R数据读取（数据文件解析）

云深无际

发布于 2020-10-23 10:02:17

2.4K0

发布于 2020-10-23 10:02:17

文章被收录于专栏：云深之无迹云深之无迹

1.基本知识

1.1几个重要文件数据读取函数

1.1.1函数read.table（）

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)

文件指定读入的文件
标头是否有列名（默认无）
seq指定分隔符（空格，TAB，换行符，回车符）
在其他情况下，串联可以被“或'括起，并且两种情况下，引号内部的字符都作为一部分的一部分。有效的引用字符（可能没有）的设置。由参数quote控制。默认值替换quote =“”
dec =“。” 指定小数点数
colClasses指定列的数据类型格式
row.names指定各行名称，也可以是数字，指定某列为行名
校名
as.is =！stringsAsFactors as.is字符向量是否转换成因子（唯一这个功能），TRUE时保留为字符型
na.strings =“ NA”指定的字符表示值数值
colClasses = NA colClasses运行为输入中的每个列设置需要的类型。注意，colClasses和as.is对每列专用，而不是每个变量。因此，它对行标签列也同样适用（如果有的话）。
nrows = -1最大读入行数，即读入前多少行，“-1”表示都读入
skip = 0跳过文件的前n行（skip = n）
check.names = TRUE＃检查变量名在R中是否有效
fill =！blank.lines.skip从一个电子表格中导出的文件通常会把拖尾的空隙（包括？堑姆指舴？忽略掉。为了读取这样的文件，必须设置参数fill = TRUE
strip.white = FALSE如果设置了分隔符，字符扩展起始和收尾处的空白会作为分段部分看待的。为了去掉这些空白，可以使用参数strip.white = TRUE
blank.lines.skip = TRUE默认情况下，read.table忽略空白行。这可以通过设置blank.lines.skip = FALSE来改变。但这个参数只有在和fill = TRUE共同使用时才有效。这时，可能是用空白行表明规则数据中的缺损样本。
comment.char =“＃”默认情况下，read.table用＃作为注释标识字符。如果碰到该字符（除了在被引用的字符串内），该行中随后的内容将会被忽略。只包含如果确认数据文件中没有注释内容，用comment.char =“”会比较安全（也可能让速度比较快）。
从R 2.2.0开始，该参数设置为否，而且反斜杠是唯一被解释为逃逸引用符号的字符（在前面描述的环境中）。如果该参数设置为，以C形式的逃逸规则解释，也就是控制符如，，，，，，八进制和十六进制如40和x2A相同描述。反斜杠
冲洗=假
stringsAsFactors = default.stringsAsFactors（）
fileEncoding =“”
编码=“未知”
文本
skipNul =假

encoding =指定非非ASCII的编码规则

setwd("E:/Lang/R/finally_book/test3/")
rm(list = ls())

## 基本参数
dataset1 <- read.table("./women1.txt", header = T, sep = "\t")
head(dataset1)

##   name height weight tmp
## 1 stu1     58    115 1.1
## 2 stu2     59    117 1.2
## 3 stu3     60    120 1.3
## 4 stu4     61    123 1.4
## 5 stu5     62    126 1.5
## 6 stu6     63    129 1.6

dataset1$name

##  [1] stu1  stu2  stu3  stu4  stu5  stu6  stu7  stu8  stu9  stu10 stu11
## [12] stu12 stu13 stu14 stu15
## 15 Levels: stu1 stu10 stu11 stu12 stu13 stu14 stu15 stu2 stu3 ... stu9

class(dataset1$name)

## [1] "factor"

is.factor(dataset1$name)

## [1] TRUE

dataset1 <- read.table("./women1.txt", header = T, sep = "\t", as.is = T)
head(dataset1)

