数据的变形处理
reshape2的精髓是把整体数据（比如数据框）打碎（melt，或说熔化），让其回到一个一个数据点的状态，不过，这个数据点是可以根据观测的id名称和变量名称定位找到的（事实上，数据框是二维的，在数据框中，根据观测id和某变量名称，即可交叉定位到某数据点）。然后，再根据观测id和变量名称的组合，随心所欲的锻造需要的数据形态（cast），中间可能有求和、求平均值之类的数据运算。形象上理解，比如一个硬的铁块，将其熔化后，想让其扁就扁，想让其圆就圆。reshape2要的就是这个结果。
数据的标准化（Scale函数）
1、数据的中心化
所谓数据的中心化是指数据集中的各项数据减去数据集的均值。
例如有数据集1, 2, 3, 6, 3，其均值为3
那么中心化之后的数据集为1-3,2-3,3-3,6-3,3-3，即：-2,-1,0,3,0
2、数据的标准化
所谓数据的标准化是指中心化之后的数据在除以数据集的标准差，即数据集中的各项数据减去数据集的均值再除以数据集的标准差。
例如有数据集1, 2, 3, 6, 3，其均值为3，其标准差为1.87
那么标准化之后的数据集为(1-3)/1.87,(2-3)/1.87,(3-3)/1.87,(6-3)/1.87,(3-3)/1.87，即：-1.069,-0.535,0,1.604,0
数据中心化和标准化的意义是一样的，为了消除量纲对数据结构的影响。
在R语言中可以使用scale方法来对数据进行中心化和标准化：
#限定输出小数点后数字的位数为3位
> options(digits=3) > data <- c(1, 2, 3, 6, 3)
#数据中心化
> scale(data, center=T,scale=F) [,1] [1,] -2 [2,] -1 [3,] 0 [4,] 3 [5,] 0 attr(,scaled:center) [1] 3
#数据标准化
scale方法中的两个参数center和scale的解释：
1）center和scale默认为真,即T或者TRUE
2）center为真表示数据中心化
3）scale为真表示数据标准化