一、向量处理
1.选择和显示向量
data[1]
data[3]
data[1:3]
data[-1]：除第一项以外的所有项
data[c(1,3,4,6)]
data[data>3]
data[data<5|data>7]：小于5或大于7的所有项
which(data == max(data))：显示数值最大的那个项序号
data[seq(1,length(data),2)]：每隔一段取出特定值，1为从第一项开始，length(data)表示到向量的最后一项结束，2表示间隔两项
2.向量的排序
sort()函数可以为向量排序，默认为升序，选项na.last默认为去掉NA项，TRUE为包含NA并放置最后，FALSE为包含NA并放置最前面，对于重复数值，sort采取的是并列排序的方式
sort(data,na.last = NA)
sort(data,na.last = TRUE)
sort(data,na.last = FALSE)
order()函数，获得向量的排序号，选项na.last默认为TRUE包含NA并将其放置最后，NA为不包含NA项，FALSE为包含NA并放置最前面
oder(data,na.last = NA)
order(data,na.last = TRUE)
order(data,na.last = FALSE)
rank()函数，也是向量排序函数，和sort()不同，对于重复数值，rank不会并列，而且采用其他方式，默认为采取去平均数。选项ties.method为处理重复数值的方式，na.last为处理NA值的方式，keep为保留NA值
rank(data,ties.method=average,na.last="keep")
3.向量返回逻辑值
直接使用向量进行等号判断即可，如
> data == 100
[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
二、矩阵和数据框处理
1.选择和显示矩阵或数据框
和向量一样，选择矩阵和数据框也可以使用[]，但是需要指定行和列，通用格式为
object[row,column]
如
data[3,3]：选择第三行第三列的数据
data[3,1:4]：选择第三行和1-4列的数据
data[1:2,1:3]：选择第1-2行、第1-3列的数据
data[,1]：选择第一列的全部数据，以向量形式返回
data[1,]：选择第一行全部数据
data[1]：对于数据框，显示第一列的数据，以列表形式返回，对于矩阵，将视为索引号，显示索引号对应的值。
data[c(1,3,5,7),]
data[c(1,3,5,7).-4]：选择1,3,5,7行、除第四列以外的所有值。
data[c(1,3,5,7),"列名"]，选项1,3,5,7行，和某列的值
索引号：矩阵的索引方式是从第一列第一行开始，依次读取每一列，可用test.matrix
2.矩阵和数据框的排序
和向量一样，也使用sort、order、rank函数进行排序，但是sort可用对整个矩阵排序，但是不能对整个数据框排序，应用数据框的时候，应选择其中一部分进行。
三、列表的处理
列表经常存放不同结构的数据，因此在处理列表数据前，应先查看一下列表内容的数据结构，使用str函数进行查看
1.选择和显示列表数据
data[1]：选择列表中的第1个元素
2.列表的排序
只能对列表中的某个元素进行排序，而且要使用$符号进行选择
sort(data$one)：对data列表中的one元素进行排序
四、数据对象的基本操作
1.查看及设置行和列名
names()：可以得到数据对象行和列的名称，可用于列表和数据框，对矩阵无效
row.names()和colnames()：可得到数据对象行或列的名称，可用于数据框和矩阵，对列表无效
dimnames()：可得到数据对象行和列的名称，先显示行名，后显示列名，对数据框和矩阵有效，对列表无效，因为列表并没有行和列。
可同时使用上述函数对名称进行设置
2.行列转置
可使用t()函数进行行列转置，无论之前是何种数据结构，转置之后均变为矩阵结构。
五、构造数据对象
1.构造列表
将不同数据结构的对象合并在一起的唯一方式是使用列表，创建列表用list()函数。
2.构造数据框
构造数据框使用data.frame()函数，数据框是数据列的集合，数据列可以是数值类型和文本类型，如果是文本类型，数据框将其视为因子，数字格式如果长度不同，则会以NA补齐。
3.构造矩阵
cbind()：将向量组成矩阵的列
rbind()：将向量组成矩阵的行
如果向量中既有数字也有字符，那么数字将会被转换为字符
此外，一般都是有matrix()函数，matrix(data,nrow=2)，必须指定正确的行或列数，也就是说行货列能够被数据个数整除，否则会报错
六、数据对象的转换
as.data.frame()：转换为数据框
as.character()：转换为因子
as.matrix()：转换为矩阵
as.list()：转换为列表
as.table()：转换为表格
可以通过is.函数判断数据对象的类型，如：is.data.frame判断，返回的是逻辑值。也可以通过class()函数，直接返回数据对象类型。
列表的转换比较麻烦，最好是先转为数据框再转为其他，数据框不能直接转换为表格，需要先转换为矩阵，再转换为表格。
stack()函数对于转换数据框有特别的用处，因为它可以创建一列数值和一列因子的数据框形式。unstack是它的反向操作
此外，stack()函数还可以加入一些选项，得到更多的效果
例如，有数据框data如下：
height plant water
1 9 vulgaris lo
2 11 vulgaris lo
3 6 vulgaris lo
4 14 vulgaris mid
5 17 vulgaris mid
6 19 vulgaris mid
7 28 vulgaris hi
8 31 vulgaris hi
9 32 vulgaris hi
10 7 sativa lo
11 6 sativa lo
12 5 sativa lo
13 14 sativa mid
14 17 sativa mid
15 15 sativa mid
16 44 sativa hi
17 38 sativa hi
18 37 sativa hi
有三列数据，一列数值两列因子，我们可做如下操作
> unstack(data,form=height~plant)
sativa vulgaris
1 7 9
2 6 11
3 5 6
4 14 14
5 17 17
6 15 19
7 44 28
8 38 31
9 37 32
> unstack(data,form=height~water)
hi lo mid
1 28 9 14
2 31 11 17
3 32 6 19
4 44 7 14
5 38 6 17
6 37 5 15
> cc<-unstack(data,form=height~water)
> stack(cc,select = c(hi,lo))
values ind
1 28 hi
2 31 hi
3 32 hi
4 44 hi
5 38 hi
6 37 hi
7 9 lo
8 11 lo
9 6 lo
10 7 lo
11 6 lo
12 5 lo