R数据科学整洁之道：使用 readr 进行数据导入

最近给部门内对生信感兴趣的同事科普基础知识（或者叫培训？），由于大家平时手头任务重，时间紧，那就只能介绍最实用的“干货”，本着2/8原则：学习最重要的 20% 的知识，解决 80% 的问题。大家可以参考，内容跟内部培训的差不多，只是没有 PPT。

有同学问要怎么把自己的数据读入 R，由于 tidyverse 工具套件的简单高效，是我们数据处理的优先选择。因此这里介绍tidyverse里的两个包：readr、 readxl，一个读取文本文件，一个读取 Excel 文件，这两种文件是平时用得最多的。

安装

install.packages("tidyverse")

加载包

library(knitr)
library(readr)
library(readxl)

# 或者直接加载整个 tidyverse 环境: library(tidyverse)

用 readr 读/写文本文件

生信中的文本文件，大多数都是 Tab 键隔开的表格数据，可用下面两个函数来读取或者保存：

• read_tsv，读取Tab键隔开的文本文件的内容到数据框中。
• write_tsv，与 read_tsv 相反，将数据框中的内容保存到文本文件中。

为了演示，我们这里使用 R 自带的一个“鸢尾花”数据集: iris，该数据集有 5 列，分别是：花萼长度、花萼宽度、花瓣长度、花瓣宽度以及花的种类。

查看数据集

iris数据集默认已经加载到了内存里，先查看一下前几行内容：

kable(head(iris))

保存数据集

先把iris保存到硬盘上，后面再读入（就懒得专门去找文件读入了）。

write_tsv(iris, 'iris.tsv')

iris的内容就被保存到当前目录下的iris.tsv文件中了，文件的每一行由Tab键隔开。

读取数据集

df = read_tsv('iris.tsv')

硬盘上iris.tsv文件内的内容被读取到了df数据框中，显示一下df前几行内容：

kable(head(df))

有时候，文件每行的值是由逗号隔开的，就用：

• read_csv
• write_csv

用 readxl 读取 Excel 文件

如果文件内容保存在 Excel 文件中，则可以通过 readxl包中的read_excel来读入：

df = read_excel('iris.xlsx')

read_excel函数有一个很有用的参数：sheet，可以用来指定读取文件中的第几个 sheet 的内容，用法：

# 指定 sheet 的名称
df = read_excel('iris.xlsx', sheet = 'iris')  # 读取 sheet 名为 iris 的表的内容

# 指定 sheet 的位置
df = read_excel('iris.xlsx', sheet = 5)  # 读取第 5 个 sheet 的内容

有人可能要问，那要写入 Excel 文件呢，有 write_excel 函数吗？答案是没有。我们平时保存文件的时候，尽量保存为文本文件，因为文本文件是计算机程序数据共享的最佳格式，数据保存为文本格式有许多便利，特别是需要在不同程序/包中共享数据的时候。

如果真要保存为 Excel，推荐下面的包，本文就不演示了。

• xlsx

最后小结

大多数情况下，三个函数就够了，其他文件格式的读/写确有需要的时候再查，这三个函数的使用是需要牢记于心的。

• read_tsv
• write_tsv
• read_excel

这就是：学习的 2/8 法则，20%的知识，解决80%的问题。

下期预告

本次分享就到这里了，下次我们再介绍另外一种重要的文件：json 文件的读写。下期内容更干哈，我会顺便介绍肿瘤的 20 条信号通路的基因怎么整理，怎么最终保存到 json文件中供以后随时调用，敬请期待。