1、从大的数据文件中截取出自己想要的子集

1.1 取连续数据

who<-read.csv("WHO.csv") #读取数据文件
who1<-who[c(1:10),c(1:10)]#读取数据的前十行前十列

1.2 取间断数据

who<-read.csv("WHO.csv") #读取数据文件
who2<-who[c(1，3，5，7，9),c(2，4，6，7，8)]#读取数据的前1，3，5，7，9行前2，4，6，7，8列

1.3 取符合条件的数据

例子1

who<-read.csv("WHO.csv") #读取数据文件
who3<-who[which(who$Continent==7)]#读取列名Continent等于7的数据

例子2

who4<-who[which(who$CountryID>50 &who$CountryID<=100)，]#读取列名CountryID大于50但小于100的数据

除此之外，这个例子也可以使用subset函数

who4<-subset(who,who$CountryID>50 &who$CountryID<=100)#读取列名CountryID大于50但小于100的数据

1.4 对数据进行随机抽样

sample函数很重要，对于机器学习之类的都需要将数据集划分为训练集和验证集，这在R中就可以通过sample函数实现。
sample函数：对数据进行随机抽样，默认是无放回抽样，replace为真时是有放回抽样

1.4.1 sample函数抽取向量

x<-c(1:100)
sample(x,30)#从x中抽取三十个数据

1.4.2 sample函数抽取数据框

who5<-who[sample(who$CountryID,30,replace=F),]
View(who5)

1.5 删除固定某行或某列数据

1.5.1 负索引方式

这种方法不破坏原数据，说是删除，其实更贴切的表述应该是取出去除这些行或者列的数据
例子1

mtcars[c(-1:-5),]#取出不包含数据前五行的数据

例子2

mtcars[,c(-1:-5)]#取出不包含数据前五列的数据

1.5.2 将行值或者列值赋空值

将对应行或列赋值为NULL，这样相当于变相的清空数据

mtcars$mpg<-NULL#将某列赋值为NULL

1.6 数据框添加固定某行或某列数据

1.6.1 data.frame函数合并数据

将原始数据和要添加的某列用data.frame函数重新生成新的数据框

data.frame(USArrests,state.division)#将state.division列添加到原始数据集并且合并成新的数据框

1.6.2 cbind和rbind函数添加某列或者某行（row横的，column竖的）

cbind和rbind函数不仅适用于数据框也适用于矩阵

• 添加列

cbind(USArrests,state.division)#在原始数据集上添加state.division列

• 添加行
  添加行时需要，数据的列名要一致且列的个数相同，否则会报错。

data1<-head(USArrests,20)
data2<-tail(USArrests,20)
rbind(data1,data2)#在原始数据集上添加state.division列
##
data3<-head(cbind(USArrests,state.division),20)
rbind(data1,data3)#列数不同合并时则会报错

图1 报错截图

1.7 删除重复数据

在数据完成合并后，会出现一些重复的行，重复的数据有时会影响分析结果，这时候我们有两种方法将重复的行去除

• unique函数

unique(data4)#取出data4中非重复部分

• duplicated函数
  duplicated函数用于判断数据中是否包含重复值，是重复部分则结果为TRUE，否则则为FALSE
  而逻辑符号！表示非的意思，!duplicated()则正好相反，表示不重复部分则结果为TRUE，否则则为FALSE。

data4[!duplicated(data4),]#取出data4中非重复部分

2、数据生成表格

若想要对数据生成表格，则用两种方式

• 环境变量单击变量右侧表格

  
  图1 点击图标生成表格
• View(变量名）

View(who1)