##   name height weight tmp
## 1 stu1     58    115 1.1
## 2 stu2     59    117 1.2
## 3 stu3     60    120 1.3
## 4 stu4     61    123 1.4
## 5 stu5     62    126 1.5
## 6 stu6     63    129 1.6

dataset1$name

##  [1] "stu1"  "stu2"  "stu3"  "stu4"  "stu5"  "stu6"  "stu7"  "stu8" 
##  [9] "stu9"  "stu10" "stu11" "stu12" "stu13" "stu14" "stu15"

class(dataset1$name)

## [1] "character"

is.factor(dataset1$name)

## [1] FALSE

## skip = 0 跳过文件的前n行（skip = n）
dataset2 <- read.table("./women1.txt", header = T, sep = "\t", skip = 3)
head(dataset2)

##   stu3 X60 X120 X1.3
## 1 stu4  61  123  1.4
## 2 stu5  62  126  1.5
## 3 stu6  63  129  1.6
## 4 stu7  64  132  1.7
## 5 stu8  65  135  1.8
## 6 stu9  66  139  1.9

dataset2 <- read.table("./women1.txt", header = F, sep = "\t", skip = 3)
head(dataset2)

##     V1 V2  V3  V4
## 1 stu3 60 120 1.3
## 2 stu4 61 123 1.4
## 3 stu5 62 126 1.5
## 4 stu6 63 129 1.6
## 5 stu7 64 132 1.7
## 6 stu8 65 135 1.8

## nrows = -1 最大读入行数，“-1”表示都读入
dataset3 <- read.table("./women1.txt", header = T, sep = "\t", nrows = 3)
head(dataset3)

##   name height weight tmp
## 1 stu1     58    115 1.1
## 2 stu2     59    117 1.2
## 3 stu3     60    120 1.3

dataset3 <- read.table("./women1.txt", header = F, sep = "\t", nrows = 3)
head(dataset3)

##     V1     V2     V3  V4
## 1 name height weight tmp
## 2 stu1     58    115 1.1
## 3 stu2     59    117 1.2

## 指定行名
dataset4 <- read.table("./women1.txt", header = T, sep = "\t", row.names = 1) # **表中第一行一列元素被跳过**
head(dataset4)

##      height weight tmp
## stu1     58    115 1.1
## stu2     59    117 1.2
## stu3     60    120 1.3
## stu4     61    123 1.4
## stu5     62    126 1.5
## stu6     63    129 1.6

row.names(dataset4)

##  [1] "stu1"  "stu2"  "stu3"  "stu4"  "stu5"  "stu6"  "stu7"  "stu8" 
##  [9] "stu9"  "stu10" "stu11" "stu12" "stu13" "stu14" "stu15"

## dec = “.” 指定小数点数;na.strings = “NA” 指定什么样的字符表示值缺少;comment.char 只能设定一个
data1 <- read.table("./women2.txt", header = T, dec = "*", na.strings = c("", "NA", "NO"), comment.char = "\\")
head(data1)

##     name height weight tmp
## 1 /stu1/     58    115 1.1
## 2 /stu2/     59    117 1.2
## 3 /stu3/     60     NA 1.3
## 4 /stu4/     61    123 1.4
## 5 /stu5/     62     NA 1.5
## 6 /stu6/     NA     NA 1.6

sapply(data1[1:6,], is.na)

##       name height weight   tmp
## [1,] FALSE  FALSE  FALSE FALSE
## [2,] FALSE  FALSE  FALSE FALSE
## [3,] FALSE  FALSE   TRUE FALSE
## [4,] FALSE  FALSE  FALSE FALSE
## [5,] FALSE  FALSE   TRUE FALSE
## [6,] FALSE   TRUE   TRUE FALSE

sapply(data1, class)

##      name    height    weight       tmp 
##  "factor" "integer" "integer" "numeric"

# quote的设定
data1 <- read.table("./women2.txt", header = T, dec = "*", na.strings = c("", "NA", "NO"), comment.char = "\\", quote = "/", as.is = F)
head(data1)

