前言
在第3章，讲到了矩阵matrix和向量vector，矩阵和向量都只能包含某一种数据类型，而在实际应用中，这种情况比较少见。
当我们做一项数据调查时，调查报告通常不可能只含有数值型数据或者字符型数据，而是包含各种数据类型（做分析时需要对目录数据进行编码，这部分内容会在python分析基础中讲到）。因此，我们需要一种新的容器类型——data frame。
有人把data frame翻译为数据帧，这种译法是不准确的，尤其是考虑到“帧”的定义和data frame的含义的差别。也有人完全按照字面意思把它翻译成数据框架，我感觉有些画蛇添足，把原本不难理解的东西复杂化。
***为了简化编辑文本，后面用 df 代替 data frame（代码中常常这么做）。***
概述
本章主要讲了：
- 如何理解dataframe，
- 如何载入并使用R的内置数据集mtcars，
- 怎样从多个向量创建一个df，
- 两种方法创建df的子集，
- 怎样排序
df到底是什么
其实很简单，用一个例子就能解释明白：中学时老师统计的期末成绩单就是一个df，通常一个Excel表格中包含以下内容：
- 序号：整型
- 学号：字符型
- 学生姓名：字符型
- 分数：浮点型
在实际操作中，我们通常读取一个Excel表单或者一个csv文件，并将这个文件赋值给一个变量（df或者data），后期对文件的操作可以通过变量名来进行。需要注意的是，df的每一行表示不同的观测对象，每一列表示一个定语或变量。在成绩单里，每个学生都是一个被观测的个体，而各科成绩表示不同的定语(Attribute)，定语是用来描述观测对象的特征的。
下面我将采用R语言内置的数据集mtcars(motor trend car road tests)来做演示。
载入内置数据集mtcars
首先打开RStudio，用data()函数载入数据集：
#载入数据
data("mtcars")
#输出前后五行
head(mtcars, 5)
tail(mtcars, 5)
通过前五行数据，我们可以看到，每行表示不同的汽车型号，列表示每个汽车型号的不同特征，例如排量，马力，气缸数等等。
查看mtcars的结构
通常在获取一个数据集后，我们需要了解它的结构，例如一共有几行，有哪些列，列的名字，每列的数据类型等。查看df的结构，需要str()函数。
str(mtcars)
输出结果表示，mtcars一共有32行(observations)，和11列(variables)。
$符号后面是列名，一共11个，且mtcars中所有的数据类型都是numerical。
创建一个df
前面使用了内置数据集，接下来可以使用data.frame()自己创建一个，括号中填入不同的向量，这些向量必须包含相同的元素数量。
*注意区分R和python在创建df时的不同语法
我们以太阳系内八大行星为例，建立一个df，包含行星的名字，类型（岩质行星还是气态巨行星），相对地球直径的比值，相对地球公转周期的比值以及是否含有星环（不止土星有星环）。
# 先定义所用到的向量
name <- c("Mercury", "Venus", "Earth",
"Mars", "Jupiter", "Saturn",
"Uranus", "Neptune")
type <- c("Terrestrial planet",
"Terrestrial planet",
"Terrestrial planet",
"Terrestrial planet", "Gas giant",
"Gas giant", "Gas giant", "Gas giant")
diameter <- c(0.382, 0.949, 1, 0.532,
11.209, 9.449, 4.007, 3.883)
rotation <- c(58.64, -243.02, 1, 1.03,
0.41, 0.43, -0.72, 0.67)
rings <- c(FALSE, FALSE, FALSE, FALSE, TRUE, TRUE, TRUE, TRUE)
# 用向量创建df
planets_df <- data.frame(name, type, diameter, rotation, rings)
planets_df
观察一下我们创建的df，不难发现每个向量就是df中的每一列。（在python中有类似的用法，即通过字典dictionary创建df，参见python教程。）
选df中的元素
跟矩阵和向量类似，我们可以选择df的特定行和 / 或列。利用中括号，在逗号的左边填入想选择的行，右边填入列。这个用法跟前面矩阵的元素选择重复，这里就省略了。
这里介绍另外一种方法，只用列名选择某个特定的列：
df$colname
输出的结果是一个向量，可以用class()函数验证向量元素的类型。
rings_vec <- planets_df$rings
rings_vec
class(rings_vec)
更进一步，如果我们想选出有星环的行星，可以通过以下操作：
planets_df[rings_vec, ]
可以看出，我们筛选出了rings列中，值为TRUE的所有行。
那么能否筛选不带星环的行星？
方法很简单，只需要在中括号中加入一个!
planets_df[ !rings_vec, ]
*注意：由逻辑值组成的列通常被用来筛选符合某些条件的行，若没有由逻辑值组成的列，我们可以通过逻辑运算符自己建立一个筛选标准
现在我们尝试找出影响行星是否有星环的因素。
对比这两个结果，可以发现太阳系中的岩态行星都没有星环，而气态巨行星都有星环。因此我们可以猜测，影响一个行星是否有星环的因素是行星的类型。当然这只是一个假设，要想验证这个假设在银河系甚至可观测宇宙是否成立，我们需要更多数据来进行假设检验，这部分的内容需要懂点统计学，后面会讲到。
使用subset()创建子集
上一步实际上是给我们的数据集创建了一个子集，用来过滤掉一部分不需要i的数据。现在介绍一种更高效、更普适的方式：
subset(数据集，subset = 某些条件)
借助第二个arg，我们可以根据“某些条件”来选择。这里的条件覆盖较广的范围，不再局限于逻辑值。
subset(planets_df, subset = rings == TRUE)
*注意：这里的‘单等于号’表示赋值，‘双等于号’表示逻辑判断
结果跟前面一致，我们的方法都是对的。
现在试试用numerical数据作为筛选条件，选出直径比地球直径大的行星：
subset(planets_df, subset = diameter > 1)
*“直径大于地球的行星都是气态巨行星，我想这是个偶然现象”——典型的假设检验中的原假设H0：p = 0，H1则为p > 0
排序
排序要用到order()函数：
order(..., na.last = TRUE, decreasing = FALSE,
method = c("auto", "shell", "radix"))
*注意：decreasing默认为假，也就是说如果不填这个arg，order()函数会进行升序排列
- 首先，给向量的元素做排序，
a <- c(3, 2, 6, 1, 5, 4)
a[order(a)]
a[order(a, decreasing = TRUE)]
- 接下来，将df按照直径大小递增的顺序进行排序：
increasing_diameter <- order(planets_df$diameter)
planets_df[increasing_diameter, ]
*注意：索引也同样发生了变化，这说明df的索引是在创建df时就已经确定了，不会因为重新排序而改变，有别于Excel
