函数
用户可自行添加函数。函数可以看做一段代码的包装体，它可以接受一些数据输入，我们称为输入参数，这些数据在函数体内自行运算，完毕后可以返回规定的计算结果。这样用户只用关心功能，待处理的数据，以及接受最终的结果，不用了解内部复杂的细节。 在编写函数的时候，中间使用的变量名，尽量要表达它的意义。
控制流
对于有确定输入和输出的计算问题，是可以被计算机解决的。 简化成可以用三种控制结构编写相应的算法就可以解决以上的问题。
R拥有一般现代编程语言中都有的标准控制结构。
(1)顺序 在正常情况下，R程序中的语句是从上至下顺序执行的。
(2)分支 分支，是一种根据某种条件真假来决定执行哪些后续语句的结构。 经常用的结构有三种 单独的if(cond) statement 双向的if(cond) statement1 else statement2 嵌套的，上面statement中又包括if else 型。
(3)循环 循环结构重复地执行一个或一系列语句，直到某个条件不为真为止。 这个条件可以是根据循环的次数决定； 或者根据某些条件来决定。
数据的标准化
基本的数据文件存储与加载
write.table()去将数据框保存到文本文件。 使用import dataset以可视化的方法读取文本文件中的数据，它可以用read.table等效完成。
理解标准化
对于数值范围不一样的数，要进行直接比较，需要进行标准化。R中标准化的函数是scale(),更一般化的是scale()*SD+N。
分位点的理解
在R中，用quantile()去求一组数的分位点。可以知道每一个数在这个数组背景中的位序。
data<-read.table("data.txt",header = T,sep = "\t",stringsAsFactors = F)
z<-data[,c(2:4)]
z.1<-scale(z)
score<-apply(z.1,1,mean)
data<-cbind(data,score)
z.2<-quantile(score,c(.8,.6,.4,.2))
data$grade[data$score>=z.2[1]]="A"
data$grade[data$score<z.2[1] & data$score>=z.2[2]]="B"
data$grade[data$score<z.2[2] & data$score>=z.2[3]]="C"
data$grade[data$score<z.2[3] & data$score>=z.2[4]]="D"
data$grade[data$score<z.2[4]]="F"
z.3=strsplit(data$Student," ")
data$FirstName=sapply(z.3,"[",1)
data$LastName=sapply(z.3,"[",2)
data<-data[,c(7,8,2:6)]
data[order(data$FirstName,data$LastName),]FirstName LastName Math Science English score grade
2 Angela Williams 600 99 22 0.9238259 A
3 Bullwinkle Moose 412 80 18 -0.8565414 D
6 Cheryl Cushing 512 85 28 0.3532485 C
4 David Jones 358 82 15 -1.1620473 F
8 Greg Knox 625 95 30 1.3378934 A
5 Janice Markhammer 495 75 20 -0.6289776 D
9 Joel England 573 89 27 0.6978361 B
1 John Davis 502 95 25 0.5592028 B
10 Mary Rayburn 522 86 18 -0.1768163 C
7 Reuven Ytzrhak 410 80 15 -1.0476242 F
综合了标准化，分段，字符串处理，以及数据框的重编码。
