统计分析中最常见的原始数据形式是类似于数据库表或Excel数据表的形式。 这样形式的数据在R中叫做数据框(data.frame)。 数据框类似于一个矩阵，但各列允许有不同类型：数值型向量、因子、字符型向量、日期时间向量。 同一列的数据类型相同。 在R中数据框是一个特殊的列表， 其每个列表元素都是一个长度相同的向量。数据框（data.frame）是最常用的数据结构，用于存储二维表（即关系表）的数据，每一列存储的数据类型必须相同，不同数据列的数据类型可以相同，也可以不同，但是每列的行数（长度）必须相同。数据框的每列都有唯一的名字，在已创建的数据框上，用户可以添加计算列，这样，R引擎根据同一行的数据列，计算出表达式的值，并把该值作为计算列的值。数据框是数据分析中最重要的数据对象，必须熟练掌握数据框的操作。

R语言的数据框、tibble数据都是tidy data。一般都需要将其他各种数据都整理成tidy data，形成一种一致的数据格式，再利用某些包（例如tidyr，dplyr，ggplot2都是tidyverse的核心包）中的tidy tools就很容易对数据进行各种分析；另外tidy data中变量单独成列的一个好处是它允许R的向量化特性发挥作用，R的许多内置函数（比如mutate和summary函数）都在向量上进行工作。 在R中进行数据挖掘要求数据集具有tidy data的特征，这有点类似数据库中的范式结构：

创建数据框，常用的方式是：读取文件、读取关系表和使用函数创建，用户应根据实际的需要，选择合适的方式创建数据框。读取文件，常用的是用于读取文件的函数是read.table()，ead.csv()是read.table()的包装函数，专门用于读取csv文件。

读取关系表数据，从关系型数据库执行SQL查询，根据查询结果创建数据框；当连接SQL Server数据库时，使用ODBC驱动程序连接数据库，R脚本引用RODBC包，调用odbcConnect连接，使用sqlQuery执行查询，获取查询结果填充数据框。使用函数创建，通过函数 data.frame()创建数据框，用户需要输入指定的数据填充数据框变量，函数data.frame()的参数row.names用于指定行的标识符。

宽数据转成长数据，这里使用spread函数，spread函数涉及2个参数

可用rownames()及colnames()得到数据框的行列名，rownames(data.frame)[行号] 或 colnames(data.frame)[列号] 可得到指定位置的行名或者列名，若修改直接赋值给该变量即可。