# 数据操作--暨tidyverse包函数精讲
library(tidyverse)
# csv数据导入
rawdata <- read.table(file.choose(), header = T, sep = ",") # 数据文件之间分割的方式,csv一般是逗号,查询其他设置怎么写时在搜索框输入read.table,明确更多的类型
head(rawdata, n=4) # 默认为6,缺失值识别为NA
tail(rawdata, n=10) # 默认为6
rawdata[95:105, ] # 选定行,返回所有列
str(rawdata)
# read.csv(file.choose())
# data.table::fread(file.choose()) # 数据集比较大时
# csv数据导出
write.table(rawdata,
"mtcars.csv",
sep = ",",
row.names = F)
# write.csv()
# data.table::fwrite()
# 读取excel表
library(readxl)
# excel_sheet(file.choose())
data1 <- read_excel(file.choose())
# 批量读取数据
files <- list.files("path") # 括号内是文件路径
files
paths <- paste("path", files, sep = "") # 括号内是文件路径,excel是空格?名称和路径拼接到一起
paths
df <- list()
for (i in length(paths)) {
datai <- read_excel(path[i])
datai$object <- str_sub(files[i], start = 1, end = -6)
df[[i]] <- datai
print(i) # 主要为了追踪i
}
df_all <- bind_row(df)
注:学习视频来源于B站,特别感谢R语言数据分析从入门到进阶(已完结。第6部分可视化作图请移步至 R语言数据可视化)_哔哩哔哩_bilibili