##   name height weight tmp
## 1 stu1     58    115 1.1
## 2 stu2     59    117 1.2
## 3 stu3     60     "" 1.3
## 4 stu4     61    123 1.4
## 5 stu5     62   <NA> 1.5
## 6 stu6     NA   <NA> 1.6

sapply(data1, class)

##      name    height    weight       tmp 
##  "factor" "integer"  "factor" "numeric"

test1 <- c(1:5, "6,7", "8,9,10")
tf <- tempfile() # 生成一个临时文件
tf

## [1] "C:\\Users\\Administrator\\AppData\\Local\\Temp\\RtmpeGFHVW\\file1aa8786c53fe"

writeLines(test1, tf) # write

read.csv(tf)

##   X1
## 1  2
## 2  3
## 3  4
## 4  5
## 5  6
## 6  7
## 7  8
## 8  9
## 9 10

read.csv(tf, fill = T)

##   X1
## 1  2
## 2  3
## 3  4
## 4  5
## 5  6
## 6  7
## 7  8
## 8  9
## 9 10

t( count.fields(tf, sep = ",") )

##      [,1] [,2] [,3] [,4] [,5] [,6] [,7]
## [1,]    1    1    1    1    1    2    3

ncol <- max(count.fields(tf, sep = ","))
ncol

## [1] 3

seq_len(ncol)

## [1] 1 2 3

paste("V", seq_len(ncol))

## [1] "V 1" "V 2" "V 3"

paste0("V", seq_len(ncol))

## [1] "V1" "V2" "V3"

read.csv(tf, fill = TRUE, header = FALSE,
         col.names = paste0("V", seq_len(ncol)))

##   V1 V2 V3
## 1  1 NA NA
## 2  2 NA NA
## 3  3 NA NA
## 4  4 NA NA
## 5  5 NA NA
## 6  6  7 NA
## 7  8  9 10

unlink(tf)

## "Inline" data set, using text=
## Notice that leading and trailing empty lines are auto-trimmed
read.table(header = TRUE, text = "
a    b  
1        2       
3       4
")

##   a b
## 1 1 2
## 2 3 4

read.table(header = TRUE, text = "
ab  
1        2       
3       4
")

##   ab
## 1  2
## 3  4

x <- data.frame(a = I("a \" quote"), b = pi)
x

##           a        b
## 1 a " quote 3.141593

write.table(x, file = "foo.csv", sep = ",", col.names = NA,
             qmethod = "double")

tmp <- read.table("foo.csv", header = TRUE, sep = ",", row.names = 1);tmp

##           a        b
## 1 a " quote 3.141593

row.names(tmp)

## [1] "1"

write.csv(x, file = "foo.csv")

Error in file(file, ifelse(append, "a", "w")) : 
  cannot open the connection
In addition: Warning message:
In file(file, ifelse(append, "a", "w")) :
  cannot open file 'foo.csv': Permission denied
注意，产生这个错误信息原因是文件被外部打开

write.csv(x, file = "foo.csv", row.names = FALSE)
read.csv("foo.csv")

##           a        b
## 1 a " quote 3.141593

write.csv(x, file = "foo.csv", row.names = TRUE)
read.csv("foo.csv")

##   X         a        b
## 1 1 a " quote 3.141593

## To write a file in MacRoman for simple use in Mac Excel 2004/8
write.csv(x, file = "foo.csv", fileEncoding = "macroman")
## or for Windows Excel 2007/10
write.csv(x, file = "foo.csv", fileEncoding = "UTF-16LE")

1.1.2 read.fwf（）函数

将固定宽度格式的数据表读入data.frame。
适用于读入数据相应没有相应的分隔符，但是读入的数据长度是固定长度

读入固定分隔长度的数据：

read.fwf(file, widths, header = FALSE, sep = "\t",
         skip = 0, row.names, col.names, n = -1,
         buffersize = 2000, fileEncoding = "", ...)

