20220602_R数据整理(导入和导出)

# 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