链接和本声明，KuangStudy,以学为伴，一生相伴！
#对向量的子集进行操作
#第一个参数代表第一列的内容，第二个参数表示第二列的内容
#定义一个类似矩阵的数据框
#数据框转换成矩阵，要求，第二个参数的数据类型必须一样
sort:对向量进行排序；返回排好序的内容
order:返回排好序的内容的下标/多个排序标准
x[order(x$v4,x$v2),](对整个数据框按照v4这一列进行排序,如果v4中有重复的元素，则按照v2排序)
split:根据因子或因子列表将向量或者其他对象进行分组，通常与lapply一起使用。
split(x,f)(返回了列表，有3个水平，每个水平有5个元素)
建立因子：f<-gl(3,5)(3代表这个因子包含3个水平，5代表每个水平下有5个元素)
tapply(x,f,mean)(对向量x按照因子的水平进行分组，对每一组求均值)
调用函数：s(4,0,1)(从均值为0，标准差为1的正态分布总体里调用4个数据)
mapply(s,1:5,5:1,2)(1:5对应的4，即每一次抽取多少个数据出来，5：1对应的0，即分布的均值，2即为分布的标准差)
apply:沿着数组的某一维度处理数据
例如：将函数用于矩阵的行或列
虽然与for/while循环效率相似，但是只用一句话就可以完成
apply（参数）：apply（数组，维度，函数/函数名）
第4章 重要函数的使用
处理循环：R不仅有for/while循环语句（特点：需要些多行代码），还有更强大的实现循环的“一句话”函数。
例：1.str(lapply)(其作用是把任意的R对象以一种整洁紧凑的形式显示出来)
sapply:与lapply非常相似，它可以在允许的情况下对lapply的结果进行化简。结果列表元素长度均为1，返回向量；结果列表长度相同且大于1，返回矩阵；其他情况与lapply相同。
向量化操作（vectorized operation）：可以作用于向量、矩阵等结构，使得代码简洁、易于阅读、效率高。
x[!is.na(x)] (取x中不是缺失值的部分，！的意思是取反，即真变假)
然后x[z] y[z]就可以拿到都不是缺失值的元素
进一步看complete函数的功能：
第3章 操纵数据：构建子集（subsetting）
[]：提取一个或多个类型相同的元素
[[]]：从列表或数据框中提取元素
$:按名字从列表或数据框中提取元素
补充：R语言的数组下表是从1开始而不是0开始
POSIXct:整数，常用于存入数据框
POSIXlt：列表，还包含星期、年、月、日等信息
p$sec(看一下有多少秒 秒是变量之一)
如何把以不同格式表示的字符串转换成我们想要的类型：
数据框（data frame）:存储表格数据（tabular data）,我们可以把数据框当成一种列表形式，其中各元素的长度是相同的（1.每个元素代表一列数据 2.每个元素的长度代表行数 3.元素类型可以不同）
数据框（data frame）:存储表格数据（tabular data）,我们可以把数据框当成一种列表形式，其中各元素的长度是相同的（1.每个元素代表一列数据 2.每个元素的长度代表行数 3.元素类型可以不同）
如果要判断一个向量中是否有缺失值：is.na()/is.nan()
因子（factor）:分类数据（有序/无序）
table(x)对当前因子有整体性的了解
列表（list）:可以包含不同类型的对象
这个函数的功能比较强大，它首先将数据进行分组（按行），然后对每一组数据进行函数统计，最后把结果组合成一个比较nice的表格返回。根据数据对象不同它有三种用法，分别应用于数据框（data.frame）、公式（formula）和时间序列（ts）：
我们通过 mtcars 数据集的操作对这个函数进行简单了解。mtcars 是不同类型汽车道路测试的数据框类型数据：
先用attach函数把mtcars的列变量名称加入到变量搜索范围内，然后使用aggregate函数按cyl（汽缸数）进行分类计算平均值：
by参数也可以包含多个类型的因子，得到的就是每个不同因子组合的统计结果：
公式（formula）是一种特殊的R数据对象，在aggregate函数中使用公式参数可以对数据框的部分指标进行统计：