file：指定读入的文件，或者文件所在地址；
widths：指定分隔的长度，可以等于向量，列表（用于指定每行读入长度）指定不同的分隔；
buffersize：一次最大的读入行数；
n：读入数据的行数，默认为无数；

fwf.txt

ABC123%$12
TEX124@#12
y o14 @@#

demo_3 <- read.fwf("./fwf.txt", widths = c(3,3), header = F, col.names = c("name", "score"))
demo_3

##   name score
## 1  ABC   123
## 2  TEX   124
## 3  y o    14

ff <- tempfile()
cat(file = ff, "123456", "987654", sep = "\n") # 123456\n987654
read.fwf(ff, widths = c(1,2,3))

##   V1 V2  V3
## 1  1 23 456
## 2  9 87 654

read.fwf(ff, widths = c(1,0,3))  # 0表示不读入，为空NA

##   V1 V2  V3
## 1  1 NA 234
## 2  9 NA 876

read.fwf(ff, widths = c(1,-1,3)) # 负数表示省略

##   V1  V2
## 1  1 345
## 2  9 765

read.fwf(ff, widths = c(1,-2,3))

##   V1  V2
## 1  1 456
## 2  9 654

unlink(ff)

cat(file = ff, "123", "987654", sep = "\n")
read.fwf(ff, widths = c(1,0, 2,3)) # 当一行读完了之后，没有的置为NA

##   V1 V2 V3  V4
## 1  1 NA 23  NA
## 2  9 NA 87 654

unlink(ff)

cat(file = ff, "123456", "987654", sep = "\n")
tmp <- read.fwf(ff, widths = list(c(1,0, 2,3), c(2,2,2))) # 利用列表为每行指定长度
tmp

##   V1 V2 V3  V4 V5 V6 V7
## 1  1 NA 23 456 98 76 54

class(tmp)

## [1] "data.frame"

dim(tmp)

## [1] 1 7

unlink(ff)

1.1.3 w <-readline（）函数

readline(prompt = "")

1，用于程序的交互，根据输入的条件来判断后续执行的方向；

2，通过键盘读入一行数据；

Demo_2 <- function()
{
  input <- readline("DO you think R is hard to learn,Please give your choice:Y or N ")
  if (input == "Y")
    cat("Come on; Spent more time.\n")
  else
    cat("Good!")
}
Demo_2()

## DO you think R is hard to learn,Please give your choice:Y or N 
## Good!

1.1.4 readLines（）函数

readLines(con = stdin(), n = -1L, ok = TRUE, warn = TRUE,
          encoding = "unknown", skipNul = FALSE)

1，控制读入的数据行数，非批处理，有点类似数据库中的指标操作，可对文件中的数据逐行操作。

2，例如关于通过读入数据的每行来判断是否有需要的数据，有再对数据进行处理；提示：该数据配合R中的正则表达式相关函数，对于处理不规则的数据很强大。

readLines("./women1.txt", n = 1)

## [1] "name\theight\tweight\ttmp"

readLines("./women1.txt", n = 1)

## [1] "name\theight\tweight\ttmp"

con <- file("./women1.txt","r")
nfields <- count.fields(con, sep = "\t") # 这一句把文件读了一遍，把指针指到了最后
readLines(con, n = 1)

## character(0)

seek(con, 0, rw = "r") # con <- file("./women1.txt","r")

## [1] 283

i <- 1
repeat{
  myline <- readLines(con, n = 1);
  if(length(myline) == 0) {break;}
  cat(i, "->", myline, "\n", sep = "")
  i = i + 1
}

## 1->name  height  weight  tmp
## 2->stu1  58  115 1.1
## 3->stu2  59  117 1.2
## 4->stu3  60  120 1.3
## 5->stu4  61  123 1.4
## 6->stu5  62  126 1.5
## 7->stu6  63  129 1.6
## 8->stu7  64  132 1.7
## 9->stu8  65  135 1.8
## 10->stu9 66  139 1.9
## 11->stu10    67  142 2
## 12->stu11    68  146 2.1
## 13->stu12    69  150 2.2
## 14->stu13    70  154 2.3
## 15->stu14    71  159 2.4
## 16->stu15    72  164 2.5

close(con)

perl中的写法会出错
while(myline = readLines(con, n = 1)){
  myline
} # Error: unexpected '=' in "while(myline ="

cat("TITLE extra line", "2 3 5 7", "", "11 13 17", file = "ex.data",
    sep = "\n")
readLines("ex.data", n = -1)

