Mac版R语言入门（三）数据的导入

R语言（三）数据的导入，包括以下几个部分的内容：

R语言问题讨论交流，欢迎关注我的新浪微博：Jenny爱学习

               1.数据类型介绍

               2.数据导入

               3.抓取网络数据

一.数据类型

    1）Excel、Spreadsheet数据：.csv格式数据

    2）文本文件数据（非结构化数据，每一行长度不同）：.txt格式数据

    3）delim 格式读取

R语言直接读取网络数据——通过R语言内置的具有网络通讯packages，分析金融数据

    4）xml包抓取网络数据

    5）RCurl语言包爬取

R可以处理的数据类型（模式）包括数值型、字符型、逻辑型（TRUE／FALSE）、复数型（虚数）、原生型（字节）。

存储数据的对象类型：

标量：只含有一个元素的向量.用于保存常量

                      f <-3 , g <-"US" , h <- TRUE

 

向量：        1.只能包含一种数据类型

                     通过在方括号中给定元素所处位置的数值，可以访问向量中的元素。a[c(2,4)]访问向量a中的第二个和第四个元素。               

 

>a <-c(1,2,2,4)

>a

[1] 1 2 24

 

> a <- c(1:10)                      #生成数值序列

>a

 [1] 1  2  3 4  5  6 7  8  9 10

> a[2]                                  #取单个向量

[1] 2

> a[c(3,7,8)]                      #取多个向量

[1] 3 7 8

 

 

 矩阵matrix：          1.二维数组

                               2.只能包含一种数据类型，每个元素拥有相同的模式（数值型、字符型或逻辑型）

 

mymatrix <- matrix (vector矩阵元素，nrow=行数，ncol=列数，dimnames=list(以字符型向量表示的列名和行名)，byrow=T矩阵按行填充,默认情况下按列填充)

 

##Example1 of setting row and column names

mdat<- matrix(c(1,2,3,11,12,13), nrow = 2, ncol = 3, byrow = TRUE, dimnames =list(c("row1", "row2"),c("C.1", "C.2","C.3")))

##Example2 of setting row and column names

> cells <- c(1,26,24,68)

>rnames <- c ("R1","R2")          #给行取名

>cnames <- c("C1","C2")           #给列取名

> mymatrix <-matrix(cells,nrow=2,ncol=2,byrow=T,dimnames=list(rnames,cnames))

> mymatrix

   C1 C2

R1  1 26

R2 24 68

 

> x <-matrix(1:20,nrow=4)        #nrow确认，ncol默认

>x                                                  

     [,1] [,2] [,3] [,4] [,5]

[1,]    1   5    9   13  17

[2,]    2   6   10   14  18

[3,]    3   7   11   15  19

[4,]    4   8   12   16  20

> x[1,]                                           #取第二行

[1]  1 5  9 13 17

>x[3,]                                           #取第三行

[1]  3  7 1115 19

> x[,2]                                            #取第二列

[1] 5 6 78

>x[,4]                                            #取第四列

[1] 13 1415 16

>x[2,3]                                          #取第（2，3）元素

[1] 10

>x[1,c(4,5)]                                  #取第一行，第四、第五列第元素

[1] 13 17

 

 

 数组   array:   1 .维度超过2时用数组，数组中的数据只能拥有一种模式

                         2.数组是矩阵的一个自然推广,2维的数组相当于矩阵A two-dimensional array is the same thing as a matrix.

                                3.一维数组看起来像向量One-dimensionalarrays often look like vectors, but may be handled differently by somefunctions: str does distinguishthem in recent versions of R.

             myarray <- array(vector数组中的数据, dimensions=c(1,2,3……)各个维度下标的最大值, dimnames各个维度名称标签的列表)

>dim1 <-c("A1","A2")

>dim2 <-c("B1","B2","B3")

> dim3 <-c("C1","C2","C3","C4")

> z <-array(1:24,c(2,3,4),dimnames=list(dim1,dim2,dim3))

>z

 数据框：  1.多种模式数据（数值型、字符型等）时，使用数据框。不同的列可以包含不同模式的数据。等价于SAS、SPSS、Stata中看到

                   的数据集

                        2.由于数据有多种模式，无法将此数据集放入一个矩阵，这种情况下，使用数据框是最佳选择

          

 mydata<- data.frame (col1,col2,col3,……）  #其中的列向量col1,col2,col3……可为任何类型，每一列的名称可由函数names指定

     

>  patientID<- c(1,2,3,4)    #每一列的数据模式必须唯一

> age <-c(25,34,28,52)

> diabetes <-c("Type1","Type2","Type1","Type1")

> status <-c("Poor","Improved","Excellent","Poor")

> patientdata <-data.frame(patientID,age,diabetes,status)     #每一列的数据模式必须唯一，但可以将多个模式的不同列放到一起组成数据框

> patientdata

  patientID age diabetes    status

1         1 25    Type1      Poor

2         2 34    Type2  Improved

3         3 28    Type1 Excellent

4         4 52    Type1      Poor

> patientdata[1:2]         #选取数据框中的元素

  patientID age

1         1 25

2         2 34

3         3 28

4         4 52

>patientdata[c("diabetes","status")]    #选取数据框中的元素

  diabetes   status

1    Type1     Poor

2    Type2 Improved

3    Type1 Excellent

4    Type1     Poor

> patientdata$age   #$被用来选取一个给定数据框中的某个特定变量

[1] 25 3428 52

> table(patientdata$diabetes,patientdata$status)   #生成糖尿病类型变量diabetes和病情变量status的列联表

      

        Excellent Improved Poor

  Type1        1        0    2

  Type2        0        1    0

 

 

 

 

 

 列表

二.小容量批处理数据

      R语言是基于内存的数据统计和分析软件，的内存会影响R的运行处理速度。当需要处理T级、Z级数据时，解决方法为算法优化或利用R的packages函数处理大数据，具体实现方法会在后面的博客中介绍给大家。

1.read.命令读取数据

【此处引用数据来自： https://figshare.com 开放数据平台】

【方法一】RConsole   

           

>setwd("~/Desktop")   #设置工作路径／目录

>getwd()                         #查看设置的工作路径

1） txt数据读取 

>read.table("~/Desktop/Data.txt",header=TRUE)

2）csv数据读取

>read.csv("~/Desktop/Data.csv",header=TRUE)   #读取excel/Spreadsheet中的数据

3）非结构化文本数据的读取

>readLines("~/Desktop/Article.txt")  #非结构化文本格式的读取,按行进行数据读入

4)Excel文件的读入

      excel文件的读入，依赖的扩展packages，很多是需要Java才能安装，如果是普通的excel文件，可以转换为.csv格式，可以先将excel文件转化为.csv格式的文件再进行读取。

    直接读取excel文件的方法：

（packages的安装方法见 本系列博客Mac版R语言入门（一）R语言入门操作http://blog.csdn.net/nicolelovesmath/article/details/53244337第四部分）

      方法I：RODBC包

                  RODBC依赖于ODBC的驱动程序管理器，安装完RODBC之后，需要配置ODBC的驱动程序，实现连接之后，才能调用RODBC的包。此处需要注意SQL的版本和R版本的兼容。

      方法II：XLSX包

                   XLSX包，需要安装rJAVA的程序包。与电脑环境有关，电脑安装rJava难度很大，不建议使用

      方法III：XLConnect包

                 XLConnect安装

              

package安装完成

5)网络数据的访问

>read.csv("https://figshare.com/articles/Data_xlsx/4233182")

【方法二】RStudio