巧用R语言实现各种常用的数据输入与输出

1480

发布于 2019-06-19 14:50:07

7.4K2

发布于 2019-06-19 14:50:07

文章被收录于专栏：数据分析1480数据分析1480

将数据输入或加载到R工作空间中，是使用R进行数据分析的第一步。R语言支持读取众多格式的数据文件，excel文件，csv文件，txt文件和数据库（MYSQL数据库）等；其中，excel和csv是我们最常遇到的数据文件格式。

0 设置工作目录【很重要】

1 read.table() #读取带分隔符的文本/数据文件

2 read.csv() #读取.csv格式的数据，read.table的一种特定应用

3 excel数据文件读取

4 scan #比read.table更加灵活

5 保存为.Rdata

6 write.table()

7 CSV格式导出

（提示：加粗部分可重点学习）

正文

0 设置工作目录【很重要】

R语言中数据的输入需要设置数据读取的路径，一般将数据文件放到工作目录下，这样直接就可以通过read.table等读取数据文档（不许要设置路径）。

方法一：setwd()

setwd("E:/") #设置当前工作目录为"E:/"

getwd() #读取当前工作空间的工作目录（文件读取保存路径）

> getwd()  #读取当前工作空间的工作目录（文件读取保存路径）
[1] "C:/Users/ysl/Documents"
> setwd("E:/") #设置当前工作目录为"E:/"
> getwd() #再次使用getwd()函数即可查看是否设置成功
[1] "E:/"

方法二：通过R-gui菜单栏设置（文件-改变工作目录）

1 read.table() #读取带分隔符的文本文件

read.table()函数是R最基本函数之一，读取带分隔符的文本/表格文件。

read.table(file, header = FALSE, sep = "", quote = "\"'",
           dec = ".", numerals = c("allow.loss", "warn.loss", "no.loss"),
           row.names, col.names, as.is = !stringsAsFactors,
           na.strings = "NA", colClasses = NA, nrows = -1,
           skip = 0, check.names = TRUE, fill = !blank.lines.skip,
           strip.white = FALSE, blank.lines.skip = TRUE,
           comment.char = "#",
           allowEscapes = FALSE, flush = FALSE,
           stringsAsFactors = default.stringsAsFactors(),
           fileEncoding = "", encoding = "unknown", text, skipNul = FALSE)
read.csv(file, header = TRUE, sep = ",", quote = "\"",
dec = ".", fill = TRUE, comment.char = "", ...)

read.csv2(file, header = TRUE, sep = ";", quote = "\"",
dec = ",", fill = TRUE, comment.char = "", ...)

read.delim(file, header = TRUE, sep = "\t", quote = "\"",
dec = ".", fill = TRUE, comment.char = "", ...)

read.delim2(file, header = TRUE, sep = "\t", quote = "\"",
            dec = ",", fill = TRUE, comment.char = "", ...)

常用参数的说明如下：

（1）file：file是一个带分隔符的ASCII文本文件。

①绝对路径或者相对路径。一定要注意，在R语言中\是转义符，所以路径分隔符需要写成"\\"或者“/”。所以写成“C:\\myfile\\myfile.txt”或者“C:/myfile/myfile.txt”即可。

②使用file.choose()，弹出对话框，自动选择文件位置。例如：read.table(file.choose(),...)。

（2）header：一个表示文件是否在第一行包含了变量的逻辑型变量。

如果header设置为TRUE，则要求第一行要比数据列的数量少一列。

（3）sep分开数据的分隔符。默认sep=""

read.table()函数可以将1个或多个空格、tab制表符、换行符或回车符作为分隔符。常见空白分隔符有：空格，制表符，换行符

sep=” ”；sep = “\t”；sep = “\n”

（4）stringsAsFactors 逻辑值，标记字符向量是否需要转化为因子，默认是TRUE。stringsAsFactors = F意味着，“在读入数据时，遇到字符串之后，不将其转换为factors，仍然保留为字符串格式”。

（5）encoding 设定输入字符串的编码方式。

#读取txt文档

> df<- read.table("data.txt")
> df
V1 V2
1  x  y
2  1  2
3  3  4
4  5  6
> df <- read.table("data.txt",header = T)
> df
x y
1 1 2
2 3 4
3 5 6

