R学习笔记系列—R语言从文本和Excel文件中读取数据

1.4.1 从文本文件中导入数据

可以使用 read.table() 函数从带分隔符的文本文件中导入数。调用格式为：

这个函数看上去很复杂，但其实很多参数在使用时不用明确指出来，使用默认值可以满足绝大部分情况，因此实际使用还是比较简单的，下面我们简单介绍一下参数含义。

• file： 字符型，文件名称，要从中读取文件的完整路径。

• header： 逻辑型，指定是否在首行包含变量名，默认为 FALSE。

• sep： 字符型，分割字符，默认为""，代表空白字符，包括空格（一个或多个）、制表符、 换行符、回车

• dec： 字符型，指定小数点字符，默认为"."，一般不用修改。

• numerals: 字符型，在数字转换会损失精度时的处理方法，allow.loss 表示允许精度损失；warn.loss 允许精度损失，但显示一条警告信息;no.loss 不允许精度损失，即转换为数字，而是转换为因子或者不转换，保留字符串形式。

• row.names 字符向量，为行指定名称。

• col.names 字符向量，为列指定名称，若列名在第一行定义好了，可不用。

• stringAsFactors： 逻辑型，是否将字符串自动编码为因子，默认为 TRUE。

• na.strings： 字符向量，定义代表缺失值的字符串，比如c("N",".")会将 "N" 和"." 两个字符读取为缺失值，默认为 "NA"。

• colClasses： 字符向量为列指定类型，比如c("numeric","character")指定第一列为数值型，第二列为字符型，若将某列指定为字符串，则不会将其自动编码为因子。

• nrows： 数值型，读取的最大行数，负数为不限制。

• skip： 数值型，读取前跳过的行数。

• check.names： 逻辑型，是否检查变量名在 R 中的有效性，默认为 TRUE。

• fill： 逻辑型，是否自动填充空白值，若各变量行数不一致，是否为空白列添加空白值。

• strip.white： 逻辑型，是否自动过滤掉字符型变量前后的空格。

• comment.char： 字符型，注释字符，以此字符开头的行将被忽略。

• blank.lines.skip 逻辑型，是否忽略空白行,默认为 TRUE。

• allowEscapes： 逻辑型，是否处理 C 语言风格的转意符。

• text： 字符型，直接指定要读取的字符串，此时 file 应该为空。

• encoding： 字符型，输入文本的编码，若出现乱码，请尝试更改此选项。

• fileEncoding： 字符型，文件编码，若出现乱码，请尝试更改此选项。

假定我们有一个文本文件,students.txt,记录了6个学生的性别、身高和体重情况，其内容如下：

那么我们可以用以下方式读取：

read.table() 是读取按行列组织的数据的基础方式，其它同类函数，比如 read.csv() 等其实是用特定的选项调用了 read.table() 函数。在 read.table() 函数时，应尽量注意以下几点。

1. 建议明确地在首行定义变量名，并加上参数 header = TRUE。

2. 默认的分隔符为"",可以用空格、制表符、换行符等空白字符分割内容,若非空白分割，则需明确指出。

3. 字符型变量会被自动转换为因子型，在读大型文件时，将 stringsAsFactors 设置为 False，能加快读取速度。

4. 默认情况下，read.table 用 # 作为注释标识字符。如果碰到该字符（除了在被引用的字符串内），该行中随后的内容将会被忽略。

5. read.table()会尽量为每个变量选择合适的数据类型，若你想明确指定请用colClasses，或者生成后根据需要修改。

6. 若读中文时出现乱码，请尝试改变编码

1.4.2 从 Excel 表格中读取

从 Excel 里读取数据最简单的办法就是将 Excel 表格存储为以逗号分割的 csv 文件，然后用 read.csv() 函数读取。read.csv() 函数其实就是 read.table() 的定制版，其用法与 read.table() 基本一致。

若要直接读取 Excel 文件，则需安装专门的包，本书推荐 readxl 包。

readxl 中有若干读取 Excel 数据的函数，最常用的是 read.excel()。调用格式为：

path： 字符型，文件路径sheet： 字符型或数值型。若为字符型，则指定 Sheet 名;若为数值，则指定 Sheet 的位置;若不指定，默认第一个Sheetrange： 字符型或数值型，读取的单元格范围，比较复杂，请查看文档col_names： 逻辑型或字符型向量；若为逻辑型，则指定是否将第一行作为变量名；若为字符向量，则直接定义各列名col_types： 字符型向量，定义各列数据类型，比如c("numeric","character")；若不指定，则自动匹配na： 字符型向量，指定读取为缺失值的字符串 ，默认情况下，会将空单元格读取为缺失值trim_ws： 逻辑型，是否自动过滤掉字符型变量前后的空白（空格、制表符、换行符skip： 数值型，读取前跳过的行数，因为空白的行会自动跳过，所以这是最小的被跳过的行数n_max： 数值型，最大读取行数guess_max： 数值型，猜测列类别时，检测的最大行数

假如，在 d 盘有一名为 students.xls 的 Excel 文件，你可以通过如下方式读取。

喜欢闲适安静的生活，懂一点计算机编程，懂一点统计学和数据分析。（爱编程爱统计）