传统的数据导入方法虽然可靠，但也可能在初学者中引发一些错误。特别是在处理来自网页、Excel或其他来源的数据时，格式问题、数据清洗和转换常常成为挑战

本文链接：https://blog.csdn.net/2301_79425796/article/details/142765285

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（原文5873字）。

2章6节：R的数据集读取和利用，如何高效地直接复制黏贴数据到R（更新20240807 ）_r语言复制数据集-CSDN博客

四、直接复制粘贴的datapasta扩展包

传统的数据导入方法虽然可靠，但也可能在初学者中引发一些错误。特别是在处理来自网页、Excel或其他来源的数据时，格式问题、数据清洗和转换常常成为挑战。为了解决这些问题，R的datapasta扩展包提供了一种高效、直观的数据导入方式，特别是在需要从各种来源直接粘贴数据时，而不需要进行复杂的数据处理或转换。

要使用datapasta扩展包，首先需要安装和加载它。可以通过以下代码安装：

install.packages("datapasta")

library(datapasta)

datapasta的核心功能是允许用户将数据直接从剪贴板粘贴到RStudio中。这一过程非常简单，以下是具体的操作步骤：

从Excel或者CSV等文件中直接复制数据

复制数据：在Excel中选择要复制的数据范围，按下Ctrl+C（在Mac上，Command+C）将其复制到剪贴板。

RStudio界面功能直接粘贴

进入RStudio：打开RStudio，确保datapasta包已经加载。

使用Addins功能：在RStudio的菜单栏中，点击“Addins”按钮，选择“Paste as data.frame”选项。这时，数据将自动粘贴为data.frame格式并显示在RStudio的控制台中，如下图。

其实，data.frame、data.table 和 tribble 都是R中用于存储表格数据的结构，但它们各自有不同的特点和用途。

data.frame 是R中最基本和最常用的表格数据结构。它类似于数据库中的表格，每列可以包含不同类型的数据（如数值、字符、因子等）。通过 data.frame() 函数可以创建数据框，并支持基本的数据操作，如子集选择、行列添加和删除、数据排序等。尽管 data.frame 对于小规模数据集非常灵活，但在处理大规模数据时，其性能相对较低。

data.table 是 data.frame 的增强版，由 data.table 包提供。它针对大规模数据进行了优化，具有高效的内存使用和快速的数据操作能力。data.table 提供了简洁的语法来进行数据操作，减少了代码量，并支持键和索引，方便快速查找和排序。其内联操作功能可以避免创建临时副本，提高效率，同时与 data.frame 兼容，可以无缝转换。

tribble 是 tibble 包提供的一种创建表格数据的方式，特别适合手动输入小规模数据。使用 tribble() 函数创建数据时，语法简洁且易于阅读，生成的对象是 tibble，这种现代化的 data.frame 具有更好的打印格式和更严格的子集选择规则。tribble 适合用于教学和示例代码中的小规模数据输入。

传统的数据导入方法虽然可靠，但也可能在初学者中引发一些错误。特别是在处理来自网页、Excel或其他来源的数据时，格式问题、数据清洗和转换常常成为挑战

四、直接复制粘贴的datapasta扩展包

从Excel或者CSV等文件中直接复制数据

RStudio界面功能直接粘贴

用命令函数来直接粘贴