读入在桌面的文件：
read_csv("C://Users//Administrator//Desktop//data_market.csv")
*names*
显示数据集中各变量的名字
*n_distinct*
向量中元素的种类
*unique*
向量中每种元素各一个依次排列所形成的向量
如：a <- c(1,2,3,3,4,7,6)
n_distinct(a)得到6，unique(a)得到1 2 3 4 7 6
*sample*
抽样，如：
sample(1:3,10,replace = FALSE) #无放回抽10个，默认为无放回
sample(data$ID,5,replace = TRUE) #有放回从某向量里抽5个
sample(c("a","b","c"),10,replace = TRUE,prob = c(0.1,0.5,0.4)) #概率抽样，依次对应
*rerun*
重复操作，如：rerun(10,rnorm(5)) #生成一个列表，重复执行10次rnorm(5)命令，各次结果不相同
duplicated:
接收一个向量，每种元素第一次返回值F，之后每次返回T，形成一个新向量
如：
【去重操作】
df %>%
filter(!duplicated(df$grammer))
everything:
配合select使用，把变量提到最前
如：
flights %>%
select(dep_time,everything())
head 和 tail
显示最前、最后几行。如：head(df,10)
去掉最后一行数据：df[-nrow(df),]
添加一行数据：
row <- tibble(
"grammer" = c("Perl"),
"popularity" = c(6.6)
) # 需要和列的位置对应
df <- rbind(df,row)
rbind和cbind
将若干行或若干列按元素顺序拼接
df %>% filter(!(df$col1 %in% df$col2))：筛选出不同时在第二列的第一列的数据对应观测值
将第一列所有大于10的值都改成正无穷
df %>%
mutate(
col1 = ifelse(df$col1 > 10,Inf,df$col1)
)
取消科学计数法：如：round(df,10) #10表示保留小数点后10位
提取第五排：df %>% filter(row_number()==5)
按行翻转：
df %>%
arrange(desc(row_number()))
正则表达式抓单词去掉句点：[^ |\\.]
找两个向量的交集：intersect
抓两个向量的差集：setdiff
如：setdiff(x,y)得到在x中而不在y中的元素
用正则表达式处理数据框：
竖筛：
flights %>%
select(names(flights) %>% str_subset(".*time$"))横筛：
flights %>%
filter(str_detect(flights$dest,"M"))