• 数据采样：

setwd("E:\\Rwork")set.seed(1234)index <- sample(1:nrow(iris),10, replace = T)indexsample_set <- iris[index,]index <- sample(nrow(iris),0.75*nrow(iris))sample_set <- iris[index,]

• 数值离散化

data(iris)buckets <- 10maxseplen <- max(iris$Sepal.Length)minseplen <- min(iris$Sepal.Length)cutpoints <- seq(minseplen, maxseplen, by = (maxseplen - minseplen ) / buckets )cutpointscutseplen <- cut(iris$Sepal.Length, breaks = cutpoints , include.lowest = TRUE)newiris <- data.frame(contseplen = iris$Sepal.Length , discseplen = cutseplen)newiris

• 数据合并

最常用merge()函数，但是这个函数使用时候这两种情况需要注意：

1、merge(a,b)，纯粹地把两个数据集合在一起，没有沟通a、b数据集的by，这样出现的数据很多，相当于a*b条数据；

2、merge函数是匹配到a,b数据集的并，都有的才匹配出来，如果a、b数据集ID不同，要用all=T（下面有all用法的代码）。

ID<-c(1,2,3,4)  name<-c("Jim","Tony","Lisa","Tom")  score<-c(89,22,78,78)  student1<-data.frame(ID,name)  student2<-data.frame(ID,score)  total_student<-merge(student1,student2,by="ID")  #或者rbind()  total_student

ID<-c(1,2,3)  name<-c("Jame","Kevin","Sunny")  student1<-data.frame(ID,name)  ID<-c(4,5,6)  name<-c("Sun","Frame","Eric")  student2<-data.frame(ID,name)  total<-cbind(student1,student2)  total