R语言如何实现各种常用的数据输入与输出

转自：微点阅读（www.weidianyuedu.com）微点阅读 - 范文大全 - 免费学习知识的网站

将数据输入或加载到R工作空间中，是使用R进行数据分析的第一步。R语言支持读取众多格式的数据文件，excel文件，csv文件，txt文件和数据库（MYSQL数据库）等；其中，excel和csv是我们最常遇到的数据文件格式。

目录

0 设置工作目录【很重要】

1 read.table()  #读取带分隔符的文本/数据文件

2 read.csv()  #读取.csv格式的数据，read.table的一种特定应用

3 excel数据文件读取

4 scan #比read.table更加灵活

5 保存为.R>

6 write.table() 

7 CSV格式导出

（提示：加粗部分可重点学习）

正文

0 设置工作目录【很重要】

R语言中数据的输入需要设置数据读取的路径，一般将数据文件放到工作目录下，这样直接就可以通过read.table等读取数据文档（不许要设置路径）。

方法一：setwd()

setwd("E:/")  #设置当前工作目录为"E:/"

getwd()  #读取当前工作空间的工作目录（文件读取保存路径）

> getwd()  #读取当前工作空间的工作目录（文件读取保存路径）[1] "C:/Users/ysl/Documents"> setwd("E:/") #设置当前工作目录为"E:/"> getwd() #再次使用getwd()函数即可查看是否设置成功[1] "E:/"

方法二：通过R-gui菜单栏设置（文件-改变工作目录）

1 read.table()  #读取带分隔符的文本文件

read.table()函数是R最基本函数之一，读取带分隔符的文本/表格文件。

#Usageread.table(file, header = FALSE, sep = "", quote = "\""",           dec = ".", numerals = c("allow.loss", "warn.loss", "no.loss"),           row.names, col.names, as.is = !stringsAsFactors,           na.strings = "NA", colClasses = NA, nrows = -1,           skip = 0, check.names = TRUE, fill = !blank.lines.skip,           strip.white = FALSE, blank.lines.skip = TRUE,           comment.char = "#",           allowEscapes = FALSE, flush = FALSE,           stringsAsFactors = default.stringsAsFactors(),           fileEncoding = "", encoding = "unknown", text, skipNul = FALSE)read.csv(file, header = TRUE, sep = ",", quote = "\"",dec = ".", fill = TRUE, comment.char = "", ...)read.csv2(file, header = TRUE, sep = ";", quote = "\"",dec = ",", fill = TRUE, comment.char = "", ...)read.delim(file, header = TRUE, sep = "\t", quote = "\"",dec = ".", fill = TRUE, comment.char = "", ...)read.delim2(file, header = TRUE, sep = "\t", quote = "\"",            dec = ",", fill = TRUE, comment.char = "", ...)

常用参数的说明如下：

（1）file：file是一个带分隔符的ASCII文本文件。

①绝对路径或者相对路径。一定要注意，在R语言中\是转义符，所以路径分隔符需要写成"\\"或者“/”。所以写成“C:\\myfile\\myfile.txt”或者“C:/myfile/myfile.txt”即可。

②使用file.choose()，弹出对话框，自动选择文件位置。例如：read.table(file.choose(),...)。

（2）header：一个表示文件是否在第一行包含了变量的逻辑型变量。

如果header设置为TRUE，则要求第一行要比数据列的数量少一列。

（3）sep分开数据的分隔符。默认sep=""

read.table()函数可以将1个或多个空格、tab制表符、换行符或回车符作为分隔符。常见空白分隔符有：空格，制表符，换行符

sep=” ”；sep = “\t”；sep = “\n”

（4）stringsAsFactors 逻辑值，标记字符向量是否需要转化为因子，默认是TRUE。stringsAsFactors = F意味着，“在读入数据时，微点阅读（www.weidianyuedu.com）遇到字符串之后，不将其转换为factors，仍然保留为字符串格式”。

（5）encoding 设定输入字符串的编码方式。

#读取txt文档

> df<- read.table("data.txt")> dfV1 V21  x  y2  1  23  3  44  5  6> df <- read.table("data.txt",header = T)> dfx y1 1 22 3 43 5 6

