操纵日期和缺失值
熟悉数据类型的转换
变量的创建和重编码
数据集和排序，合并与取子集
选入和丢弃变量
参考书籍：《R语言实战（第2版）》第四章
本文代码运行环境为Windows版RStudio

创建新变量

无论是创建新变量或者对现有的变量进行变换，都可以通过表达式给给新变量赋值，表达式可以包含多种运算符和函数，可用来创建公式。R语言中的常用运算符有加（+）、减（-）、乘（*）、除（/）、求幂（^或**）、取余运算（x %% y）、整数除法（x %/% y），详见下图。

下面举例说明如何将两个新变量整合到原有数据框中。目前有一个名称为mydata 的数据框，其中的变量为向量x1和向量x2，现在创建一个新变量sumx存储向量x1和向量x2两个变量的和，并创建另外一个新变量meanx存储向量x1和向量x2两个变量的平均值。

总共有三种方法可以实现，具体代码如下，代码中$符号的用法——即如何确定数据框中某一变量的方法详见【R语言】：数据结构入门（2），代码中的注释详细说明了每一种方法。

#创建数据框mydata，x1和x2是mydata的两个列向量
mydata <- data.frame(x1 = c(2, 2, 6, 4), x2 = c(3, 4, 2, 8))

#方法一，用符号$确定数据框中的变量x1和x2，并且赋值给两个新变量sumx和meanx并添加至数据框
mydata$sumx <- mydata$x1 + mydata$x2
mydata$meanx <- (mydata$x1 + mydata$x2)/2

#方法二，利用函数 attach() 数据框mydata添加到搜索路径，这时将在数据框mydata中确定变量x1和x2，最后利用函数detach()从搜索路径移除
attach(mydata)
mydata$sumx <- x1 + x2
mydata$meanx <- (x1 + x2)/2
detach(mydata)

#方法三，利用transform函数对数据框mydata增加两个变量（列向量）sumx和meanx，并把结果存储在数据框mydata中
mydata <- transform(mydata, sumx = x1 + x2, meanx = (x1 + x2)/2)

《R语言实战（第2版）》书中建议选择方法三，transform函数简化了按需创建新变量并将其保存到数据框中的过程。

变量的重编码

重编码的含义：根据一个变量和/或其他变量的现有值创建新值的过程。

• 修改变量的类型，比如把年龄这种连续型数字变量修改为“年轻人、中年人、老年人”这种类别型变量。
  
• 将错误编码的值替换为正确值，比如将变量年龄中某一个明显的错误值999更改为缺失值。
  

进行重编码，需要在R语言中用到逻辑运算符，逻辑运算符会返回TRUE或者FALSE，具体详见下表（截图来自《R语言实战（第2版）》第四章）。

注：比较浮点型数据（由一个整数、有理数或有效数字，即尾数，乘以某个基数的整数次幂，类似科学计数法）时尽量不要使用“==”，以免出现误判。

接来下，《R语言实战（第2版）》书中提到了用within()函数修改数据框，关于transform函数和within函数的区别和用法详见文章：【R语言】：transform函数与with/within函数。

此外，函数cut()可以将一个数值变量按照值域划分为区间，并返回一个因子，在RStudio中输入代码help("cut")可查看该函数帮助文件。

car包中的函数recode()也可以方便对数值型、字符型和因子重新编码，还有doBY包中的函数recodevar()也常常用到，可以通过函数help查看两者的详细用法。

变量的重命名

重新命名已有的变量名可以使用函数fix()，比如如果修改上面的数据框mydata，可以输入代码

fix(mydata)

RStudio中运行代码后，弹出了一个交互式的窗口，修改变量名称非常方便，如下图

rename(mydata, c(x1 = "x1-1", x2 = "x2-1"))

运行代码后，数据框mydata的变量名更换，如下图

可以一次更改多个变量名称，比如把数据框mydata中的四个变量名称全部更改，方法如下

缺失值

在R语言中，缺失值用符号NA表示，NA是Not Available的缩写；不可能出现的值（比如0做除数的结果）用符号NaN表示，NaN是Not a Number的缩写。

函数is.na()用来检测向量或数据框是否存在缺失值，返回值是TRUE或FALSE，表示存在或不存在。举例说明，输入以下代码

x <- c(1, 2, 3, NA)
is.na(x)

运行代码后可得

一、重编码某些值为缺失值

在变量的重编码这一小节中提到过，可以将某些明显错误的值重编码为缺失值NA。比如，假如在某一数据框persondata中变量age（年龄）中的错误值999，将错误值更改为缺失值，可以输入代码

persondata$age[persondata$age == 999] <- NA

运行以上代码后，数据框persondata的变量age中所有等于999的年龄值将全部被修改为NA。在进行数据分析之前，一定要确保所有的错误数据或缺失数据都已经被更改为缺失值NA，否则分析结果将没有任何意义。

二、在分析中排除缺失值

在数据分析之前，还需要删除前面已经更改为缺失值NA的数据，因为含有缺失值NA的算数表达式和函数的计算结果也会被判定为缺失值NA。上面的例子中，向量x中第四个元素含有缺失值NA，如果输入代码

x <- c(1, 2, 3, NA)
y <- sum(x)

运行代码后，y也是缺失值NA。

很多函数都有na.rm=TRUE选项，可以在计算前删除缺失值NA后计算剩下的值，再以下代码

x <- c(1, 2, 3, NA)
y <- sum(x, na.rm=TRUE)

运行代码后，y等于6。

*注：强烈建议每次在使用函数处理数据前通过函数help查看其帮助文档，确定该函数的处理缺失值的选项是什么，不一定都是na.rm=TRUE。

此外，可以通过函数na.omit()删除含有缺失值NA的行，即行删除——删除所有含有缺失数据的观测。比如，还是以上面的数据框persondata为例，用函数na.omit删除缺失值NA的观测（行删除）并存储为新的数据框persondata_new，代码如下

persondata_new <- na.omit(persondata)

*注：当缺失值较多，或者一小部分变量中包含大量的缺失数据，行删除可能会剔除相当比例的数据，所以在实际应用之前应该仔细思考。