《R in action》《R语言实战》源代码_2.3 数据输入

向R中导入数据的权威指南参见可在 http://cran.r-project.org/doc/manuals/R-data.pdf下载的R Data Import/Export手册

2.3.1 键盘

mydata <- data.frame(age=numeric(0), gender=character(0), weight=numeric(0))
	#age=numeric(0)：将创建一个有格式，但为空的变量
mydata <- edit(mydata)
	#edit()必须赋值到一个目标，否则所有修改无效

fix(mydata)			#等价写法

2.3.2 带分隔符的文本文件.txt

read.table()

#格式如下：
mydataframe <- read.table(file, header=logical_value, 
	sep="delimiter", row.names="names")

• 参数sep默认=" "，即分隔符可以为一或多个空格、制表符（\t）、换行符（\n）、回车符（\r）；
• 字符型变量默认情况下转换为factor，当处理某些情况（如被调查者评论）时，可采取以下方法禁止转换：

1. 设置选项：stringsAsFactors=FALSE
2. 使用colClasses为每个列制定格式：如logical（逻辑型）、numeric（数值型）、character（字符型）、factor（因子）

通过连接(connection)来访问数据的机制：文件名参数

• 函数file()：允许用户访问文件、剪贴板和C级别的标准输入。
• 函数gzfile()、bzfile()、xzfile()、unz()：允许用户读取压缩文件。
• 函数url()：能够让你通过一个含有http://、ftp://或file://的完整URL访问网络上的文件，还可以为HTTP和FTP连接指定代理。为了方便，(用""围住的)完整的URL也经常直接用来代替文件名使用。
• 更多详情，参见help(file)。

2.3.3 Excel数据

1. 将EXCEL文件导出为.csv（以逗号分隔文件），用read.table(file)导入；
2. 使用函数read.xlsx(file, n)：导入.xlsx文件（实质是多个xml文件组成的压缩包）

library(xlsx)
workbook <- "/Users/Documents/myworkbook.xlxs" #“文件路径”
mydataframe <- read.xlxs(workbook, 1)	#1为要导入的表格名称

3. Win系统：RODBC包

#安装RODBC包
install.packages("RODBC")
#导入数据
library(RODBC)
channel <- odbcConnectExcel("myfile.xls")
mydataframe <- sqlFetch(channel, "mysheet")
odbcClose(channel)

• channel：是一个由odbcConnectExcel()返回的RODBC连接对象；
• mydataframe是返回的数据框；
• RODBC也可用于从Microsoft Access导入数据。

2.3.4 XML

XML包

2.3.5 网页数据抓取 Webscraping

1. 结构简单的网页：先用readLines( )下载网页；后用grep( )/gsub( )处理；
2. 结构复杂的网页：用RCurl包、XML包提取

2.3.6 SPSS

1. foreign包 -> read.spss()
2. Hmisc包 -> spss.get()

install.packages("Hmisc")
mydataframe <- spss.get("mydata.sav", use.value.labels=TRUE)

use.value.labels=TRUE：表示让函数将带有值标签的变量导入为R中水平对应相同的因子
？？？

2.3.7 SAS

• 旧版本

1. foreign包 -> read.ssd()
2. Hmisc包 -> sas.get()

• 新版本（9.1或更高）

1. 在SAS中用PROC EXPORT储存为.csv格式文件后导入R

#SAS程序：
proc export data = mydata
	 outfile = "mydata.csv"
	 dbms = csv;
run;

#R：
mydata <- read.table("mydata.csv", header=TRUE, sep=" ")

2. Stat/Transfer商业软件

2.3.8 Stata

library（foreign）
mydataframe <- read.dta("mydata.dta")

2.3.9 netCDF

• Unidata项目主导的开源软件库netCDF（network Common Data Form，网络通用数据格式）
• 常用领域：地球物理
• ncdf包、ncdf4包（Win不可用，支持netCDF4更早版本）

library（ncdf）
nc <- nc_open("mynetCDFfile")
myarray <- get.var.ncdf(nc, myvar)

2.3.10 HDF5

• HDF5（Hierarchical Data Format，分层数据格式）：是一套用于管理超大型和结构极端复杂数 据集的软件技术方案。
• hdf5包

2.3.11 数据库

1. ODBC接口

library(RODBC)	#载入了RODBC包
myconn <- odbcConnect("mydsn", uid="Rob", pwd="aardvark")	#通过一个已注册的数据源名称(mydsn)、用户名(rob)、密码(aardvark)打开了一个ODBC数据库连接
crimedat <- sqlFetch(myconn, Crime)		#连接字符串被传递给sqlFetch，它将Crime表复制到R数据框crimedat中
pundat <- sqlQuery(myconn, "select * from Punishment")	#对Punishment表执行SQL语句select并将结果保存到数据框pundat中
close(myconn)	#关闭连接

2. DBI相关包

• RJDBC包：使用时请确保安装了针对你的系统和数据库的必要JDBC驱动
• 其他：RMySQL、ROracle、RPostgreSQL、RSQLite（都为对应的数据库提供了原生的数据库驱动，但可能不是在所有系统上都可用）
• 详情请参阅 CRAN(http://cran.r-project.org)上的相应文档

2.3.12 Stat/Transfer