#样式1：直接读取数据

> df <- read.table("data.csv")  #直接读取数据
> head(df)
V1
1 ID,Sepal.Length,Sepal.Width,Petal.Length,Petal.Width,Species
2                                     1,5.1,3.5,1.4,0.2,setosa
3                                       2,4.9,3,1.4,0.2,setosa
4                                     3,4.7,3.2,1.3,0.2,setosa
5                                     4,4.6,3.1,1.5,0.2,setosa
6                                       5,5,3.6,1.4,0.2,setosa

#样式2：读数+首行表头

> df <- read.table("data.csv",header = T)  #读数+首行表头
> head(df)
ID.Sepal.Length.Sepal.Width.Petal.Length.Petal.Width.Species
1                                     1,5.1,3.5,1.4,0.2,setosa
2                                       2,4.9,3,1.4,0.2,setosa
3                                     3,4.7,3.2,1.3,0.2,setosa
4                                     4,4.6,3.1,1.5,0.2,setosa
5                                       5,5,3.6,1.4,0.2,setosa
6                                     6,5.4,3.9,1.7,0.4,setosa

#样式3：读数+首行表头+","逗号分割

> df <- read.table("data.csv",header = T,sep=",")  
#读数+首行表头+","逗号分割
> head(df)
ID Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1  1          5.1         3.5          1.4         0.2  setosa
2  2          4.9         3.0          1.4         0.2  setosa
3  3          4.7         3.2          1.3         0.2  setosa
4  4          4.6         3.1          1.5         0.2  setosa
5  5          5.0         3.6          1.4         0.2  setosa
6  6          5.4         3.9          1.7         0.4  setosa
> summary(df)
ID          Sepal.Length    Sepal.Width     Petal.Length  
Min.   :  1.00   Min.   :4.300   Min.   :2.000   Min.   :1.000  
1st Qu.: 38.25   1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600  
Median : 75.50   Median :5.800   Median :3.000   Median :4.350  
Mean   : 75.50   Mean   :5.843   Mean   :3.057   Mean   :3.758  
3rd Qu.:112.75   3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100  
Max.   :150.00   Max.   :7.900   Max.   :4.400   Max.   :6.900  
Petal.Width          Species  
Min.   :0.100   setosa    :50  
1st Qu.:0.300   versicolor:50  
Median :1.300   virginica :50  
Mean   :1.199                  
3rd Qu.:1.800                  
Max.   :2.500

#样式4：读数+首行表头+","逗号分割+字符转因子factor

> df <- read.table("data.csv",header = T,sep=",",stringsAsFactor = T)
##读数+首行表头+","逗号分割+字符转因子factor
> head(df)
ID Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1  1          5.1         3.5          1.4         0.2  setosa
2  2          4.9         3.0          1.4         0.2  setosa
3  3          4.7         3.2          1.3         0.2  setosa
4  4          4.6         3.1          1.5         0.2  setosa
5  5          5.0         3.6          1.4         0.2  setosa
6  6          5.4         3.9          1.7         0.4  setosa

 #请注意species结果与样式3中结果的差异
> summary(df) 
ID          Sepal.Length    Sepal.Width     Petal.Length  
Min.   :  1.00   Min.   :4.300   Min.   :2.000   Min.   :1.000  
1st Qu.: 38.25   1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600  
Median : 75.50   Median :5.800   Median :3.000   Median :4.350  
Mean   : 75.50   Mean   :5.843   Mean   :3.057   Mean   :3.758  
3rd Qu.:112.75   3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100  
Max.   :150.00   Max.   :7.900   Max.   :4.400   Max.   :6.900  
Petal.Width          Species  
Min.   :0.100   setosa    :50  
1st Qu.:0.300   versicolor:50  
Median :1.300   virginica :50  
Mean   :1.199                  
3rd Qu.:1.800                  
 Max.   :2.500

2 read.csv() #读取.csv格式数据，read.table的一种特定应用

read.csv() 读取逗号分割数据文件，read.table()的一种特定应用

默认逗号分割，header=T，stringsAsFactor = T

df <- read.csv("data.csv")

等同df <- read.table("data.csv",header = T,sep=",",stringsAsFactor = T)

read.csv(file, header = TRUE, sep = ",", quote = "\"",
         dec = ".", fill = TRUE, comment.char = "", ...)

