R语言数据重塑及导出操作

今天跟大家简单介绍下几个常用的R数据操纵技巧——导入（xlsx）、导出及长宽转换！

数据导入（xlsx）

之前写过一篇关于R导入不同类型数据的方式，但是其中只涉及到.csv、.txt以及直接从剪切板复制。

之所以当时没有介绍xlsx是因为，excel数据文件属于富文本类型，结构相对复杂，需要解除特殊包的支持以及java环境，当时电脑上还没有配置合适的java环境。

后来倒腾一个上午，才算弄完（主要是因为R语言系统版本与Java环境版本需严格一致，否则R语言无法自动探测到Java路径，R语言中的Rjava包便无法加载，而导入xlsx数据需要xlsx包的支持，xlsx包则需要Rjava包的支持）。

所以在导入数据之前，最好先配置好你系统内的java环境，确保其与你的R语言版本一致。

导入xlsx数据所需用到的包：

library("rJava")

library("xlsx")

library("xlsxjars")

以下是导入代码：

data<-read.xlsx("F:\\数据可视化\\数据分析\\R\\R语言学习笔记\\数据整理\\myfile.xlsx",sheetName="file",header=T,encoding='UTF-8')

以上语法中，括号内第一个参数是路径及文件名，sheetName="file"是指定要导入的excel工作薄内的工作表对象，如果你对工作表有命名，一定要指定名称，如果没有，指定为默认的工作表名称（Sheet1、2、3），第三个参数指定导入数据文件的编码方式（UTF-8）。

可以通过head（data）查看数据集的前6条记录。

数据重塑（宽转长）：

本例就按照导入的成绩宽数据作为演示案例：

我们想要将以上导入的数据转成长数据，也就是一维表（姓名、科目、分数）

加载数据重塑包：

library("reshape2")

mydata <- melt(data, id.vars = "姓名",variable.name = "科目", value.name = "成绩")

长数据立马就可以呈现出来。

可是以上情况太过理想，通常我们要面对的宽数据会很复杂：

倘若我们面临的输入如上所示，想要得到的结果是，姓名、姓名是两列单独的字段，不同科目合并成单独的一个字段。这种结果就稍显复杂。

不过reshape2包仍然可以轻松应对这种情况：

mydata2 <- melt(data, id.vars = c("姓名","性别"),variable.name = "科目", value.name = "成绩")

只需在指定主字段时，给id.vars = c("姓名","性别")定义多组主字段就可以了，多组字段要使用逗号区隔。

数据读出：

好了，以上数据转换完成，现在我们要将数据导出了，以下暂且介绍两种类型（xlsx暂不介绍，还是同样的原因，富文本需要设定的参数太多，需要很多工具支持，目前还没太搞明白）

导出CSV文件：

write.table (mydata2, file ="F:\\数据可视化\\数据分析\\R\\R语言学习笔记\\数据整理\\newdata.csv", sep =",", row.names =FALSE)

运行以上代码，你的对应路径中瞬间就多出一个名为newdata.csv的数据文件：

导出TXT文件：

write.table(mydata2,file="F:\\数据可视化\\数据分析\\R\\R语言学习笔记\\数据整理\\newdata.txt" , sep =" ", row.names =FALSE,col.names =TRUE, quote =FALSE)

sep指定变量间分隔符，默认为空格，row.names指定是否输出行号，col.names指定是否输出列名，quote指定是否用引号将变量包括。

跑完代码之后，你对应的文件夹目录下就多对出一个名为newdata的TXT格式数据文件，你可以通过导入并查看数据导入格式是否正确：

data3<-read.table("F:\\数据可视化\\数据分析\\R\\R语言学习笔记\\数据整理\\newdata.txt",header=T)

以上就是本次分享的全部内容，R语言的的很多包内存放了许多高质量的数据集，可以用来做数据分析与处理以及可视化的案例数据，将这些数据导出为TXT或者CSV格式的数据集存放在你的电脑上，以备不时之需。