如果在一列中重复出现两个值，这意味着该列中有很多相同的值，但是如果这些值在列和行中都重复出现，则它们在两列中被称为重复行。要删除 R 数据框中两列中存在的重复行，我们可以使用 duplicated 函数，如下例所示。考虑以下数据框 - 示例 在线演示x1

默认情况下，使用 ggplot2 创建的条形图中的图例标签没有符号，但我们可能希望显示标签的符号，尤其是在我们有一些负值的情况下。这可以使用 ggplot2 包的 geom_text 函数来完成，如下例所示。考虑以下数据框 - 示例 在线演示x

有时我们想将新数据添加到原始数据框中，例如我们需要更多数据进行分析，查找小型数据和大型数据之间的比较，或者原始数据中缺少一些数据，因此需要从其他数据集中添加更多数据。其中一项操作是从另一个数据框向现有数据框添加新行。这可以使用 rbind 函数来完成，如下例所示。考虑以下数据框 df1 和 df2 - 示例 在线演示x

为了在将 R 中的数据框转换为 data.table 对象时处理行名缺失的列，我们需要在转换数据框时使用 keep.rownames 参数。例如，如果我们有一个名为 df 的数据框需要转换为 data.table 对象而不丢失行名，那么我们可以使用以下命令：data.table(df,keep.rownames=TRUE)示例library(data.table) head(mtcars)输出             mpg     cyl    disp   hp    drat     wt      qsec   vs     am   gear carb Mazda RX4    21.0    6     160    110    3.90   2.620     16.46  0      1    4     4 Mazda RX4 Wag 21.0   6     160   110   3.90   2.875     17.02    0      1    4     4 Datsun     710      22.8   4    108 93 3.85   2.320    18.61     1      1    4     1 Hornet 4 Drive 21.4    6   258  110   3.08     3.215     19.44   1      0    3     1 Hornet Sportabout 18.7  8  360  175  3.15     3.440      17.02   0      0    3     2 Valiant      18.1    6    225  105   2.76     3.460      20.22   1      0    3     1示例mtcars_data_table

为了去除基本 R 中轴与图内点之间的绘图边距，我们可以在 plot 函数中使用 xaxs 和 yaxs 参数。根据 xaxs 和 yaxs 参数的选择，相应方向的绘图区域比这些限制指定的区域大 4%，或者与“i”限制完全匹配。示例x

NA 值和 NaN 值的性质大相径庭，因此，删除包含 NA 值的行与删除包含 NaN 值的行不同。例如，如果我们有一个包含 NaN 值的数据框，则可以使用 is.finite 函数删除这些行，如下例所示。考虑以下数据框 - 示例 在线演示x1

为了增加基本 R 中直方图线的粗细，我们需要使用 par 函数来定义线的粗细大小。如果我们想这样做，则必须先定义线粗细，然后再创建直方图。线大小的一个示例可以是 line

为了忽略缺失值来查找每列的每行均值，我们需要使用带有 na.rm 的 rowMeans 函数。例如，如果我们有一个名为 df 的数据框包含五列，并且其中一些值缺失，则可以使用以下命令计算每行的均值：rowMeans(df,na.rm=TRUE)。考虑以下数据框 - 示例 在线演示x1

shapiro.test 在 R 中有一个限制，它只能应用于样本大小最多为 5000 的样本，并且最小样本大小必须为 3。因此，我们有一个替代的假设检验，称为 Anderson-Darling 正态性检验。要执行此检验，我们需要加载 nortest 包并使用 ad.test 函数，如下例所示。考虑以下数据框 - 示例 在线演示x

默认情况下，R 中的任何绘图都不会显示正号。众所周知，如果任何值都没有符号，则认为它是正数，因此我们不需要符号，但为了区分 0 和正值，可以这样做。要显示 X 轴标签的正号，我们可以使用 scale_x_continuous 函数。考虑以下数据框 - 示例 在线演示x