r语言 将表格导出为csv_【R语言】tidyverse之一：读写数据

一. 相关包简介

(1) tibble包

R 数据框的更先进的替代，不将字符串转化为因子型，不重命名列，输出内容更智能，选择 tibble 子集仍是 tibble（Base R 中，1列返回向量）

• 查看数据框：glimpse()
• 创建数据框：tibble()和 tribble() （智能行tibble）
• 强制转化为数据框：as_tibble()和enframe()
• 操作行名：rownames_to_column()和column_to_rownames()

(2) readr包

读写纯文本文件，包括带分隔符的文本文件，如 csv和 tsv. 也能读写序列化的 R 对象 rds，若想保存数据集后续再加载回来，rds将保存元数据和该对象的状态，如分组和数据类型。

• 读入数据到数据框：read_csv()和read_tsv()
• 读入欧式格式数据（“;”为字段分隔符，“,”为小数位）：read_csv2() 和 read_tsv2()
• 读写rds：read_rds()和write_rds()
• 写入电子表格：write_csv(), write_tsv(), write_csv2(), write_tsv2()
• 转化数据类型：parse_number(), parse_logical(), parse_factor()等

(3) readxl包

专门读取 Excel 文件，包括同一个工作簿中的不同工作表。

• read_excel(): 自动检测文件扩展名
• read_xls()
• read_xlsx()

(4) writexl包

• write_xlsx()：写入Excel文件

(5) haven包

读写 SPSS, Stata, SAS 数据文件。

• 读：read_spss(), read_stata(), read_sas()
• 写：write_spss(), write_stata(), write_sas()

(6) readtext包

读取全部文本文件的内容到数据框，每个文件变成一行，通常用于语言分析或数据收集。

• readtext()

二. 导入数据

下面以导入 csv 文件为例，演示从一个文件或多个文件读入数据，其它类型文件换成对应读入函数即可。

1. 导入一个csv文件

trap_ins <- read_csv("data/light_trap/1992.csv")
glimpse(trap_ins)

注意，readr 包试着猜测每列的数据类型（数值型、字符型等），但属于保守猜测，以避免丢失信息。本例中，date 列为字符型，因为它没有认出日期格式，individuals 列为 Double 型。通常更建议随后再用 dplyr 包修改数据类型。

2. 导入多个csv文件

若每个 csv 文件的列结构相同，则可以全部导入再按行合并。

最好的做法是用 purrr 包迭代实现。

先列出要导入的csv文件的路径：

list_of_files <- list.files("data/light_trap/", pattern="csv", full.names=TRUE)
list_of_files

接着，在其上做迭代，应用 read_csv() 到每个文件路径，再按行合并。

可以用 Base R 自带的 apply 函数族，但更建议用 purrr 包，其用户接口更容易记，并返回可预见的数据类型，还可用于管道操作。

这里用 map_dfr() 函数：

map_dfr(.x, .f, .id = "id_col")

它应用函数 .f 到列表或向量 .x 的每个元，再将每个结果做“行合并”创建数据框，并增加新列 id_col 描述该行来自哪个文件。

library(purrr)
light_trap <- map_dfr(.x=set_names(list_of_files), .f=read_csv, .id="source_file")  # names用于.id
glimpse(light_trap)

经常遇到的一个问题是，数据表的列具有不同的数据类型。例如，某表 presence/absence 编码为 1/0, 而另一个表编码为 TRUE/FALSE. 则这样的列不能做“行合并”，因为 R 不知道如何转化类型。

此时，你可以告诉 read_csv() 以字符形式导入所有列，后续再处理类型转化。

light_trap <- map_dfr(.x = set_names(list_of_files), .f = ~ read_csv(.x, col_types=cols(.default="c")), .id = "source_file")
glimpse(light_trap)

说明：“~”是 purrr 包对匿名函数的缩写，等同于

.f = function(.x) {read_csv(.x, col_types = ...)}

三. 导出数据

用 readr 包中的 write_csv() 和 write_rds() 可以保存数据框到文件。下面以导出数据到 .rds 文件为例，因为它能保存数据框及其元数据，如数据类型和分组（若有的话）。

iris %>% write_rds("my_iris.rds")
my_import <- read_rds("my_iris.rds")  # 导入.rds数据

参考文献：

1. Desi Quintans, Jeff Powell. Working in the Tidyverse. http://www.hiercourse.com/
2. Garrett Grolemund, Hadley Wickham. R for Data Science. https://r4ds.had.co.nz/