frame簡直是R中神一般的存在，翻譯爲數據框架，和矩陣很像，但絕對比矩陣更加強大， frame可以各種數據類型雜交，簡直太方便了。下面介紹下簡單的操作，因爲。。。更深的操作我也不會，真的要靠日常積累吧。
創建frame
最基礎的，一行一行創建，這個確實有點點傻，不過做生信的寶寶，誰會自己建表呢，都是生成的數據，簡單測試而已。
student<-data.frame(ID=c(11,12,13),Name=c("Devin","Edward","Wenli"))
#查看一下
student
一些基本信息查看
> student
ID Name
1 11 Devin
2 12 Edward
3 13 Wenli
查看列名：
> row.names(student)
[1] "1" "2" "3"
查看行名:
> colnames(student)
[1] "ID" "Name"
#增加列
student$sex=c("b","g","b")
#增加行（新建一個表，把倆表綁定在一起，rbind是行綁定）
newstudent=data.frame(ID=c(14),Name=c("Peter"),sex=c("b"))
student=rbind(student,newstudent)
#刪除最後一行（本來有4行，取前三行，賦值給原表）
student=student[1:3,]
兩個表之間的合作
新建一個表：
home<-data.frame(ID=c(11,1,2),no=c(111,122,133))
#查找student表中是否有home表的學生（ID來區分）
sh=student[which(student$ID%in%home$ID),]
#或者按照列來匹配，student第一列和home第一列是否有交叉，有的話輸出student信息
sh=student[which(student$ID%in%home[1,]),]
#兩個表合併，按照ID合併
result=merge(student,home,by.x = "ID")
result
ID Name sex no
1 11 Devin b 111
查詢子集
查詢一個Date Frame，返回一個滿足條件的子集，這相當於數據庫中的表查詢，是非常常見的操作。使用行和列的Index來獲取子集是最簡單的方法，前面已經提到過。如果我們使用布爾向量，配合which函數，可以實現對行的過濾。比如我們要查詢所有Gender爲F的數據，那麼我們首先對student$Gender==“F”，得到一個布爾向量:FALSE FALSE TRUE,然後使用which函數可以將布爾向量中TRUE的Index返回，所以我們的完整查詢語句就是：
student[which(student$Gender=="F"),]
注意這裏列Index並沒有輸入，如果我們只想知道所有女生的年齡，那麼可以改爲：
student[which(student$Gender=="F"),"Age”]
這樣的查詢寫法還是複雜了點，可以直接使用subset函數，那麼查詢會簡單些，比如我們把查詢條件改爲年齡<30的女性，查姓名和年齡，那麼查詢語句爲：
subset(student,Gender=="F" & Age<30 ,select=c("Name","Age"))