## [1] "TITLE extra line" "2 3 5 7"          ""                
## [4] "11 13 17"

unlink("ex.data") # delete

## difference in blocking
cat("123\nabc", file = "test1") # 最后一行没有换行符
readLines("test1") # line with a warning

## Warning in readLines("test1"): incomplete final line found on 'test1'

## [1] "123" "abc"

con <- file("test1", "r", blocking = FALSE) # 最后没有换行符的行不读
readLines(con) # empty

## [1] "123"

cat(" def\n", file = "test1", append = TRUE)
readLines(con) # gets both

## [1] "abc def"

close(con)

1.1.5函数scan（）

该函数从键盘或文件中读取数据，并存入向量或列表中。

scan(file, what)

第一个参数是文件名，如“ test.txt”，若为“”或空，则从键盘读入数据；
如：list（“”，0,0）指定读入到列表中，列表有三项，且列表第一项是字符型，第二三项是数值型。若为0，则指定读入到一个数值向量中。

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)

什么：声明读入为字符类型数据，可能指定读入的精度/类型，例如：what = integer（0）； what = numeric（0）； what = character（0）；

如果SCAN（）读入有字符与数字，用what =“”来进行声明，直接把读入的数字隐式的都转换成字符；

SEP：指定各个读入的数据之间的分隔符；有时情况下分隔符：空格，tab；如果不是其他分隔符，例如“：/”通过SEP来指定；
可以通过列表指定读入变量的变量名，同时生成的对象为列表，则可以同时读入字符与数字；
跳过从第几行开始读入数据；
Nlines指定最大读入行数；
如果通过键盘输入的时候，不希望出现下标提示，则可以使用：quiet = TRUE；
encoding =””指定的编码格式，有时候读入的中文可能会出现乱码的时候，可能通过这个参数来指定：Latin-1或UTF-8；

扫描注意：

用于读入纯字符或数字，没有表头；
如果输入的单一类型的变量，例如均是：数值或均是字符，用scan效率更高。但其不能读入混合类型的数据，也就是在scan（）读入的必须同为字符或者同为数值
默认情况下用扫描读入的数据生成向量类型（这也就是为什么读入的数据必须是同为字符或同为数字）。

# 从键盘中输入数字（单独回车换行结束输入，与Perl语言不一样）
d<-scan("") # error scan(" ")
d

## numeric(0)

> d<-scan("") # error scan(" ")
1: r
1: r
Error in scan("") : scan() expected 'a real', got 'r'

# 从键盘中输入字符
d<-scan("",what="")
d

## character(0)

fwf.txt

ABC123%$12
TEX124@#12
y o14 @@# 

# 从外部读入
d <- scan("./fwf.txt")

Error in scan("./fwf.txt") : scan() expected 'a real', got 'ABC123%$12'

# fwf2.txt
# 1 2 3
# 1 2 3

d <- scan("./fwf2.txt")
d

## [1] 1 2 3 1 2 3

length(d)

## [1] 6

cat("TITLE extra line", "2 3 5 7", "11 13 17", file = "ex.data", sep = "\n")
# ex.data
# TITLE extra line
# 2 3 5 7
# 11 13 17

scan("ex.data", skip = 1, quiet = F) # 等价于scan("ex.data", skip = 1)

## [1]  2  3  5  7 11 13 17

scan("ex.data", skip = 1, quiet = T)

## [1]  2  3  5  7 11 13 17

scan("ex.data", skip = 1, nlines = 1) # only 1 line after the skipped one

## [1] 2 3 5 7

scan("ex.data", what = list("","","")) # flush is F -> read "7"

