【R语言】数据的读取

已于 2023-06-25 16:37:39 修改
阅读量2k 收藏 11
点赞数
分类专栏： R语言自学笔记 文章标签： r语言 开发语言
于 2023-06-25 16:23:54 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46155316/article/details/131380536
版权

目录

RData数据

使用R语言自带的iris数据集做演示

ls()	#查看工作环境中存在哪些变量，运行结果character(0)
data(iris)
head(iris)#显示前6行数据
ls()	#运行结果[1] "iris"

#使用save( )函数将iris储存成iris.RData数据集
#Save( )函数的第一个参数是需要存储的对象，第二个参数是存储文件的路径
save(iris,file="D:/a_DUFE/000master_gogogo/R/深入浅出R语言数据分析/iris.Rdata")
#注意路径的斜杠是反斜杠

#删除已经导入的所有数据对象
rm(list=ls())
ls()	#运行结果character(0)

#RData格式的数据可以通过load( )函数进行加载
#RData格式的数据可以通过load( )函数进行加载
load("D:/a_DUFE/000master_gogogo/R/深入浅出R语言数据分析/iris.Rdata")
ls()	#运行结果[1] "iris"

#多个数据集存为一个RData文件
iris1 <- iris	#构建了一个新的数据集iris1
ls()	#运行结果 [1] "iris"   "iris1"
save(iris1,iris,file="D:/a_DUFE/000master_gogogo/R/深入浅出R语言数据分析/iris.Rdata")
rm(list=ls())
ls()	#运行结果 character(0)
load("D:/a_DUFE/000master_gogogo/R/深入浅出R语言数据分析/iris.Rdata")
ls()	#运行结果 [1] "iris"  "iris1"

在这里插入图片描述

reader高效读取数据

#安装reader包，快速、友好的方式读取矩阵数据，比R语言自带的读取数据函数要快很多
#install.packages()函数用于下载指定包
install.packages("readr")

#reader包中的主要函数
read_csv()	#读取以逗号分隔的文件，如.csv文件、.tsv文件
read_csv2()	#导入以分号为分隔符的.csv文件
read_tsv()	#读取以制表符为分隔符的文件
read_table()	#读取以空格为分隔符的文件

read_delim()	#与read_csv类似，但是与其可以读取以任意符分割的文件，通过delim参数指定分隔符

它们的参数一样
col_names：可以是FALSE、TRUE或者一个字符向量，默认是TRUE。参数设置为TRUE表示读取第一行作为列明，参数设置为字符向量，表示将字符向量作为数据集的列名字

skip：一个数值，表示读取数据时跳过多少条数据

n_max：一个数值，表示最多读取多少条数据

#R语言自带的数据读取函数
read.csv()		#读取以逗号为分隔符的数据
read.table()	#读取以空格为分隔符的数据
read.delim()	#读取以换行符为分隔符的数据

读取Excel数据

使用readxl包，提供了高效读取Excel数据的方式

read_excel()	#自动判断文件的扩展名是xls还是xlsx
read_xls()
read_xlsx()

> install.packages ("readxl")
>  library(readxl)
> (.packages())
> datasets <- readxl_example("datasets.xlsx")

#默认读取Excel中第一个Sheet的数据
> read_excel(datasets)
# A tibble: 150 × 5
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
          <dbl>       <dbl>        <dbl>       <dbl> <chr>  
 1          5.1         3.5          1.4         0.2 setosa 2          4.9         3            1.4         0.2 setosa 3          4.7         3.2          1.3         0.2 setosa 4          4.6         3.1          1.5         0.2 setosa 5          5           3.6          1.4         0.2 setosa 6          5.4         3.9          1.7         0.4 setosa 7          4.6         3.4          1.4         0.3 setosa 8          5           3.4          1.5         0.2 setosa 9          4.4         2.9          1.4         0.2 setosa 
10          4.9         3.1          1.5         0.1 setosa 
# ℹ 140 more rows
# ℹ Use `print(n = ...)` to see more rows

