一 資料的篩選與處理

1 新增新的一列，把連續型變數（如身高）轉化為類別型變數

data$height[data$height>=3]<-NA #把異常值重新編碼為缺失值

data<-within(data,{

             heightcat<-NA

             heightcat[height>1.8]<-"taller"

             heightcat[height>=1.6&height<=1.8]<-"middle"

             heightcat[height<1.6]<-"shorter"})              #建立一個類別型變數給身高資料歸類
 

                                                             #注意這裡heightcat只是一個字元型變數，而不是一個有序型因子

                                                             #注意within的用法，可以修改資料框

2 變數的重新命名

#method 1 

fix(data)   #互動修改

#method 2

names(data)[i]<-"newname"

#method 3

library(plyr)

rename(data,c(oldname="newname",oldname="newname"))
 

3 缺失值處理

is.na(data[,1:5]) #識別缺失值

na.omit(data) #移除所有含有缺失值的觀測（即刪除行）

#原始資料中a<=0,b<=0,c<=0則表示缺失,用於刪除含缺失值的行

data<-read.csv("d:/data.csv",header=T,sep=",")

attach(data)

index=a>0&b>0&c>0

data<-data[index,]

4 資料集取子集

newdata<-data[,6:10]                                                                #直接挑選變數
 

newdata<-data[c(-1,-2)]                                                             #刪除第一個和第二個變數，等價於data$var1<-data$var2<-NULL

# 選擇觀測

newdata<-data[1:3,]                                                                 #直接選擇行

newdata<-data[data$heightcat=="taller"&data$height>1.5,]                            #使用attach函式就不用加美金符號

#subsset函式

newdata<-subset(data,height>=1.7|height<1.5,select=c(height,heightcat))

newdata<-subset(data,heightcat=="taller",select=height:heightcat)