Excel的格式文件和其它格式文件的读取-CSDN博客

本文链接：https://blog.csdn.net/2301_79425796/article/details/142965636

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7833字）。

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

一、RDS或RData格式文件

二、CSV或TXT格式

三、Excel的格式文件

Excel文件是日常工作中最常见的数据处理软件之一，虽然有时候，我们可以将EXCEL的文件转化为更加普遍的CSV格式。尽管CSV格式在数据处理和交换中非常流行，但在处理复杂的Excel文件时，例如需要保留公式、格式或多个工作表的文件，直接读取Excel文件更为方便和高效。

Excel文件通常有两种格式：.xls和.xlsx。.xls是早期的Excel版本使用的格式，而.xlsx是从Excel 2007版本开始使用的更新格式。.xlsx格式基于XML标准，支持更大的数据容量和更复杂的格式设置。

	`.xls`（Excel 97-2003格式）	`.xlsx`（Excel 2007及之后格式）
文件扩展名	`.xls`	`.xlsx`
文件结构	二进制格式	基于XML的压缩文件格式
最大行数	65,536行	1,048,576行
最大列数	256列	16,384列
文件大小限制	通常较小（约2GB）	较大（理论上无实际限制）
支持的单元格样式	限制较多，样式功能较少	支持更多样式和格式
公式支持	支持基本公式和一些函数	支持更复杂的公式和更多函数
图表支持	支持基本图表	支持更多图表类型和图表功能
数据验证	基本的数据验证功能	支持复杂的数据验证和条件格式
跨平台兼容性	较差，可能需要转换为其他格式	更好，广泛支持于各种应用和平台
读取/写入支持	老旧版本的Excel和其他软件通常支持	大多数现代应用程序和库支持
使用环境	旧版Excel（2003及之前版本）	新版Excel（2007及之后版本）
安全性	较低，易受潜在风险影响	提供更好的数据保护和加密选项

`openxlsx`包简介

openxlsx包是R中用于读取、写入和格式化Excel文件的工具。与其他Excel处理包相比，openxlsx包不依赖于Java，操作更为简洁高效，支持多种Excel格式的读写。在使用openxlsx包之前，需要首先安装并加载该包。可以通过以下命令安装并加载openxlsx。

install.packages("openxlsx")
library(openxlsx)

要读取Excel文件中的数据，可以使用read.xlsx()函数。这个函数允许我们将Excel文件中的数据导入到R的data.frame中进行进一步分析。read.xlsx()函数的基本语法如下：

read.xlsx(file, sheet = 1, colNames = TRUE, rowNames = FALSE)

file：指定Excel文件的路径。

sheet：指定要读取的工作表编号或名称。默认值是1，表示第一个工作表。

colNames：逻辑值，指示是否将第一行作为列名。默认为TRUE。

rowNames：逻辑值，指示是否将第一列作为行名。默认为FALSE。

假设我们有一个名为frmgham.xlsx的Excel文件，其中第一个工作表包含我们需要的数据（Excel文件可以包含多个工作表，这点一定要注意）。我们可以使用以下代码将其读取到R中：

# 读取Excel文件中的第一个工作表
frmgham <- read.xlsx("frmgham.xlsx", sheet = 1)

# 查看数据框的前几行
head(frmgham)

除了读取Excel文件，openxlsx包还支持将数据写入Excel文件。我们可以使用write.xlsx()函数将数据框保存为Excel文件。继续使用之前读取的数据框frmgham，我们可以将其保存为一个新的Excel文件Myfrmgham.xlsx。

# 将数据框写入新的Excel文件
write.xlsx(frmgham, "Myfrmgham.xlsx")

# 查看文件保存成功的消息
cat("数据已成功保存到 Myfrmgham.xlsx 文件中。\n")

四、其它格式文件

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")

2、小提示

如果您正在使用苹果的 MAC 相关系统，那么必然会接触到 iCloud 服务等。然而，当处理大量数据资源，尤其是涉及隐私或机密信息时，您或许并不愿意将所有文件都上传至云存储服务（如 iCloud）。在 Mac 电脑中，存在众多文件夹可能存有大量敏感或庞大的数据，您可能期望能够有选择地将部分文件上传至云端，以此保障安全性以及实现存储空间的有效管理。要达成这一目标，您能够运用一种简便的方式：命名的方式。

～～～～～～～～～～

你是否想系统地学习R语言知识？无论你是医药行业的本科生、研究生，还是正在从事医药类数据科学、机器学习或人工智能的专业人士，我们的专栏将为你提供最前沿的知识和实践技巧。通过订阅，你可以获取丰富的R语言教程、医药数据分析实战案例，以及在医学领域中的机器学习和人工智能应用。欢迎加入我们，一起提升科研技能，走在学术和行业的前沿！