#读取Excel中第2个Sheet的数据
> read_excel(datasets,2)
# A tibble: 32 × 11
     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1  21       6  160    110  3.9   2.62  16.5     0     1     4     4 2  21       6  160    110  3.9   2.88  17.0     0     1     4     4 3  22.8     4  108     93  3.85  2.32  18.6     1     1     4     1 4  21.4     6  258    110  3.08  3.22  19.4     1     0     3     1 5  18.7     8  360    175  3.15  3.44  17.0     0     0     3     2 6  18.1     6  225    105  2.76  3.46  20.2     1     0     3     1 7  14.3     8  360    245  3.21  3.57  15.8     0     0     3     4 8  24.4     4  147.    62  3.69  3.19  20       1     0     4     2 9  22.8     4  141.    95  3.92  3.15  22.9     1     0     4     2
10  19.2     6  168.   123  3.92  3.44  18.3     1     0     4     4
# ℹ 22 more rows
# ℹ Use `print(n = ...)` to see more rows

#如果Excel中Sheet有名称，也可以通过Sheet名称来指定
> read_excel(datasets,sheet = "chickwts")
# A tibble: 71 × 2
   weight feed     
    <dbl> <chr>    
 1    179 horsebean 2    160 horsebean 3    136 horsebean 4    227 horsebean 5    217 horsebean 6    168 horsebean 7    108 horsebean 8    124 horsebean 9    143 horsebean
10    140 horsebean
# ℹ 61 more rows
# ℹ Use `print(n = ...)` to see more rows

读取SPSS、SAS、STATA数据

使用haven包，用于读取其他统计软件的数据

install.packages ("haven")

#读取SAS数据
> path <- system.file("examples","iris.sas7bdat",package = "haven")
> path
[1] "D:/R-4.3.0/library/haven/examples/iris.sas7bdat"
> read_sas(path)
# A tibble: 150 × 5
   Sepal_Length Sepal_Width Petal_Length Petal_Width Species
          <dbl>       <dbl>        <dbl>       <dbl> <chr>  
 1          5.1         3.5          1.4         0.2 setosa 2          4.9         3            1.4         0.2 setosa 3          4.7         3.2          1.3         0.2 setosa 4          4.6         3.1          1.5         0.2 setosa 5          5           3.6          1.4         0.2 setosa 6          5.4         3.9          1.7         0.4 setosa 7          4.6         3.4          1.4         0.3 setosa 8          5           3.4          1.5         0.2 setosa 9          4.4         2.9          1.4         0.2 setosa 
10          4.9         3.1          1.5         0.1 setosa 
# ℹ 140 more rows
# ℹ Use `print(n = ...)` to see more rows

关于system.file
在这里插入图片描述

#读取SPSS数据
> path <- system.file("examples","iris.sav",package = "haven")
> path
[1] "D:/R-4.3.0/library/haven/examples/iris.sav"
> read_sav(path)
# A tibble: 150 × 5
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species   
          <dbl>       <dbl>        <dbl>       <dbl> <dbl+lbl> 
 1          5.1         3.5          1.4         0.2 1 [setosa]
 2          4.9         3            1.4         0.2 1 [setosa]
 3          4.7         3.2          1.3         0.2 1 [setosa]
 4          4.6         3.1          1.5         0.2 1 [setosa]
 5          5           3.6          1.4         0.2 1 [setosa]
 6          5.4         3.9          1.7         0.4 1 [setosa]
 7          4.6         3.4          1.4         0.3 1 [setosa]
 8          5           3.4          1.5         0.2 1 [setosa]
 9          4.4         2.9          1.4         0.2 1 [setosa]
10          4.9         3.1          1.5         0.1 1 [setosa]
# ℹ 140 more rows
# ℹ Use `print(n = ...)` to see more rows

#读取STATA数据
> path <- system.file("examples","iris.dta",package = "haven")
> path
[1] "D:/R-4.3.0/library/haven/examples/iris.dta"
> read_dta(path)
# A tibble: 150 × 5
   sepallength sepalwidth petallength petalwidth species
         <dbl>      <dbl>       <dbl>      <dbl> <chr>  
 1        5.10       3.5         1.40      0.200 setosa 2        4.90       3           1.40      0.200 setosa 3        4.70       3.20        1.30      0.200 setosa 4        4.60       3.10        1.5       0.200 setosa 5        5          3.60        1.40      0.200 setosa 6        5.40       3.90        1.70      0.400 setosa 7        4.60       3.40        1.40      0.300 setosa 8        5          3.40        1.5       0.200 setosa 9        4.40       2.90        1.40      0.200 setosa 
10        4.90       3.10        1.5       0.100 setosa 
# ℹ 140 more rows
# ℹ Use `print(n = ...)` to see more rows

