【R语言】数据的读取_r语言读取数据-程序员宅基地

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 
#  140 more rows
#  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
#  22 more rows
#  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
#  61 more rows
#  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 
#  140 more rows
#  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]
#  140 more rows
#  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 
#  140 more rows
#  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。

本文链接：https://blog.csdn.net/weixin_46155316/article/details/131380536

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

c# 调用c++ lib静态库_c#调用lib-程序员宅基地

文章浏览阅读2w次，点赞7次，收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案，在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建：添加Visual C++ , Win32 项目这......_c#调用lib

deepin/ubuntu安装苹方字体-程序员宅基地

文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体，挺好看的。注重颜值的网站都会使用，例如知乎：font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang

html表单常见操作汇总_html表单的处理程序有那些-程序员宅基地

文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--method将表单中的数据传送给服务器处理，get方式直接显示在url地址中，数据可以被缓存，且长度有限制；而post方式数据隐藏传输，_html表单的处理程序有那些

PHP设置谷歌验证器（Google Authenticator）实现操作二步验证_php otp 验证器-程序员宅基地

文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证（即Google Authenticator服务）后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器

【Python】matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距-程序员宅基地

文章浏览阅读4.3k次，点赞5次，收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距

docker — 容器存储_docker 保存容器-程序员宅基地

文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节，实现了多层数据的堆叠，为用户提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制（CoW）策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的，不建议用于生成环境。_docker 保存容器

随便推点

网络拓扑结构_网络拓扑csdn-程序员宅基地

文章浏览阅读834次，点赞27次，收藏13次。网络拓扑结构是指计算机网络中各组件（如计算机、服务器、打印机、路由器、交换机等设备）及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式，也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn

JS重写Date函数，兼容IOS系统_date.prototype 将所有 ios-程序员宅基地

文章浏览阅读1.8k次，点赞5次，收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时，通常的做法是：new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的，而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠，也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑，需要做一些额外的特殊处理，笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数，一劳永逸，避免每次ne_date.prototype 将所有 ios