基本数据管理
直接上小示例：
以上是实现数据sumx和meanx整合到原始mydata数据框中的两种实现方式，建议用第二个
还有一个问题，就是重编码，也就是给已有的数据赋予新值，比如有个999岁的人，此处记录是错误的，要将其设置为缺失值，可以使用如下代码：
leadership age[leadership age==99] <-NA
其中：variable[condition]<-expression当且仅当condition的值为TRUE时进行赋值
改变变量的名称：
或者直接调用fix(leadership),会直接出来一个对话框，可以鼠标进行修改
如果使用reshape也可以直接使用names，names(leadership)[2]<-“testDate”
结果如下：
NA：not available，不可用
NAN：Not a Number，非数值
对于缺失值，可以忽略掉，不然容易影响结果：
然后，也可以使用na.omit()来删掉不完整的观测：
数据类型转换：
直接列举函数：
数据排序：
还有一类，就是用sql进行数据查询和处理，这部分应用比较简单，这里不讲了，网上可以搜到。
