学R使用foreign包，直接读取和写入其他统计软件的数据文件，包括SPSS、SAS、Stata等

下面内容摘录自《用R探索医药数据科学》专栏文章的部分内容。

1）栏目后续章节的文章将深入概括R语言在临床研究和新药创新领域的应用，填补了国内R教材中尚未广泛覆盖的部分内容。

2）专栏每篇文章都在 5000 字以上，质量平均分高达 94 分。已发表章节也会增加新的文章，已发表的文章也会更新版本，可留意专栏内容和题目信息。

3）由于每结束一个章节，专栏的优惠力度就会减小，当下正是订阅的最佳优惠时段，诚邀各位积极订阅！看全文请点击下面链接。

2章7节：读写RDS，CSV，TXT，Excel，SPSS、SAS、Stata、Minitab等的数据文件（更新20240807）_r语言读取rds文件-CSDN博客文章浏览阅读336次。读写RDS或RData等不同格式的文件，包括CSV和TXT、Excel的常见文件格式，和SPSS、SAS、Stata、Minitab等统计软件的数据文件。_r语言读取rds文件https://blog.csdn.net/2301_79425796/article/details/140642745?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22140642745%22%2C%22source%22%3A%222301_79425796%22%7D

欢迎订阅我们专栏

.......前面部分请点击上面链接看原文（原文7833字）

一、RDS或RData格式文件

  ........

二、CSV或TXT格式

  ........

三、其它格式

 在数据分析和处理过程中，我们经常需要读取和写入各种不同格式的数据文件，包括由其他统计软件如SPSS、SAS、Stata、Minitab等产生的数据文件。本文将详细介绍如何在R中使用各种函数和扩展包来处理这些文件格式，帮助读者更高效地进行数据处理和分析。

一种方法是先将其他统计软件中的数据导出为文本文件，如CSV或TXT格式，然后再使用R的read.table()或read.csv()函数将数据读入R中。这种方法虽然简单，但可能会遇到数据格式不一致、编码出错等问题。也可以使用其它的R扩展包。

1、使用foreign包

foreign包提供了一套函数，用于直接读取和写入其他统计软件的数据文件，包括SPSS、SAS、Stata等。该包极大地方便了不同软件之间的数据交互，减少了数据转换的麻烦和错误。例如，对于SAS数据文件，即后缀名为.ssd的数据文件，可通过包内的read.ssd()函数来读取。对于SPSS数据文件，即后缀名为.sps的数据文件，可通过包内的read.spss()函数来读取。对于Stata数据文件，即后缀名为.dta的数据文件，可使用foreign包的read.dta()函数实现。

同样，如果我们要把数据frmgham分别保存为SAS、SPSS和Stata数据文件，可使用以下代码，生成文件，并把相关文件分别保存在工作目录文件下（如果需要保存到其它的位置，可以设置文件的路径）。

# 加载foreign包
library(foreign)

# 保存为SPSS文件
write.foreign(frmgham, "frmgham2.txt", "frmgham2.sps", package = "SPSS")

# 保存为SAS文件
write.foreign(frmgham, "frmgham2.txt", "frmgham2.sas", package = "SAS")

# 保存为Stata文件
write.foreign(frmgham, "frmgham2.txt", "frmgham2.dta", package = "Stata")

其它格式文件读取的汇总

文件格式	使用的函数	R扩展包
ERSI ArcGIS	read.shapefile	shapefiles
Matlab	readMat	R.matlab
Minitab	read.mtp	foreign
SAS（.ssd）	read.ssd	foreign
SAS（.xport）	read.xport	foreign
SPSS	read.spss	foreign
Stata	read.dta	foreign
Systat	read.systat	foreign

# 1.1 SPSS文件 (.sav)
# 安装和加载foreign包
install.packages("foreign")
library(foreign)

# 读取SPSS数据文件
data_spss <- read.spss("data.sav", to.data.frame = TRUE)

# 1.2 SAS文件 (.sas7bdat, .xpt)
# 读取SAS数据集文件
data_sas <- read.ssd("data.ssd")

# 读取SAS传输文件
data_xport <- read.xport("data.xpt")

# 1.3 Stata文件 (.dta)
# 读取Stata数据文件
data_stata <- read.dta("data.dta")

# 1.4 Minitab文件 (.mtp)
# 读取Minitab数据文件
data_minitab <- read.mtp("data.mtp")

# 1.5 Matlab文件 (.mat)
# 安装和加载R.matlab包
install.packages("R.matlab")
library(R.matlab)

# 读取Matlab数据文件
data_matlab <- readMat("data.mat")

# 1.6 ERSI ArcGIS文件
# 安装和加载shapefiles包
install.packages("shapefiles")
library(shapefiles)

# 读取shapefile
data_shapefile <- read.shapefile("data.shp")

# 1.7 Systat文件
# 读取Systat数据文件
data_systat <- read.systat("data.sys")

# 1.8 R.matlab文件
# 安装和加载R.matlab包
install.packages("R.matlab")
library(R.matlab)

# 读取Matlab数据文件
data_matlab <- readMat("data.mat")

  ........

欢迎订阅我们专栏，深度系统地学习R语言。 

为帮助大家更出色地掌握临床统计、数据挖掘以及人工智能建模的入门知识和应用，由于众多同学在计算机编程上经验欠缺，特此开设《用R 探索医药数据科学》专栏。该专栏每周至少会定期更新三篇，直到整个专栏更新完成。每篇文章都在 5000 字以上，质量平均分高达 94 分。还要提醒大家的是，每结束一个章节，专栏的优惠力度就会减小，当下正是订阅的最佳优惠时段，诚邀各位积极订阅！

专栏《用R 探索医药数据科学》链接：https://blog.csdn.net/2301_79425796/category_12729892.html?spm=1001.2014.3001.5482

​​​