#样式1：直接读取数据

> df <- read.table("data.csv")  #直接读取数据> head(df)V11 ID,Sepal.Length,Sepal.Width,Petal.Length,Petal.Width,Species2                                     1,5.1,3.5,1.4,0.2,setosa3                                       2,4.9,3,1.4,0.2,setosa4                                     3,4.7,3.2,1.3,0.2,setosa5                                     4,4.6,3.1,1.5,0.2,setosa6                                       5,5,3.6,1.4,0.2,setosa

#样式2：读数+首行表头

> df <- read.table("data.csv",header = T)  #读数+首行表头> head(df)ID.Sepal.Length.Sepal.Width.Petal.Length.Petal.Width.Species1                                     1,5.1,3.5,1.4,0.2,setosa2                                       2,4.9,3,1.4,0.2,setosa3                                     3,4.7,3.2,1.3,0.2,setosa4                                     4,4.6,3.1,1.5,0.2,setosa5                                       5,5,3.6,1.4,0.2,setosa6                                     6,5.4,3.9,1.7,0.4,setosa

#样式3：读数+首行表头+","逗号分割

> df <- read.table("data.csv",header = T,sep=",")  #读数+首行表头+","逗号分割> head(df)ID Sepal.Length Sepal.Width Petal.Length Petal.Width Species1  1          5.1         3.5          1.4         0.2  setosa2  2          4.9         3.0          1.4         0.2  setosa3  3          4.7         3.2          1.3         0.2  setosa4  4          4.6         3.1          1.5         0.2  setosa5  5          5.0         3.6          1.4         0.2  setosa6  6          5.4         3.9          1.7         0.4  setosa> summary(df)ID          Sepal.Length    Sepal.Width     Petal.Length  Min.   :  1.00   Min.   :4.300   Min.   :2.000   Min.   :1.000  1st Qu.: 38.25   1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600  Median : 75.50   Median :5.800   Median :3.000   Median :4.350  Mean   : 75.50   Mean   :5.843   Mean   :3.057   Mean   :3.758  3rd Qu.:112.75   3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100  Max.   :150.00   Max.   :7.900   Max.   :4.400   Max.   :6.900  Petal.Width          Species  Min.   :0.100   setosa    :50  1st Qu.:0.300   versicolor:50  Median :1.300   virginica :50  Mean   :1.199                  3rd Qu.:1.800                  Max.   :2.500                  

#样式4：读数+首行表头+","逗号分割+字符转因子factor

> df <- read.table("data.csv",header = T,sep=",",stringsAsFactor = T)##读数+首行表头+","逗号分割+字符转因子factor> head(df)ID Sepal.Length Sepal.Width Petal.Length Petal.Width Species1  1          5.1         3.5          1.4         0.2  setosa2  2          4.9         3.0          1.4         0.2  setosa3  3          4.7         3.2          1.3         0.2  setosa4  4          4.6         3.1          1.5         0.2  setosa5  5          5.0         3.6          1.4         0.2  setosa6  6          5.4         3.9          1.7         0.4  setosa #请注意species结果与样式3中结果的差异> summary(df) ID          Sepal.Length    Sepal.Width     Petal.Length  Min.   :  1.00   Min.   :4.300   Min.   :2.000   Min.   :1.000  1st Qu.: 38.25   1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600  Median : 75.50   Median :5.800   Median :3.000   Median :4.350  Mean   : 75.50   Mean   :5.843   Mean   :3.057   Mean   :3.758  3rd Qu.:112.75   3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100  Max.   :150.00   Max.   :7.900   Max.   :4.400   Max.   :6.900  Petal.Width          Species  Min.   :0.100   setosa    :50  1st Qu.:0.300   versicolor:50  Median :1.300   virginica :50  Mean   :1.199                  3rd Qu.:1.800                   Max.   :2.500  

2 read.csv()  #读取.csv格式数据，read.table的一种特定应用

read.csv() 读取逗号分割数据文件，read.table()的一种特定应用

默认逗号分割，header=T，stringsAsFactor = T

df <- read.csv("data.csv")

等同df <- read.table("data.csv",header = T,sep=",",stringsAsFactor = T)

read.csv(file, header = TRUE, sep = ",", quote = "\"",         dec = ".", fill = TRUE, comment.char = "", ...)

