Rattle :基于R的数据挖掘工具(3):载入数据

数据

数据是进行数据挖掘工作的基础,要是没有数据,那也就没什么可挖的了。当今时代，数据的丰富超乎想象，它可以是数字，也可以是文本，图像，声音，视频等各种形式的存在。但是要把数据变成知识和信息，并不是一件简单的事。

关于数据的一般术语：
一个数据集由变量（列）的各个观测(行) 构成，其中变量可分为输入变量和输出变量，这些变量可以是数值的也可以是属性的（categoric variables）。
为了完成数据挖掘工作，首先需要把数据保存在各种系统中。要把形式和格式各异的数据组织成我们挖掘工作所需的形式。数据的收集，整理，存储和访问是一项重要的工作

载入数据

数据会从不同的来源，以不同的形式进入我们的项目。借助于R的数据处理能力，Rattle可以载入多种来源的数据。

（1）csv数据
csv数据是一种很简单普通的逗号分隔型取值格式，一种纯文本的数据存储格式。在csv中，数据的字段由逗号分开，程序通过读取文件重新创建正确的字段。csv数据可以说是R当中（当然也是Rattle当中）输入数据的首选格式。csv文件可以在电子表格和各种数据库之间输入输出，包括LibreOffice Calc, Gnumeric,， Microsoft Excel, SAS/Enterprise Miner, Teradata, Netezza等等。

在Rattle里载入csv数据
使用Data标签的Sprasdsheet选项，这个选项可以载入csv,txt,和execl数据文件。选中Sprasdsheet后，点击Filename，选择相关数据文件，最后按执行按钮。

在Rattle里有三个作为例子的csv数据集

来选择weather.csv，看看数据载入的结果。

在界面上会给出数据集的变量的名称和内容，也就是基本的数据汇总。

在载入数据文件的时候，用到了Rattle界面的两个参数，Separator 和 Header。Separator表示文件中字段的分割形式，如csv文件是逗号而txt文件是使用tab键，在Separator中应用 \\t。 选中Header参数会给出变量名（列名）。如果你的csv文件中不包含变量名，不要选这一项，否则会误把第一行作为变量名读入。

载入weather.csv数据还有一种简易方式，执行--- 弹窗选是即可。


（2）其它的数据类型
ARFF 数据：Attribute-Relation File Format，是一种文本格式的文件。本质上来说，ARFF格式其实就是带有元数据（关于数据格式的信息）的CSV格式。weather示例数据也有ARFF格式版本提供。

ODBC 数据：The Open Database Connectivity (ODBC) standard，这是在数据库中访问数据的一般方法，这是基于SQL语言的技术。通过ODBC来访问数据需要通过DSN给出数据来源。

R 数据集和其它的数据来源，包括SPSS数据，XML数据等，把它们转化为数据框即可用于Rattle中。注意这些数据要被放入Rattle的库里边。在R的安装目录下可以读取一般的R数据。

Library：很多R包都提供了示例数据集，Rattle也可以读入它们。

语料库（Corpus）和脚本数据（Script）。