1set.seed()

用于設(shè)定隨機(jī)數(shù)種子，一個(gè)特定的種子可以產(chǎn)生一個(gè)特定的偽隨機(jī)序列，這個(gè)函數(shù)的主要目的，是讓你的模擬能夠可重復(fù)出現(xiàn)，因?yàn)楹芏鄷r(shí)候我們需要取隨機(jī)數(shù)，但這段代碼再跑一次的時(shí)候，結(jié)果就不一樣了，如果需要重復(fù)出現(xiàn)同樣的模擬結(jié)果的話，就可以用set.seed()。在調(diào)試程序或者做展示的時(shí)候，結(jié)果的可重復(fù)性是很重要的，所以隨機(jī)數(shù)種子也就很有必要。
也可以簡(jiǎn)單地理解為括號(hào)里的數(shù)只是一個(gè)編號(hào)而已，例如set.seed(100)不應(yīng)將括號(hào)里的數(shù)字理解成“一百”，而是應(yīng)該理解成“編號(hào)為一零零的隨機(jī)數(shù)發(fā)生”，下一次再模擬可以采用二零零（200）或者一一一（111）等不同的編號(hào)即可，編號(hào)設(shè)定基本可以隨意。

>x<-rnorm(10) #隨機(jī)生成10個(gè)隨機(jī)數(shù) 
x 
[1] 0.3897943 -1.2080762 -0.3636760 -1.6266727 -0.2564784 1.1017795 0.7557815 
[8] -0.2382336 0.9874447 0.7413901 
x<-rnorm(10) #再次隨機(jī)生成10個(gè)隨機(jī)數(shù) 
x 
[1] 0.08934727 -0.95494386 -0.19515038 0.92552126 0.48297852                     
-0.59631064 -2.18528684 
[8] -0.67486594 -2.11906119 -1.26519802 
set.seed(5) #設(shè)定種子 
x<-rnorm(10) # 在設(shè)定種子的前提下生成10個(gè)隨機(jī)數(shù) 
x 
[1] -0.84085548 1.38435934 -1.25549186 0.07014277 1.71144087 -0.60290798 -0.47216639 
[8] -0.63537131 -0.28577363 0.13810822 
set.seed(5) # 設(shè)定種子 
y<-rnorm(10) 
y 
[1] -0.84085548 1.38435934 -1.25549186 0.07014277 1.71144087     
 -0.60290798 -0.47216639 
[8] -0.63537131 -0.28577363 0.13810822 
x == y 
[1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE

原文鏈接：https://blog.csdn.net/vencent_cy/article/details/50350020

2 attach()、detach()

3 排序order

# sorting examples using the mtcars dataset
attach(mtcars)

# sort by mpg
newdata <- mtcars[order(mpg),] 

# sort by mpg and cyl
newdata <- mtcars[order(mpg, cyl),]

#sort by mpg (ascending) and cyl (descending)
newdata <- mtcars[order(mpg, -cyl),] 

detach(mtcars)

4 合并

4.1水平合并兩數(shù)據(jù)框，即添加列

# 根據(jù)id合并兩數(shù)據(jù)框
total <- merge(data frameA,data frameB,by="ID")

# 根據(jù)id和country合并兩數(shù)據(jù)框
total <- merge(data frameA,data frameB,by=c("ID","Country"))

4.2垂直合并兩數(shù)據(jù)框，即添加行

total <- rbind(data frameA, data frameB)

If data frameA has variables that data frameB does not, then either:

1. Delete the extra variables in data frameA or
2. Create the additional variables in data frameB and set them to NA (missing)

before joining them with rbind( ).

5 aggregate我并不知道是什么意思

# aggregate data frame mtcars by cyl and vs, returning means
# for numeric variables
attach(mtcars)
aggdata <-aggregate(mtcars, by=list(cyl,vs), 
  FUN=mean, na.rm=TRUE)
print(aggdata)
detach(mtcars)

6 轉(zhuǎn)置函數(shù)t()

使用t()函數(shù)來轉(zhuǎn)置矩陣或數(shù)據(jù)幀。
行名變成了變量(列)名。

  mtcars
t(mtcars)  #行名轉(zhuǎn)變成列名

7 melt（）

mydata

library(reshape)
mdata <- melt(mydata, id=c("name"))   #按照名字向下排

mdata

8 cast

cast(data, formula, function) 

我覺得很少用到吧，類似刪除重復(fù)，先不列了

9