#实例
> df <- read.csv("data.csv") 
#相当于df <- read.table("data.csv",header = T,sep=",",stringsAsFactor = T)
> head(df)
ID Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1  1          5.1         3.5          1.4         0.2  setosa
2  2          4.9         3.0          1.4         0.2  setosa
3  3          4.7         3.2          1.3         0.2  setosa
4  4          4.6         3.1          1.5         0.2  setosa
5  5          5.0         3.6          1.4         0.2  setosa
6  6          5.4         3.9          1.7         0.4  setosa

3 excel数据文件读取

这里只讲1种：readxl，其他excel数据读取方法可自行百度

install.packages("readxl")
library(readxl)
df <- read_excel("文件名",sheet=1)

4 scan #类似read.table(),但比read.table更加灵活

scan(file = "", what = double(), nmax = -1, n = -1, sep = "",
     quote = if(identical(sep, "\n")) "" else "'\"", dec = ".",
     skip = 0, nlines = 0, na.strings = "NA",
     flush = FALSE, fill = FALSE, strip.white = FALSE,
     quiet = FALSE, blank.lines.skip = TRUE, multi.line = TRUE,
     comment.char = "", allowEscapes = FALSE,
     fileEncoding = "", encoding = "unknown", text, skipNul = FALSE)

关于scan的相关参数介绍参照read.table

5 保存为.Rdata

通过save()函数保存为.Rdata文件，通过load()函数将数据加载到R中。

save() #保存数据

load() #加载数据

> a <- 1:9 
> save(a,file='E://dumData.Rdata')  
> rm(a)   #将对象a从R中删除  
> load('d://dumData.Rdata')  
> print(a)  
 [1]  1  2  3  4  5  6  7  8  9

6 write.table() #常用导出数据函数

write.table(x, file = "", append = FALSE, quote = TRUE, sep = " ",
            eol = "\n", na = "NA", dec = ".", row.names = TRUE,
            col.names = TRUE, qmethod = c("escape", "double"),
            fileEncoding = "")

参数解释：

x: 要写入的对象，最好是矩阵或数据框。如果不是，它是试图强迫x到一个数据框。
file: 一个字符串命名文件或编写而打开的一个连接。 " "表示输出到控制台。
append: 逻辑。只有当file是一个字符串才相关。如果TRUE，输出追加到文件；如果FALSE，任何现有文件的名称被摧毁
quote: 一个逻辑值（TRUE或FALSE）或数字向量。如果TRUE，任何字符或因素列将用双引号包围。如果一个数值向量，其元素为引用的列的索引。在这两种情况下，行和列名报价，如果他们被写入。如果FALSE，并没有被引用。
sep: 字段分隔符字符串。每一行x中的值都被这个字符串分隔开。
row.names: 表示x的行名是否与x一起写的逻辑值，或者是写行名的字符向量
col.names: 类似row.names。

实例

> x <- c (22,23)
> y <- c ("k", "j")
> f <- data.frame (x = x, y = y)
> f
#   x y
#1 22 k
#2 23 j

#以空格分隔数据列（默认），含行号（默认），含列名（默认），字符串带引号
> write.table (f, file ="f.csv") 

#以逗号分隔数据列，含行号（默认），含列名（默认），字符串带引号
> write.table (f,file ="f.csv", sep =",")   

#以逗号分隔数据列，不含行号，含列名（默认），字符串带引号
> write.table (f,file ="f.csv", sep =",", row.names = FALSE)    

 #以空格分隔数据列，不含行号，不含列名，字符串带引号
 > write.table (f,file ="f.csv", row.names = FALSE, col.names =FALSE) 
  
  #以空格分隔数据列，不含行号，不含列名，字符串不带引号
  > write.table (f,file ="f.csv", row.names = FALSE, col.names =FALSE, quote =FALSE)

7 CSV格式导出 #write.table的一种特定应用

通过函数write.csv()保存为一个.csv文件

write.csv() #保存为一个.csv文件

> x <- c(1:3)
> y <- c((1:3)/10)
> z <- c("R and","Data Mining","Examples")  
> df <- data.frame(x= x,y= y,z = z) 
> df
#  x   y           z
#1 1 0.1       R and
#2 2 0.2 Data Mining
#3 3 0.3    Examples
> write.csv(df1,"E://dummmyData.csv",row.names = FALSE)