R官方入门教程 （7）从文件中读取数据

R是一门著名的可用于数据和统计分析的程序语言，本文翻译自R软件官方文档教程《An Introduction to R》，仅供学习和参考。

7 从文件中读取数据

大型的数据对象通常从外部文件中读取，而不是直接通过键盘输入。 R的 数据导入很简单，但要求相当严格，甚至可以说相当不灵活。 R 的设计者有一个明确的假定，即您将能够使用其他工具修改您的数据文件以适应 R 的要求。通常这很简单。

如果数据变量主要保存在数据框中(强烈建议)，可以使用 read.table() 函数直接读取整个数据框。还有一个更原始的数据读取函数，scan()。

7.1 read.table()函数

为了直接读取整个数据框，文件通常需要满足以下特殊形式:

• 文件的第一行应该是数据框各列变量的名称

• 文件的每一行由行标和数据值组成

文件的第一行可以比其他行少一个元素。所以，可以读取的文件看起来像这个样子:

默认情况下，数值列(除行标签外)作为数值型变量被读取。非数值列，如例子中的Cent.heat，作为字符串变量读取。如果有必要，可以改变这一点。

可以使用函数read.table()直接读取数据框:

> HousePrice <- read.table("houses.data")
> HousePrice
   Price Floor Area Rooms Age Cent.heat
01 52.00   111  830     5 6.2        no
02 54.75   128  710     5 7.5        no
03 57.50   101 1000     5 4.2        no
04 57.50   131  690     6 8.8        no
05 59.75    93  900     5 1.9       yes

通常您会希望在读取的时候省略行标签,而使用默认行标签。

> HousePrice <- read.table("houses.data", header=TRUE)

这会显式地将第一行看做列标题。

7.2 scan()函数

假设数据向量长度相等并且要并行读取。进一步假设，有三个向量，第一个是字符串向量，其余两个是数值向量，文件是input.dat。

我们要做的第一步，是使用scan()函数将三个向量作为一个列表整体读入，如下:

> inp <- scan("input.dat", list("",0,0))
> inp
[[1]]
[1] "A" "B" "C"

[[2]]
[1] 1 2 3

[[3]]
[1] 1.1 2.2 3.3

第二个参数我们传入了一个虚拟列表，它建立了要读取的三个向量的类型:字符串"",数值0,数值0。结果保存在inp中，是一个列表，其组件是读入的三个向量。要将数据项分成三个单独的向量，请使用如下赋值:

> label <- inp[[1]]; x <- inp[[2]]; y <- inp[[3]]

更方便的是，虚拟列表可以具有命名组件，在这种情况下，名称可用于访问读入的向量。例如：

> inp <- scan("input.dat", list(id="", x=0, y=0))
> inp
$id
[1] "A" "B" "C"

$x
[1] 1 2 3

$y
[1] 1.1 2.2 3.3
> inp$id
[1] "A" "B" "C"

如果第二个参数是单个值而不是列表，则读入单个向量，其所有分量必须与虚拟值具有相同的类型。

7.3 访问内置数据集

R 提供了大约 100 个内置数据集（在datasets包中），其他数据集则在其它包中提供（包括 R 提供的推荐包）。要查看当前可用的数据集列表，请使用

> data()

R 提供的所有数据集都可以直接通过名称获得。然而，许多包仍然使用过时的约定，即使用data()函数将数据集加载到 R 中，例如:

> data(infert)

7.3.1 从其他 R 包加载数据

要访问特定包中的数据，请指定package参数，例如

> data(package="rpart")
> data(Puromycin, package="datasets")

如果包已被library()附加，则其数据集会自动包含在搜索路径中.

用户提供的包可以是丰富的数据集来源。

7.4 编辑数据

当在数据框或矩阵上调用时，edit()函数会打开一个单独的类似电子表格的窗口来进行编辑。这对于在读取数据集后进行小的更改很有用。

> xnew <- edit(xold) 

以上代码将允许您编辑数据集xold，完成后将更改的对象分配给 xnew。如果要改变原始数据集xold，最简单的方法是使用fix(xold)，这相当于xold <- edit(xold)。

使用

> xnew <- edit(data.frame()) 

通过电子表格界面输入新数据。