作者:圈圈
Getting Data In and Out of R
(一)读取数据
读取数据所需的几种函数:
read.table
- 、
read.csv
:最常用的读取列表数据函数,可返回数据框形式。
readLines
- :逐行读取文本文件,返回一个字符向量
source
- :读取R代码、脚本
dget
- :读取R代码(读取的是以逆句法分析后以文本文件储存的R对象)
load
- 、
unserialize
:把二进制对象读入R
read.table()参数:
file
- :文件名(字符串,即文件路径)
header
- :逻辑标志,表明第一行是否有表头、行名(是变量名还是数据)
sep
- :分隔符(字符串,表明每一列是怎么分隔的,可能是逗号、冒号、空格等)
colClasses
- :字符向量(长度=数据集列数)说明数据集中每一列数据的类别
nrows
- :数据集中数据的行数
comment.char
- :字符串(用于表明文件中注释的字符)
skip
- :指定文件(非数据区域)从上到下多少行可忽略
stringsAsFactors
- :选择是否把文字变量编码为因子,默认为TRUE
将文件存至Rstudio识别的路径
在 read.table()
函数中填写文件名之前,需要将文件存到正确的路径中
例如:
1.
> ## 查看保存路径
1. 2. > getwd()
1. 2. [1] "d:/Program Files/RStudio"
1. 2. > ## 修改保存路径
1. 2. > setwd("E:/read data")
1. 2. > ## 读取文件
1. 2. > read.csv(data.csv, TRUE)
1. 2. >
1. 2. > ## 运行文件
1. 2. > data <- read.csv("data.csv", header = FALSE)
1. 2. > data
读取中小型数据集时
直接写文件名
读取大型数据集时
1. > data <- read.table("foo.txt")
你需要先清楚该数据占多大内存,如果不设置其他参数,R会默认将整个数据集都载入内存中。
- 如果文件中没有注释行的话,那可以把
comment.char
- 设置为空,即
comment.char=""
colClasses
- 如果所有列都是同一数据类型,可以直接统一设置
colClasses=numeric
- 如果所有列的数据类型不统一,可以通过设定
nrow()
- 参数,如下
(二)写入数据
1. initial <- read.table("datatable.txt", nrows = 100) #先读前100行
1. 2. classes <- sapply (initial, class) #sapply()遍历每一列,调用class函数告诉你每一列的数据类型,然后将这些信息储存在classes中,
1. 2. tabALL <- read.table("datatable.txt", colClasses = classes) #读取整个数据时,使用classes中的信息来指定colClasses)
与读取数据所用函数相对应的写入数据函数:
write.table
- 、
write.csv
writeLines
dump
dput
save
- 、
serialize
(三)输出函数
dump()
和 dput()
是两种重要的输出函数,用于储存格式和数据。它们可以包含更多元的数据,属于文本格式但是和表格形式有所不同。如果你对数据框使用 dump()
和 dput()
函数,输出结果包括数据框每一列的数据类型,这样读取的是后就不用再次指定类别了。source
和 dget
函数可以读取未经 dump()
和 dput()
输出的数据
dput()
dput()
可以生成一些代码,这些代码可用于重建R对象:
输出也可以直接保存到文件中,然后通过 dget()
读取:
1. > ## Create a data frame
1. 2. > y <- data.frame(a = 1, b = "a")
1. 2. > ## Print 'dput' output to console
1. 2. > dput(y)
1. 2. structure(list(a = 1, b = structure(1L, .Label = "a", class = "factor")), .Names = c("a",
1. 2. "b"), row.names = c(NA, -1L), class = "data.frame")
dump()
1. > ## Send 'dput' output to a file
1. 2. > dput(y, file = "y.R")
1. 2. > ## Read in 'dput' output from a file
1. 2. > new.y <- dget("y.R")
1. 2. > new.y
1. 2. a b
1. 2. 1 1 a
dump()
函数和 dget()
类似,区别是后者只能对单一R对象使用,而 dump()
可作用于多个R对象,接受的是一个包含对象名字的字符向量。
(四)与外部环境交互
1. > ##创建两个对象x和y
1. 2. > x <- "foo"
1. 2. > y <- data.frame(a = 1L, b = "a")
1. 2. > ## 传递dump参数,包含对象的名字,以及另一个文件名,即将这些对象储存在这个文件中
1. 2. > dump(c("x", "y"), file = "data.R")
1. 2. > ##删除两个对象
1. 2. > rm(x, y)
1. 2. > ##对储存对象调用source函数
1. 2. > source("data.R")
1. 2. > ##重建x, y
1. 2. > str(y)
1. 2. 'data.frame': 1 obs. of 2 variables:
1. 2. $ a: int 1
1. 2. $ b: Factor w/ 1 level "a": 1
1. 2. > x
1. 2. [1] "foo"
R通过一些主要函数与外界交互,建立联系。
最常见的联系是与文件建立关联。如 file()
读取文本文件 、 gzfile()
和 bzfile()
读取压缩文件等。 url()
可用于与网页建立联系。
联系交互背后的思想是它提炼出与不同类型的R外部对象建立联系的机制。
file函数的几种参数
其中,description是文件名,open参数需要一个标识,包括r(读取,reading),w(写入,writing),a(附加,appending),rb、wb和ab分别表示读取、写入和附加二进制文件。
举例,查看名为"foo.txt"的csv.文件
1. > str(file)
1. 2. function (description = "", open = "", blocking = TRUE, encoding = getOption("encoding"),
1. 2. raw = FALSE, method = getOption("url.method", "default"))
以上三行命令和直接使用read.csv函数的效果一样,因此建立联系的必要性不大
1. > ## Create a connection to 'foo.txt'
1. 2. > con <- file("foo.txt")
1. 2. >
1. 2. > ## Open connection to 'foo.txt' in read-only mode
1. 2. > open(con, "r")
1. 2. >
1. 2. > ## Read from the connection
1. 2. > data <- read.csv(con)
1. 2. >
1. 2. > ## Close the connection
1. 2. > close(con)
但是当你只想读取文件的一部分的话,联系是有必要的。例如,建立联系后,使用readLines函数读取文件前10行:
1. > data <- read.csv("foo.txt")
读取网页数据
1. > ## Open connection to gz-compressed text file
1. 2. > con <- gzfile("words.gz")
1. 2. > x <- readLines(con, 10)
1. 2. > x
1. 2. [1] "1080" "10-point" "10th" "11-point" "12-point" "16-point"
1. 2. [7] "18-point" "1st" "2" "20-point"
首先使用 url()
函数与网页建立联系。然后通过readLines函数来读取文本。这是除了 read.table()
和 read.csv()
之外用来读取数据的另外一种方式。
1. > ## Open a URL connection for reading
1. 2. > con <- url("http://www.jhsph.edu", "r")
1. 2. >
1. 2. > ## Read the web page
1. 2. > x <- readLines(con)
1. 2. >
1. 2. > ## Print out the first few lines
1. 2. > head(x)
1. 2. [1] "<!DOCTYPE html>"
1. 2. [2] "<html lang=\"en\">"
1. 2. [3] ""
1. 2. [4] "<head>"
1. 2. [5] "<meta charset=\"utf-8\" />"
1. 2. [6] "<title>Johns Hopkins Bloomberg School of Public Health</title>"