1.取子集
取子集，想法就是把条件转变为逻辑表达。取出满足这个逻辑表达式的记录。比如，我们要从paiters这个数据集中取出颜色超过17的记录，写法如下：
> attach(painters)
> painters[Colour >= 17, ]
Composition Drawing Colour Expression School
Bassano 6 8 17 0 D
Giorgione 8 9 18 4 D
Pordenone 8 14 17 5 D
Titian 12 15 18 6 D
Rembrandt 15 6 17 12 G
Rubens 18 13 17 17 G
Van Dyck 15 10 17 13 G
有时条件众多，而且之间关系可能多种，我们可以用逻辑与、逻辑或来链接这些条件。下例是把Color不少于17并且作文不少于10的画者提取出来。
> painters[Colour >= 17 & Composition >=10, ]
Composition Drawing Colour Expression School
Titian 12 15 18 6 D
Rembrandt 15 6 17 12 G
Rubens 18 13 17 17 G
Van Dyck 15 10 17 13 G
另外，经常用到的一种特殊条件：选择在一定范围内的记录。比如选择那些在A,B学校的学生的记录，这种情况下，可以采用%in%运算符形式,也可以采用”is.element()”函数形式。
> painters[is.element(School, c("A", "B")), ]
Composition Drawing Colour Expression School
Da Udine 10 8 16 3 A
Da Vinci 15 16 4 14 A
Del Piombo 8 13 16 7 A
Del Sarto 12 16 9 8 A
Fr. Penni 0 15 8 0 A
Guilio Romano 15 16 4 14 A
Michelangelo 8 17 4 8 A
Perino del Vaga 15 16 7 6 A
Perugino 4 12 10 4 A
Raphael 17 18 12 18 A
F. Zucarro 10 13 8 8 B
Fr. Salviata 13 15 8 8 B
Parmigiano 10 15 6 6 B
Primaticcio 15 14 7 10 B
T. Zucarro 13 14 10 9 B
Volterra 12 15 5 8 B
2.数据转化。
数据转化发生在这样几个层次.
所谓单个变量转化，是重新计算了一个变量，在计算时，可能用到了其他的变量信息。容易理解，只要运用”$”就行。举例：
hill$ispeed <- hill$time / hill$dist #用time和dist这两个变量的商作为一个新的变量ispeed的取值
多个变量的变化意为着对数据框的每个字段（这些字段往往都是数值型的）都进行计算，因为数据框毕竟也是一种列表，每个字段相当于列表的一个元素，因此也可以认为是对列表的每个元素进行处理。处理函数为lapply或sapply,处理的结果是什么？lapply()返回的是一个列表，列表的每个元素对应着原列表每个元素的计算结果。sapply()返回的是一个数据框，它适用于那些经过运算后，结果组织形式比较类似的情况，它会把这些结果组合为数据框，更为美观。举例：
x <- list(a = 1:10, beta = exp(-3:3), logic =
c(T, F, F, T))
lapply(x, mean) # 计算每个元素的均值，结果为一列表
$a
[1] 5.5
$beta
[1] 4.535125
$logic
[1] 0.5
sapply(x, quantile, probs = 1:3/4) # 计算每个元素的分位数，结果为一数据框
a beta logic
25% 3.25 0.2516074 0.0
50% 5.50 1.0000000 0.5
75% 7.75 5.0536690 1.0
多个变量共同处理从矩阵方面看，就是在列上进行处理，使用到的函数为apply(data, 2, fun).其实还可以在每一行上进行运算处理。可以说是按row的转换。方法是采用apply(data, 1, ).举例：
x <- cbind(x1 = 3, x2 = c(4:1, 2:5))
dimnames(x)[[1]] <- letters[1:8]
row.sums <- apply(x, 1, sum) #每一行相加运算
row.sums
a b c d e f g h
7 6 5 4 5 6 7 8
apply(x, 2, sum) #每一列求和
x1 x2
24 24
3.交叉表运算。
包括形成交叉表（xtabs())以及在交叉表上的运算（tapply()).tapply的运算与分组处理实质相同，只是展现结果方式不同。分组处理结果仍然是数据框，而tapply()的结果是一个交叉表。