dataframe第二列 r语言_R语言学习路上的第一个拦路虎？数据的导入和导出-CSDN博客

很多事情往往还没有真正开始，就因为遇到一点点不大不小的困难就放弃了，然后分分钟打脸立好的各种flag，噼啪作响，疼与不疼，因人而异。

先聊聊目前R语言的现状，作为一款开发之初主要实现为了统计功能的编程软件，随着不断的发展壮大，因为它良好的开源环境和免费！！！！！策略，俘获大量的科研和类科研群众，现在的R语言已经非常饱满，可以实现的功能也几何倍数的扩增。

TIOBE定期会发布世界范围内编程语言的综合排名情况，下图是2020年6月份的数据，热度还可以，R语言进顺位第9，可以看到在2019年6月的时候还是22位，这前进的有点猛啊。

顺带看了看同样是我主力生产工具的SAS，一直在20+位，很稳定

好了，正题开始，假设某位筒子正在学习或计划学习R，下面的内容极度友好，可能让你省去很多不必要的时间成本，高效进步。

正文上菜！

实践是检验真理的唯一标准，亲自敲代码是学好编程语言必不可少的环节

收藏了不等于看懂了，看懂了不等于会用了，敲敲试试？

常用格式数据导入：

1、文本格式数据

包括txt格式数据、csv(逗号分隔符)格式的数据，建议使用R自带read.table()或者read.csv()，具体的参数设置见help文档。另外，如果各位瓜客有机会接触data.table包的话，其中的fread函数读取csv的效率不是一般的高，对于很大的数据(几百兆或者几个G的数据)也可以很快速的搞进来，fread中的字母f的意思就是fast。

2，excel格式数据

2.1 可以使用readxl包中的read_excel()，这个函数可以友好地自动识别excel文件的后缀(xls/xlsx)，同时还支持指定读入的表单，已经读入各列的一个数据格式(如numeric或者character等)。

2.2 也可以使用xlsx包来读取excel文件，也很优秀。

2.3 还可以使用rio包来读取，这个包可以说的是集万众瞩目于一身，几乎可以通过一个import函数简介的读取任意格式的数据，适合手头数据格式有多种的筒子，学习性价比极高。

3, sas/spss/stata

sas或者spss或者stata数据的导入，推荐用haven包，分别是read_sas/read_spss/read_stata。很友好。但是有写细节是需要注意的，比如spss，用过的筒子都知道，spss中数据可以有label还可以有值等等属性，这些在读入R后会保存下来，使得读入R中新生成的dataframe和平时常见的dataframe格式略不同，在后续使用这些数据的时候应该知道这些不同。

常用数据结果的导出：

1，简单粗暴的输出，sink()函数，可以将所有运行过的内容保存在指定位置的txt文档中，适合不在意美观的留痕类型操作。2，输出为文本格式，可以使用write.table或者write.csv输出，很快很方便。

3，输出为excel格式，推荐使用writexl包中write_xlsx()函数写出，速度很快很友好。还可以使用xlsx包的write.xlsx导出数据，优点在于可以append多个sheet到同一个excel文件中，需要注意的是导出的对象应该是df格式的，否则会报错。

4，前几期内容提到的flextable包可以将表格直接输出到word。链接如下:

R输出格式系列(一)，三线表，在R中自定义表格格式

R语言输格式技巧系列(二)，再精细一点,定制包含亚组的表格

R输格式系列(三)，将R中的结果表格直接输出到word文档中

5，万能输出，与上述rio包import对应的export函数。

6，可以使用Rmarkdown直接生成统计报告，可以是html格式/ppt/pdf等格式，一劳永逸，属于高阶用法了，后期有机会开个专题聊一聊。

以上仅供各位参考，具体需求请具体 分析。 不足的地方 还请包含。感谢。

以上内容仅供学习参考。

往期部分精彩干货文章链接