## Warning in scan("ex.data", what = list("", "", "")): number of items read
## is not a multiple of the number of columns

## [[1]]
## [1] "TITLE" "2"     "7"     "17"   
## 
## [[2]]
## [1] "extra" "3"     "11"    ""     
## 
## [[3]]
## [1] "line" "5"    "13"   ""

scan("ex.data", what = list("","",""), flush = TRUE)

## [[1]]
## [1] "TITLE" "2"     "11"   
## 
## [[2]]
## [1] "extra" "3"     "13"   
## 
## [[3]]
## [1] "line" "5"    "17"

unlink("ex.data")
## "inline" usage
scan(text = "1 2 3")

## [1] 1 2 3

1.1.5内置数据集的读取

R本身提供超过50个数据集，同时在功能包（包括标准功能包）中附带更多的数据集。与S-Plus不同，这些数据即必须通过数据函数加载。

data(package="nls")      #查看nls中数据集
data(Puromycin, package="nls")     #读取nls中Puromycin数据集。

1.1.6编辑数据

在使用一个数据帧或矩阵时，编辑提供一个独立的工作表式编辑环境。

xold <- NULL
xnew <- edit(xold) #对数据集xold进行编辑。并在完成时将改动后的对象赋值给xnew（只能输入一列）
xnew <- edit(data.frame())        #可以通过工作表界面录入新数据。
xnew

##   var1 var2
## 1    1    A
## 2    2    B
## 3    3    C
## 4   NA    D

fix(xnew) # 打开数据框界面，修改已有的对象

2.实验内容

2.1文件-目录操作

cat("file A\n", file = "A") # 创建一个文件A，文件内容是'file A','\n'表示换行，这是一个很好的习惯
cat("file B\n", file="B")  #创建一个文件B
file.append("A", "B")  # 将文件B的内容附到A内容的后面，注意没有空行

## [1] TRUE

file.create("A")  # 创建一个文件A, 注意会覆盖原来的文件

## [1] TRUE

file.append("A", rep("B", 10)) # 将文件B的内容复制10遍，并先后附到文件A内容后

##  [1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE

read.table("./A")

##      V1 V2
## 1  file  B
## 2  file  B
## 3  file  B
## 4  file  B
## 5  file  B
## 6  file  B
## 7  file  B
## 8  file  B
## 9  file  B
## 10 file  B

file.show("A")  #新开工作窗口显示文件A的内容
file.copy("A", "C") # 复制文件A保存为C文件，同一个文件夹

## [1] TRUE

dir.create("tmp")  # 创建名为tmp的文件夹
file.copy(c("A", "B"), "tmp") #将文件夹拷贝到tmp文件夹中

## [1] TRUE TRUE

list.files("tmp")  # 查看文件夹tmp中的文件名

## [1] "A" "B"

unlink("tmp", recursive = F) # 如果文件夹tmp为空，删除文件夹tmp
list.dirs() # 上面的命令没有删除目录

## [1] "."     "./tmp"

unlink("tmp", recursive = TRUE) # 删除文件夹tmp，如果其中有文件一并删除
list.dirs() # 上面的命令删除目录及文件

## [1] "."

file.remove("A", "B", "C")  # 移除三个文件

## [1] TRUE TRUE TRUE

zz <- file("ex.data", "w")  # open an output file connection. And the file will be create if not exist
cat("TITLE extra line", "2 3 5 7", "", "11 13 17", file = zz, sep = "\n")
cat("One more line\n", file = zz)
close(zz)
readLines("ex.data")

## [1] "TITLE extra line" "2 3 5 7"          ""                
## [4] "11 13 17"         "One more line"

unlink("ex.data")

2.2压缩

zz <- gzfile("ex.gz", "w")  # compressed file
cat("TITLE extra line", "2 3 5 7", "", "11 13 17", file = zz, sep = "\n")
close(zz)
readLines(zz <- gzfile("ex.gz"))

