with和within
with和within都是能够evaluate an R expression in an environment constructed from data。
with输出的是expr的结果，within输出经过改变后的dataframe。
with(data, expr, ...)
within(data, expr, ...)
> x <- head(iris)
> with(x, new = Sepal.Length + Sepal.Width) #这里的赋值会报错
Error in eval(substitute(expr), data, enclos = parent.frame()) :
argument is missing, with no default
> with(x, Sepal.Length + Sepal.Width)
[1] 8.6 7.9 7.9 7.7 8.6 9.3
> within(x, Sepal.Length + Sepal.Width) #不赋值的话不会有改动
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
#以下省略
但plyr包中的mutate()函数使用起来更加自然。
> mutate(x, new=Sepal.Length + Sepal.Width)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species new
1 5.1 3.5 1.4 0.2 setosa 8.6
2 4.9 3.0 1.4 0.2 setosa 7.9
处理NA
comple.cases()接受dataframe输入，输出拥有完整数据（无NA）的rows的序号。
na.omit()则直接剔除NA rows。
melt与dcast
reshape2包中的两个牛逼函数，能够在long和wide两种dataframe form之间相互转化，long form也是ggplot2绘图的基础。
从wide到long：melt()
melt()函数在dataframe中的syntax如下：
melt(data, id.vars, measure.vars, # 原df中的column名称，id是不改变的变量，measures是要变的变量
variable.name = "variable", ..., na.rm = FALSE, value.name = "value",#新df中的column
factorsAsStrings = TRUE)#id和measures长度不定，但合并后就只有variable和value2个col了
使用melt()的效果如下：
> dat.wide=data.frame(name1=LETTERS[1:3],name2=month.abb[1:3],N1=3:5,N2=c(2.3,3.4,4.5))
> dat.wide
name1 name2 N1 N2
1 A Jan 3 2.3
2 B Feb 4 3.4
3 C Mar 5 4.5
> dat.long <- melt(dat.wide,measure.vars = c('N1','N2'))
name1 name2 variable value #N1,N2被合并成了1个col：variable
1 A Jan N1 3.0 #各自的值被移到col：value中
2 B Feb N1 4.0
3 C Mar N1 5.0
4 A Jan N2 2.3
5 B Feb N2 3.4
6 C Mar N2 4.5
从long到wide：dcast（）
dcast是melt的反向操作。输入df，输入也是df
dcast(data, formula, fun.aggregate = NULL, ..., margins = NULL,
subset = NULL, fill = NULL, drop = TRUE,
value.var = guess_value(data))
> dcast(dat.long, name1 + name2 ~ variable)
name1 name2 N1 N2
1 A Jan 3 2.3
2 B Feb 4 3.4
3 C Mar 5 4.5
排序
sort()函数可以用来排序，默认是增序。用于对字符串排序时，可能给出难以预料的结果。
order()函数则默认给出在增序排列下原vector对应元素的相应下标。
将dataframe按照某一列进行排序，可以使用order。
sort(x, decreasing = FALSE, ...)
order(..., na.last = TRUE, decreasing = FALSE,
method = c("auto", "shell", "radix"))
> x=sample(1:20,10)
> sort(x)
[1] 2 4 6 7 9 11 13 15 18 20
> order(x)
[1] 10 8 9 1 2 6 3 4 7 5
> order(x,decreasing = T)
[1] 5 7 4 3 6 2 1 9 8 10
> iris[order(iris$Sepal.Length),]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
14 4.3 3.0 1.1 0.1 setosa
9 4.4 2.9 1.4 0.2 setosa
39 4.4 3.0 1.3 0.2 setosa
43 4.4 3.2 1.3 0.2 setosa
42 4.5 2.3 1.3 0.3 setosa
4 4.6 3.1 1.5 0.2 setosa
plyr包中的arrange()函数提供了更为直接的dataframe排序方式：
> arrange(iris, Sepal.Length) #效果同上
rank()函数提供了秩。
函数化编程
包括Negate Filter Position Find Map Reduce
大致了解即可