  • 将R语言环境中的数据转换为SAS、SPSS、STATA
    write_sas( )、write_sav( )、write_dta( )的第一个参数是源数据集，第二个参数是数据保存的路径。
Vickie_wwq
关注
  • 0
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
R语言读取数据代码示例
03-22
该资源内涵读取数代码的示例，可以读取txt、csv、tsv、nc栅格数据等数据，不用于商业，适合入门新手下载学习，大佬请绕路，
R—读取数据（导入csv,txt,excel文件）
Gremmie的博客
04-24 6017
read.table函数：read.table函数以数据框的格式读入数据，所以适合读取混合模式的数据，但是要求每列的数据数据类型相同。一般这些参数足够使用，但是当导入大量数据时可能吃不消，下面一些参数可能有所帮助（其他用途当然也可以）。读取大量数据时，在不加内存的情况下预先分配内存是很好的选择。首先reaadLines函数可以获得数据的行数（注意L为大写）。先判断数据量。：返回一个向量。当读取的数据为同一模式时，scan是最佳方式，默认读取数值型数据。若想读取其他类型，使用what=参数指定。
R极简教程-7：读取数据
Joshua_HIT的博客
06-26 8195
读取数据往往是进行数据分析的第一步，数据读取的方式很多，就R语言而言，常见的有几种：Load已经存好的RData，读取文本文件，读取excel文件，读取数据库文件，抓取网络数据。
R语言读写RData文件
Captain的专栏
06-09 171
RData文件存储的是对象,比如a=5 > num <- seq(0, 5, length.out=10) #创建对象num > num [1] 0.0000000 0.5555556 1.1111111 1.6666667 2.2222222 2.7777778 3.3333333 3.8888889 4.4444444 5.0000000 > save(num, f...
R语言小白学习笔记3—R语言读取数据
LL_2048的博客
02-02 9796
R语言小白学习笔记3—R语言读取数据笔记链接想说的话学习笔记3—R语言读取数据3.1 读取CSV文件3.1.1 read_delim函数3.1.2 fread函数3.2 读取Excel数据3.3 读取数据库数据3.4 读取其他统计工具数据3.5 读取R语言二进制文件3.6 读取R语言数据3.7 读取网页数据3.7.1读取HTML表格3.7.2抽取网页数据3.8 读取JOSN数据 笔记链接 学习笔记1—R语言基础. 学习笔记2—高级数据结构. 想说的话 我觉得R语言读取数据还是比较重要的，这章真的，遇到了特别
如何在R语言中读取数据
revivre的博客
11-13 4万+
读取数据有以下几种方式：     1.最常用的是采用读取表格数据的函数 read.table()以及read.csv().。这些函数读取一种以行列的格式存储数据的文本文件，然后在R中返回一个数据框。      2.readLines()用于逐行读取文本文件，实际上可以是任何格式的文件，在R中返回一个字符向量。      3.source()是读取R的重要函数，如果你有R代码例如函数或者其他东
R语言中 数据读取与写入
Megajojo的博客
08-21 3万+
R中其他读取： source  #读取R代码 dget    #读取R文件 load    #读取工作空间 一。R语言读取文本文件（.txt） 在R语言中，读取文本文件的函数可以是：read.table()、scan()、read.fwf()，也可以将.txt转换为.csv或.xlsx文件用其他函数读取。 1. read.table() 参数解释： file：字符型，用""分隔，...
R语言读取数据
weixin_45860475的博客
10-20 8126
R语言读取数据 Ctrl+Shift+PgDn ——>全选 1. 从剪切板读取 dat<-read.table("clipboard",header = T) dat 运行结果： 或 X=read.table("clipboard",header = T) #将剪切板数据读入数据框X中 head(X) #显示前6组数据 2. 从Excel文件读取 X=read.csv('C:\\Users\\Administrator\\Desktop\\data.csv') X 运行结果： R语言