#实例> df <- read.csv("data.csv") #相当于df <- read.table("data.csv",header = T,sep=",",stringsAsFactor = T)> head(df)ID Sepal.Length Sepal.Width Petal.Length Petal.Width Species1  1          5.1         3.5          1.4         0.2  setosa2  2          4.9         3.0          1.4         0.2  setosa3  3          4.7         3.2          1.3         0.2  setosa4  4          4.6         3.1          1.5         0.2  setosa5  5          5.0         3.6          1.4         0.2  setosa6  6          5.4         3.9          1.7         0.4  setosa

 3 excel数据文件读取

这里只讲1种：readxl，其他excel数据读取方法可自行百度

install.packages("readxl")library(readxl)df <- read_excel("文件名",sheet=1)

4 scan #类似read.table(),但比read.table更加灵活

scan(file = "", what = double(), nmax = -1, n = -1, sep = "",     quote = if(identical(sep, "\n")) "" else ""\"", dec = ".",     skip = 0, nlines = 0, na.strings = "NA",     flush = FALSE, fill = FALSE, strip.white = FALSE,     quiet = FALSE, blank.lines.skip = TRUE, multi.line = TRUE,     comment.char = "", allowEscapes = FALSE,     fileEncoding = "", encoding = "unknown", text, skipNul = FALSE)

关于scan的相关参数介绍参照read.table

5 保存为.Rdata

通过save()函数保存为.Rdata文件，通过load()函数将数据加载到R中。

save() #保存数据

load() #加载数据

> a <- 1:9 > save(a,file="E://dumData.Rdata")  > rm(a)   #将对象a从R中删除  > load("d://dumData.Rdata")  > print(a)   [1]  1  2  3  4  5  6  7  8  9

 6 write.table()  #常用导出数据函数

write.table(x, file = "", append = FALSE, quote = TRUE, sep = " ",            eol = "\n", na = "NA", dec = ".", row.names = TRUE,            col.names = TRUE, qmethod = c("escape", "double"),            fileEncoding = "")

参数解释：

1. x: 要写入的对象，最好是矩阵或数据框。如果不是，它是试图强迫x到一个数据框。

2. file:  一个字符串命名文件或编写而打开的一个连接。 " "表示输出到控制台。

3. append: 逻辑。只有当file是一个字符串才相关。

   如果TRUE，输出追加到文件；如果FALSE，任何现有文件的名称被摧毁

4. quote:  一个逻辑值（TRUE或FALSE）或数字向量。如果TRUE，任何字符或因素列将用双引号包围。如果一个数值向量，其元素为引用的列的索引。在这两种情况下，行和列名报价，如果他们被写入。如果FALSE，并没有被引用。

5. sep: 字段分隔符字符串。每一行x中的值都被这个字符串分隔开。

6. row.names: 表示x的行名是否与x一起写的逻辑值，或者是写行名的字符向量

7. col.names: 类似row.names。

实例

> x <- c (22,23)> y <- c ("k", "j")> f <- data.frame (x = x, y = y)> f#   x y#1 22 k#2 23 j#以空格分隔数据列（默认），含行号（默认），含列名（默认），字符串带引号> write.table (f, file ="f.csv") #以逗号分隔数据列，含行号（默认），含列名（默认），字符串带引号> write.table (f,file ="f.csv", sep =",")   #以逗号分隔数据列，不含行号，含列名（默认），字符串带引号> write.table (f,file ="f.csv", sep =",", row.names = FALSE)     #以空格分隔数据列，不含行号，不含列名，字符串带引号 > write.table (f,file ="f.csv", row.names = FALSE, col.names =FALSE)     #以空格分隔数据列，不含行号，不含列名，字符串不带引号  > write.table (f,file ="f.csv", row.names = FALSE, col.names =FALSE, quote =FALSE)  

7 CSV格式导出 #write.table的一种特定应用

通过函数write.csv()保存为一个.csv文件

write.csv()  #保存为一个.csv文件

> x <- c(1:3)> y <- c((1:3)/10)> z <- c("R and","Data Mining","Examples")  > df <- data.frame(x= x,y= y,z = z) > df#  x   y           z#1 1 0.1       R and#2 2 0.2 Data Mining#3 3 0.3    Examples> write.csv(df1,"E://dummmyData.csv",row.names = FALSE)  

以上是一些常用的数据输入与输出方法