R for Data Science总结之——readr

R for Data Science总结之——readr

readr包顾名思义就是将数据导入R环境的方法，我们这里直接使用tidyverse框架，其中包含了readr包：

library(tidyverse)

主要方法有：

• 分隔符读入：read_csv(), read_csv2(), read_tsv(), read_delim()
• 空格分隔读入：read_fwf(), read_table()
• log文件读入：read_log()

首先来看看read_csv()：

heights <- read_csv("data/heights.csv")
#> Parsed with column specification:
#> cols(
#>   earn = col_double(),
#>   height = col_double(),
#>   sex = col_character(),
#>   ed = col_integer(),
#>   age = col_integer(),
#>   race = col_character()
#> )

read_csv("a,b,c
1,2,3
4,5,6")
#> # A tibble: 2 x 3
#>       a     b     c
#>   <int> <int> <int>
#> 1     1     2     3
#> 2     4     5     6

这里可以发现与read.csv()不同的是，read_csv()默认读入的文件为一个tibble数据集，这会对一些老式方法写的数据读入造成一些困难，这时可以先read.csv()读入生成data.frame再as_tibble()转成一个tibble。
特殊用法：

read_csv("The first line of metadata
  The second line of metadata
  x,y,z
  1,2,3", skip = 2)
#> # A tibble: 1 x 3
#>       x     y     z
#>   <int> <int> <int>
#> 1     1     2     3

read_csv("# A comment I want to skip
  x,y,z
  1,2,3", comment = "#")
#> # A tibble: 1 x 3
#>       x     y     z
#>   <int> <int> <int>
#> 1     1     2     3

read_csv("1,2,3\n4,5,6", col_names = FALSE)
#> # A tibble: 2 x 3
#>      X1    X2    X3
#>   <int> <int> <int>
#> 1     1     2     3
#> 2     4     5     6

read_csv("1,2,3\n4,5,6", col_names = c("x", "y", "z"))
#> # A tibble: 2 x 3
#>       x     y     z
#>   <int> <int> <int>
#> 1     1     2     3
#> 2     4     5     6

read_csv("a,b,c\n1,2,.", na = ".")
#> # A tibble: 1 x 3
#>       a     b c    
#>