R—读取数据（导入csv,txt,excel文件）
转自：http://www.cnblogs.com/zhangduo/p/4440314.html
导入CSV、TXT文件
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。
read.table读取数据非常方便，通常只需要文件路径、URL或连接对象就可以了，也接受非常丰富的参数设置：
- file参数：这是必须的，可以是相对路径或者绝对路径（注意：Windows下路径要用斜杠'/'或者双反斜杠'\\'）。补充：关于路径，博主此处写的有误，用“//”、“/”
- header参数：默认为FALSE即数据框的列名为V1,V2...,设置为TRUE时第一行作为列名。
|
1
2
|
data1<-
read.table
(
'item.csv'
)
#默认header=FALSE
data2<-
read.table
(
'item.csv'
,header=
TRUE
)
|
- sep参数：分隔符，默认为空格。可以设置为逗号(comma)sep=','，分号(semicolon)sep=';'和制表符(tab)。
- read.csv、read.csv2、read.delim是read.table函数的包装，分隔符分别对应逗号，分号，制表符，同样接受read.table所有参数。
- read.csv函数header参数默认为TRUE，不同于read.table。
|
1
2
3
|
data3<-
read.csv
(
'item.csv'
,sep=
','
,header=
TRUE
)
data4<-
read.table
(
'item.csv'
)
#下文示例采用read.csv函数，两种写法效果相同
|
- 字符型数据读入时自动转换为因子，因子是R中的变量，它只能取有限的几个不同值，将数据保存为因子可确保模型函数能够正确处理。But当变量作为简单字符串使用时可能出错。要想防止转换为因子：1.令参数stringAsFactors=FALSE,防止导入的数据任何的因子转换。2.更改系统选项options(stringsAsFactors=FALSE)3.指定抑制转换的列：as.is=参数。通过一个索引向量指定，或者一个逻辑向量，需要转换的列取值FALSE,不需要转换的列取值TRUE。
|
1
|
data5<-
read.csv
(
'item.csv'
,stringAsFactors=
FALSE
)
|
- 如果数据集中含有中文，直接导入很有可能不识别中文，这时加上参数fileEncoding='utf-8'
|
1
|
read.csv
(
'data.csv'
,fileEncoding=
'utf-8'
)
|
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。
|
1
|
lines<-
readLines
(
'item.csv'
)
|
- comment.char：注释默认是#后面的内容，也可以设置为其他字符。若数据中没有注释，则令comment.char=''可以加快读取速度。
|
1
2
|
#若不包含注释（默认为#），设置comment.cahr=''可能加快读取速度，也可以指定注释字符
data3<-
read.csv
(
'item.csv'
,comment.char=
''
)
|
- nrows：读取最大行数，再加上header。读取大量数据时可以读取其中一部分。
|
1
|
data4<-
read.csv
(
'item.csv'
,comment.char=
''
,nrows=10)
#读取前10行数据和header
|
- skip：指定从文件开头跳过的行数，再加上header。
|
1
2
|
#skip指定从文件开头（不包括header)跳过的行数
data5<-
read.csv
(
'item.csv'
,comment.char=
''
,nrows=10,skip=2)
#跳过前两行和header
|
- colClasses：指示每一列的数据类型，先分析一部分数据得到数据类型，然后指定数据类型可以加快读取速度。另外：“NULL”指示跳过该列，不加引号的NA软件自动识别。
|
1
2
3
4
5
6
7
|
#colClasses指示每一列的数据类型
classes<-
sapply
(data9,class)
data6<-
read.csv
(
'user.csv'
,colClasses=classes)
#NULL跳过该列
data7<-
read.csv
(
'user.csv'
,colClasses=
list
(
'integer'
,
'NULL'
,
'factor'
))
#不加引号的NA，软件自动识别该列
data8<-
read.csv
(
'user.csv'
,colClasses=
NA
)
|
scan函数：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。读取大数据文件时，若想跳过某一列数据，可以在what=参数列表中使用NULL。
scan函数通常用来读取数据矩阵，嵌入matrix函数中使用。
|
1
2
3
4
|
value<=
scan
(
'1.csv'
,what=
c
(f1=0,
NULL
,f3=
''
,
rep
(
list
(
NULL
),6),f10=0))
#第一列、第十列为数值类型，f3=''表示第三列为字符型数据，第二列和第四列到第九列跳过。rep函数不能复制null，故用列表形式添加多个NULL
data<-
matrix
(
scan
(),ncol=5,byrow=
TRUE
)
#scan()返回一个向量，ncol=5表示组成的矩阵为五列，矩阵默认为按列存储也可通过设置byrow=TRUE为按列存储。
|
read.fwf函数，header=参数，as.is=参数,sep=参数等，同read.table。widths=参数是一个向量，向量值是要读入的字段宽度，负数表示跳过。
读取Excel文件
如果可能的话尽量将Excel文件另保存为CSV文件，方便导入。但是无论保存为CSV还是TXT文件，都只能保存当前活动的工作表。
readxl包 可以很方便的读取,且各个系统都通用。如果只是读取的话，无疑是非常方便的方法。
只需要下载readxl包，用read_excel函数读取就可以了，并且同时支持老版本的.xls格式和新版本的.xlsx格式。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
#下载和引用
install.packages
(
"readxl"
)
library
(readxl)
#读取Excel
read_excel
(
"old_excel.xls"
)
read_excel
(
"new_excel.xlsx"
)
#sheet参数，指定sheet名或者数字
read_excel
(
"excel.xls"
,sheet=2)
read_excel
(
"excel.xls"
,sheet=
"data"
)
# If NAs are represented by something other than blank cells,
# set the na argument
read_excel
(
"excel.xls"
, na =
"NA"
)
|
RODBC包：只基于Windows
- 1.安装包和引用RODBC包,安装不加引号，引入不加引号。
- 2.连接Excel表格文件。.xls格式的Excel用odbcConnectExcel函数，.xlsx格式的Excel用odbcConnectExcel2007函数。
- 3.读取数据：sqlFetch函数，其中默认Excel表格第一行作为列的变量名。
- 4.断开连接。
|
1
2
3
4
5
6
7
8
9
10
11
12
|
#安装和引用RODBC包，安装不加引号，引入不加引号
install.packages
(
"RODBC"
)
library
(RODBC)
#创建连接
connect<-
odbcConnectExcel
(
'secert.xls'
)
#读取Excel表格，其中A为Sheet名（支持中文）
sqlFetch
(connect,
'A'
)
#关闭R与Excel表格的连接
odbcClose
(connect)
|
XLConnect包：
- 1.安装包和引用XLConnect包。
- 2.连接Excel表格文件：loadWorkbook函数
- 3.读取数据：readWorksheet函数（connect,'Sheet名'）,同样默认Excel表格第一行作为列的变量名。
各个系统通用，并且不只是支持读取，也可以写入。
|
1
2
3
4
5
6
7
8
9
|
#安装和引用XLConnect包
install.packages
(
'XLConnect'
)
library
(XLConnect)
#连接
connect<-
loadWorkbook
(
'secert.xlsx'
)
#读取，A为Sheet名
readWorksheet
(connect,
'A'
)
|