您的位置：首页 > 其它

R语言笔记2：读写数据所需的主要函数、与外部环境交互

2018-02-27 13:17 489 查看

Getting Data In and Out of R

（一）读取数据

读取数据所需的几种函数：

read.table
、
read.csv
：最常用的读取列表数据函数，可返回数据框形式。

readLines
：逐行读取文本文件，返回一个字符向量

source
：读取R代码、脚本

dget
：读取R代码（读取的是以逆句法分析后以文本文件储存的R对象）

load
、
unserialize
：把二进制对象读入R

read.table()参数：

file
：文件名（字符串，即文件路径）

header
：逻辑标志，表明第一行是否有表头、行名（是变量名还是数据）

sep
：分隔符（字符串，表明每一列是怎么分隔的，可能是逗号、冒号、空格等）

colClasses
：字符向量（长度=数据集列数）说明数据集中每一列数据的类别

nrows
：数据集中数据的行数

comment.char
：字符串（用于表明文件中注释的字符）

skip
：指定文件（非数据区域）从上到下多少行可忽略

stringsAsFactors
：选择是否把文字变量编码为因子，默认为TRUE

将文件存至Rstudio识别的路径

在
read.table()
函数中填写文件名之前，需要将文件存到正确的路径中

> ## 查看保存路径
> getwd()
[1] "d:/Program Files/RStudio"
> ## 修改保存路径
> setwd("E:/read data")
> ## 读取文件
> read.csv(data.csv, TRUE)
>
> ## 运行文件
> data <- read.csv("data.csv", header = FALSE)
> data


读取中小型数据集时

直接写文件名

> data <- read.table("foo.txt")


读取大型数据集时

你需要先清楚该数据占多大内存，如果不设置其他参数，R会默认将整个数据集都载入内存中。

如果文件中没有注释行的话，那可以把 
comment.char
设置为空，即 
comment.char=""


colClasses
参数很重要，如果不设置，R会扫描每一列数据并判断其类型，非常耗费时间。

如果所有列都是同一数据类型，可以直接统一设置 
colClasses = numeric


如果所有列的数据类型不统一，可以通过设定
nrow()
参数，如下

initial <- read.table("datatable.txt", nrows = 100)          #先读前100行
classes <- sapply (initial, class)                           #sapply()遍历每一列，调用class函数告诉你每一列的数据类型，然后将这些信息储存在classes中，
tabALL <- read.table("datatable.txt", colClasses = classes)  #读取整个数据时，使用classes中的信息来指定colClasses）


（二）写入数据

与读取数据所用函数相对应的写入数据函数：

write.table
、
write.csv


writeLines


dump


dput


save
、
serialize


（三）输出函数

dump()
和 
dput()
是两种重要的输出函数，用于储存格式和数据。

它们可以包含更多元的数据，属于文本格式但是和表格形式有所不同。如果你对数据框使用
dump()
和 
dput()
函数，输出结果包括数据框每一列的数据类型，这样读取的是后就不用再次指定类别了。

source
和 
dget
函数可以读取未经
dump()
和 
dput()
输出的数据

dput()

dput()
可以生成一些代码，这些代码可用于重建R对象：

> ## Create a data frame
> y <- data.frame(a = 1, b = "a")
> ## Print 'dput' output to console
> dput(y)
structure(list(a = 1, b = structure(1L, .Label = "a", class = "factor")), .Names = c("a",
"b"), row.names = c(NA, -1L), class = "data.frame")


输出也可以直接保存到文件中，然后通过
dget()
读取：

> ## Send 'dput' output to a file
> dput(y, file = "y.R")
> ## Read in 'dput' output from a file
> new.y <- dget("y.R")
> new.y
a b
1 1 a


dump()

dump()
函数和
dget()
类似，区别是后者只能对单一R对象使用，而
dump()
可作用于多个R对象，接受的是一个包含对象名字的字符向量。

> ##创建两个对象x和y
> x <- "foo"
> y <- data.frame(a = 1L, b = "a")
> ## 传递dump参数，包含对象的名字，以及另一个文件名，即将这些对象储存在这个文件中
> dump(c("x", "y"), file = "data.R")
> ##删除两个对象
> rm(x, y)
> ##对储存对象调用source函数
> source("data.R")
> ##重建x, y
> str(y)
'data.frame':   1 obs. of  2 variables:
$ a: int 1
$ b: Factor w/ 1 level "a": 1
> x
[1] "foo"


（四）与外部环境交互

R通过一些主要函数与外界交互，建立联系。

最常见的联系是与文件建立关联。如
file()
读取文本文件 、
gzfile()
和
bzfile()
读取压缩文件等。 
url()
可用于与网页建立联系。

联系交互背后的思想是它提炼出与不同类型的R外部对象建立联系的机制。

file函数的几种参数

其中，description是文件名，open参数需要一个标识，包括r（读取，reading），w（写入，writing），a（附加，appending），rb、wb和ab分别表示读取、写入和附加二进制文件。

> str(file)
function (description = "", open = "", blocking = TRUE, encoding = getOption("encoding"),
raw = FALSE, method = getOption("url.method", "default"))


举例，查看名为”foo.txt”的csv.文件

> ## Create a connection to 'foo.txt'
> con <- file("foo.txt")
>
> ## Open connection to 'foo.txt' in read-only mode
> open(con, "r")
>
> ## Read from the connection
> data <- read.csv(con)
>
> ## Close the connection
> close(con)


以上三行命令和直接使用read.csv函数的效果一样，因此建立联系的必要性不大

> data <- read.csv("foo.txt")


但是当你只想读取文件的一部分的话，联系是有必要的。例如，建立联系后，使用readLines函数读取文件前10行：

> ## Open connection to gz-compressed text file
> con <- gzfile("words.gz")
> x <- readLines(con, 10)
> x
[1] "1080"     "10-point" "10th"     "11-point" "12-point" "16-point"
[7] "18-point" "1st"      "2"        "20-point"


读取网页数据

首先使用
url()
函数与网页建立联系。然后通过readLines函数来读取文本。这是除了
read.table()
和
read.csv()
之外用来读取数据的另外一种方式。

> ## Open a URL connection for reading
> con <- url("http://www.jhsph.edu", "r")
>
> ## Read the web page
> x <- readLines(con)
>
> ## Print out the first few lines
> head(x)
[1] "<!DOCTYPE html>"
[2] "<html lang=\"en\">"
[3] ""
[4] "<head>"
[5] "<meta charset=\"utf-8\" />"
[6] "<title>Johns Hopkins Bloomberg School of Public Health</title>"


参考资料：

1. Coursera视频课程：https://www.coursera.org/learn/r-programming/home/welcome R Programming, Johns Hopkins University

2. https://bookdown.org/rdpeng/rprogdatascience/R Programming for Data Science

3. 《R语言实战》 Robert I. Kabacoff
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息
标签： 
相关文章推荐
新的分享
章节导航