RData数据读取和写入分析
热门推荐
zjguilai的博客
06-27 5万+
首先指定 load结果为一个对象 然后此对象的值 即为 str的 数据表名 然后使用 eval(parse(text = l)) 两个函数 将字符串 转可执行对象 即可完成重新赋值 l <- load(“D:\work\task\task_data\02_12306\get_inflection_point\data_ip_pv.Rdata”) head(l) [1] “data_ip_...
R语言数据分析教程与挖掘
01-06
基础入门：学习R语言的基本语法，如何读取、查看和处理数据，包括导入CSV文件，计算统计量等。 数据清洗与转换：涵盖缺失值填充、数据筛选、合并、重塑以及变量编码等预处理技术。 可视化探索：利用ggplot2等图形...
数据分析与R语言.rar
06-12
R是一套完整的数据处理、计算和制图软件系统。其功能包括：数据存储和处理系统；...R 语言配有专业的图形交互界面，对没有编程基础的用户也非常友好， R 语言上手入门极快，是学习数据分析、数据挖掘的最佳编程语言。
R语言读取大文件数据（分块读）
03-10
R语言读取大文件数据（分块读）
R语言大作业，实现数据挖掘与分析（内含报告20页，r语言代码200余行，多个数据集，数据集字段说明）
06-07
使用R语言对英雄联盟2020年中韩联赛数据进行数据预处理，分析，可视化，描述性统计，图形化展示（ggplot2），推断性统计，并且使用了帕累托方法分析数据特征。 报告中体现分析目标，解决思路，步骤，核心r函数，...
R可视化：不同分页界面分组添加显著性标记符号
最新发布
H20230717的博客
04-29 112
不同分页界面分组添加显著性标记符号
StarRocks x Paimon 构建极速实时湖仓分析架构实践
StarRocks的博客
04-26 931
当前 StarRocks x Paimon 的能力主要包括：支持各类存储系统，包括 HDFS 以及对象存储 S3/OSS/OSS-HDFS支持 HMS 以及阿里云 DLF 元数据管理系统支持 Paimon 的 Primary Key 和 Append Only 表类型查询支持 Paimon 系统表的查询，常见例如 Read Optimized 表，snapshots 表等支持 Paimon 表和其他类型数据湖格式的关联查询支持 Paimon 表和 StarRocks 内表的关联查询。
Fisher判别示例：鸢尾花（iris）数据（R）
m0_62110645的博客
04-23 355
分析上述数据，对150个原始数据的回代判别中，只有3个错误，误判率为2%。
R可视化：Venn图进阶版本
H20230717的博客
04-29 303
Ven图进阶版本
【R语言】热力图
a11113112的博客
04-26 348
在一个热力图中，数据被组织成一个二维的矩阵，每个单元格代表一个数据点。单元格的颜色根据数据的数值大小进行着色，通常使用渐变色来表示不同数值的大小，比如较小的值可能用较浅的颜色，较大的值用较深的颜色。热力图是一种可视化数据的方法，通常用于显示矩阵或网格数据的模式和趋势。它的主要特点是使用颜色来表示数据的数值大小，从而让观察者可以直观地理解数据的分布情况。
怎么理解Fiber，Fiber解决了什么问题
读心悦
04-24 312
这个过程是基于Fiber节点来实现的，作为静态的数据结构来说，每一个Fiber节点对应一个React Element，保存组件的类型、对应的DOM节点信息。如果JavaScript线程长时间占用主线程，那么渲染引擎的线程就得长时间等待，页面长时间不更新，会导致页面的响应度变差，给用户的感觉就是页面很卡。JavaScript引擎和浏览器的渲染引擎两个线程是互斥的，当有一个线程在执行的时候，另一个线程只能挂起等待。从编码的角度来看，Fiber是React诶不定义的一种数据结构，它是Fiber树结构的节点单位。
R语言如何读取数据
05-24
R语言读取数据可以使用多种方式，以下是其中几个常用的方法： 1. 读取csv文件：可以使用read.csv()函数读取csv文件，该函数有很多参数可供设置，例如文件路径、分隔符、是否包含表头等。 示例代码： ``` mydata ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值