## [1] "TITLE extra line" "2 3 5 7"          ""                
## [4] "11 13 17"

close(zz)
unlink("ex.gz")

zz <- bzfile("ex.bz2", "w")  # bzip2-ed file
cat("TITLE extra line", "2 3 5 7", "", "11 13 17", file = zz, sep = "\n")
close(zz)
readLines(zz <- bzfile("ex.bz2"))

## [1] "TITLE extra line" "2 3 5 7"          ""                
## [4] "11 13 17"

unlink("ex.bz2")

Tfile <- file("test1", "w+")
c(isOpen(Tfile, "r"), isOpen(Tfile, "w"))

## [1] TRUE TRUE

cat("abc\ndef\n", file=Tfile)
readLines(Tfile)

## [1] "abc" "def"

seek(Tfile, 0, rw="r") # reset to beginning

## [1] 10

readLines(Tfile)

## [1] "abc" "def"

cat("ghi\n", file=Tfile)
readLines(Tfile)

## [1] "ghi"

close(Tfile)
unlink("test1")

## We can do the same thing with an anonymous file.（匿名文件操作，不许通过unlink（）释放文件）
Tfile <- file()
cat("abc\ndef\n", file=Tfile)
readLines(Tfile)

## [1] "abc" "def"

close(Tfile)

Tfile <- tempfile()
Tfile

## [1] "C:\\Users\\Administrator\\AppData\\Local\\Temp\\RtmpeGFHVW\\file1aa821bc38ed"

unlink(Tfile)

这段代码运行时死机

if(capabilities("fifo")) {
  zz <- fifo("foo-fifo", "w+")
  writeLines("abc", zz)
  print(readLines(zz))
  close(zz)
  unlink("foo-fifo")
}

con1 <- socketConnection(port = 6011, server=TRUE)
repeat{
  message <- readline("huang:")
  writeLines(message, con1)
  if(message == "bye"){break}
}
close(con1)

# R process 2
con2 <- socketConnection(Sys.info()["nodename"], port = 6011)
# as non-blocking, may need to loop for input

repeat{
  message <-readLines(con2)
  if(length(message) ==0){
    Sys.sleep(1);
    next;
    }
  cat("message from huang:", message, "\n", sep = "")
  if(message == "bye"){break}
}
close(con2)

服务器端：

用户端：

2.3 excel文件的读取

library(RODBC)
excel_file <- odbcConnectExcel("./tmp.xls")
sheet_data <- sqlFetch ( excel_file ,"Sheet1");sheet_data

##   F1 F2 F3
## 1  1  2  3
## 2  1  2  3
## 3  1  2  3
## 4  1  2  3
## 5  1  2  3
## 6  1  2  3
## 7  1  2  3
## 8  1  2  3

class(sheet_data)

## [1] "data.frame"

close ( excel_file )

心得体会

读取方法

方式1：使用read.fwf函数：该方法较慢（相对于read.table，但是可以处理复杂的数据）

方法2：使用read.table速度比方方1快，但是需要读入的原始数据格式有一定的要求

update.packages（checkBuilt = TRUE，询问=否）

出现错误：

【载入需要的程辑包：RODBC
Failed with error:  ‘程辑包‘RODBC’是在R版本3.0.0之前建的：你得重新安装
或者
Error: package ‘RODBC’ was built before R 3.0.0: please re-install it】

因为这些RODBC包相对于R平台而言版本适当，需要通过平台更新后包才可以应用。对于R3.1.0版本来说用RODBC_1.3-10.zip就可以。

https://rstudio-pubs-static.s3.amazonaws.com/188561_f365a21d9ac041f99dc92c6d9e20cfeb.html

本文参与腾讯云自媒体分享计划，分享自微信公众号。

原始发表：2020-10-03，如有侵权请联系 cloudcommunity@tencent.com 删除

lines

strip

table

txt

本文分享自云深之无迹微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体分享计划，欢迎热爱写作的你一起参与！