readr包中read_csv()函数和write_csv()函数

不懂python不懂R

已于 2022-04-18 10:38:42 修改

阅读量6.4k

点赞数 4

分类专栏： R语言package学习文章标签： r语言

于 2022-04-18 00:13:46 首次发布

本文链接：https://blog.csdn.net/weixin_44231554/article/details/124239363

版权

R语言package学习专栏收录该内容

3 篇文章 1 订阅

订阅专栏

一、R语言学习readr包

1.read_*系列函数

这些函数可将平面文件读入，并转换为数据框，以下函数有同样的语法

read_csv() 读取逗号分隔文件
read_csv2() 读取分号分隔文件
read_tsv() 读取制表符分隔文件
read_delim() 读取使用任意分隔符的文件
read_fwf() 读取固定宽度的文件
read_table() 读取固定宽度文件的变体，使用空白字符来分隔各列
下面以read_csv为例子：
以下三种读取方式均可
注意：第一种和第二种读取方式都是当前默认环境下csv文件

chic<-read_csv("chic02.csv")
chic<-readr::read_csv("chic02.csv")
chic <- readr::read_csv("https://raw.githubusercontent.com/z3tt/ggplot-courses/master/data/chicago-nmmaps.csv")

接下来我们看一下read_csv()函数的参数。

read_csv(file, col_names = TRUE, col_types = NULL, col_select = NULL, id = NULL, locale = default_locale(), na = c("", "NA"), quoted_na = TRUE, quote = "\"", comment = "", trim_ws = TRUE, skip = 0, n_max = Inf, guess_max = min(1000, n_max), name_repair = "unique", num_threads = readr_threads(), progress = show_progress(), show_col_types = should_show_types(), skip_empty_rows = TRUE, lazy = TRUE)

file ：该参数可以是要读取的文件路径，也可以是一个行内csv文件。对于以 .gz, .bz2, .xz, 或者.zip 为后缀的文件会被自动解压，对于以 http://, https://, ftp://, 或 ftps:// 开头的文件会被自动下载。
col_names = TRUE ：默认使用读入数据的第一行作为列名。当该参数设置为FALSE时，第一行数据不再被设置为列名。也可以向该参数传递一个字符向量，以设置列名。
col_types = NULL ：列的类型按前1000行数据估算。可以输入一个list()，手动设置列的类型，其中类型可以使用简写：c = character，i = integer，n = number，d = double，l = logical，f = factor，D = date，T = date time，t = time，? = guess，_ or - = skip
col_select = NULL ：默认读入全部列。选择读入的列，可以是索引也可以是列名，两列以上使用c()或list()。
id = NULL ：无新增的列。可以设置为一个字符串，作为新增一列的列名，该列用于储存文件路径。对于读入多个文件数据或路径中有可用信息的场景比较有用。
locale = default_locale() ：默认使用US-centric的默认值。可以自己设置。（没有啥用）
na = c("", “NA”) ：默认读入数据中空白和NA表示缺失值。设定使用哪个或哪些值来表示文件中的缺失值。
quoted_na = TRUE ：用quote包围的缺失值被看作缺失值。设置为FALSE时，quote包围的缺失值被看作字符串。不过stringr2.0版本中该参数被弃用。
quote = “”" ：设置制定包围字符型数据的字符为双引号"。
comment = “” ：设置注释的格式（在读入数据时，注释一律忽略）。如，可以设置comment = "#"来丢弃所有以#开头的行。
trim_ws = TRUE ：在分析每块数据之前，从每个字段中修剪引导和尾随空白（默认空格和制表符）。
skip = 0 ：默认数据全部读入。可以设置为任意数字，表示读取数据时跳过前几行。
n_max = Inf ：最大读入行数默认为无穷大。可以根据需要自己设置最大读入行数。
guess_max = min(1000, n_max) ：与前面的col_types相呼应，表示用来猜测列的类型的最大行数，默认为1000。
name_repair = “unique” ：默认保证列名独一无二且非空。不同的值有不同的含义，其他可传递的参数值如下："minimal"不对空列名进行填充，也不检查是否有重复列名；"check_unique"对空列名不进行填充，但是保证独一无二；“universal”: 使名字独一无二且符合语法。
num_threads = readr_threads() ：分析和读取数据使用的线程数与readr包一致。
progress = show_progress() ：是否显示进度与readr包的设置一致。可以设置readr.show_progress为FALSE来阻止进度显示。
show_col_types = should_show_types() ：是否显示列的类型与readr包的设置一致。
skip_empty_rows = TRUE ：默认空行会被跳过。如果设置为FALSE，空行会以各列均为NA的行为被读取并显示。
lazy = TRUE ：在windows上运行的时候，会锁定该文件直到数据读取结束，如果出现相关问题可以设置为FALSE。（通常不需要，忽略这个参数就好）

2.write_*系列函数

readr包还提供了写入文件的函数。依然主要关注write_csv()函数。

write_csv(x, file, na = "NA", append = FALSE, col_names = !append, quote = c("needed", "all", "none"), escape = c("double", "backslash", "none"), eol = "\n", num_threads = readr_threads(), progress = show_progress(), path = deprecated(), quote_escape = deprecated())