R—讀取數據（導入csv,txt,excel文件）

導入CSV、TXT文件

read.table函數：read.table函數以數據框的格式讀入數據，所以適合讀取混合模式的數據，但是要求每列的數據數據類型相同。

read.table讀取數據非常方便，通常只需要文件路徑、URL或連接對象就可以了，也接受非常豐富的參數設置：

• file參數：這是必須的，可以是相對路徑或者絕對路徑（注意：Windows下路徑要用斜杠'/'或者雙反斜杠'\\'）。
• header參數：默認為FALSE即數據框的列名為V1,V2...,設置為TRUE時第一行作為列名。

data1<-read.table('item.csv')#默認header=FALSE
data2<-read.table('item.csv',header=TRUE)

• sep參數：分隔符，默認為空格。可以設置為逗號(comma)sep=','，分號(semicolon)sep=';'和制表符(tab)。
• read.csv、read.csv2、read.delim是read.table函數的包裝，分隔符分別對應逗號，分號，制表符，同樣接受read.table所有參數。
• read.csv函數header參數默認為TRUE，不同於read.table。

data3<-read.csv('item.csv',sep=',',header=TRUE)
data4<-read.table('item.csv')
#下文示例采用read.csv函數，兩種寫法效果相同

• 字符型數據讀入時自動轉換為因子，因子是R中的變量，它只能取有限的幾個不同值，將數據保存為因子可確保模型函數能夠正確處理。But當變量作為簡單字符串使用時可能出錯。要想防止轉換為因子：1.令參數stringAsFactors=FALSE,防止導入的數據任何的因子轉換。2.更改系統選項options(stringsAsFactors=FALSE)3.指定抑制轉換的列：as.is=參數。通過一個索引向量指定，或者一個邏輯向量，需要轉換的列取值FALSE,不需要轉換的列取值TRUE。

data5<-read.csv('item.csv',stringAsFactors=FALSE)

• 如果數據集中含有中文，直接導入很有可能不識別中文，這時加上參數fileEncoding='utf-8'

read.csv('data.csv',fileEncoding='utf-8')

一般這些參數足夠使用，但是當導入大量數據時可能吃不消，下面一些參數可能有所幫助（其他用途當然也可以）。

讀取大量數據時，在不加內存的情況下預先分配內存是很好的選擇。

首先reaadLines函數可以獲得數據的行數（注意L為大寫）。先判斷數據量。

lines<-readLines('item.csv')

• comment.char：注釋默認是#后面的內容，也可以設置為其他字符。若數據中沒有注釋，則令comment.char=''可以加快讀取速度。

#若不包含注釋（默認為#），設置comment.cahr=''可能加快讀取速度，也可以指定注釋字符
data3<-read.csv('item.csv',comment.char='')

• nrows：讀取最大行數，再加上header。讀取大量數據時可以讀取其中一部分。

data4<-read.csv('item.csv',comment.char='',nrows=10)#讀取前10行數據和header

• skip：指定從文件開頭跳過的行數，再加上header。

#skip指定從文件開頭（不包括header)跳過的行數
data5<-read.csv('item.csv',comment.char='',nrows=10,skip=2)#跳過前兩行和header

• colClasses：指示每一列的數據類型，先分析一部分數據得到數據類型，然后指定數據類型可以加快讀取速度。另外：“NULL”指示跳過該列，不加引號的NA軟件自動識別。

#colClasses指示每一列的數據類型
classes<-sapply(data9,class)
data6<-read.csv('user.csv',colClasses=classes)
#NULL跳過該列
data7<-read.csv('user.csv',colClasses=list('integer','NULL','factor'))
#不加引號的NA，軟件自動識別該列
data8<-read.csv('user.csv',colClasses=NA)

scan函數：返回一個向量。當讀取的數據為同一模式時，scan是最佳方式，默認讀取數值型數據。

若想讀取其他類型，使用what=參數指定。讀取大數據文件時，若想跳過某一列數據，可以在what=參數列表中使用NULL。

scan函數通常用來讀取數據矩陣，嵌入matrix函數中使用。

value<=scan('1.csv',what=c(f1=0,NULL,f3='',rep(list(NULL),6),f10=0))
#第一列、第十列為數值類型，f3=''表示第三列為字符型數據，第二列和第四列到第九列跳過。rep函數不能復制null，故用列表形式添加多個NULL
data<-matrix(scan(),ncol=5,byrow=TRUE)
#scan()返回一個向量，ncol=5表示組成的矩陣為五列，矩陣默認為按列存儲也可通過設置byrow=TRUE為按列存儲。

固定寬度讀取數據：read.fwf函數，header=參數，as.is=參數,sep=參數等，同read.table。widths=參數是一個向量，向量值是要讀入的字段寬度，負數表示跳過。

讀取Excel文件

如果可能的話盡量將Excel文件另保存為CSV文件，方便導入。但是無論保存為CSV還是TXT文件，都只能保存當前活動的工作表。

readxl包 可以很方便的讀取,且各個系統都通用。如果只是讀取的話，無疑是非常方便的方法。

只需要下載readxl包，用read_excel函數讀取就可以了，並且同時支持老版本的.xls格式和新版本的.xlsx格式。

#下載和引用
install.packages("readxl")
library(readxl)

#讀取Excel
read_excel("old_excel.xls")
read_excel("new_excel.xlsx")

#sheet參數，指定sheet名或者數字
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：只基於Windows

• 1.安裝包和引用RODBC包,安裝不加引號，引入不加引號。
• 2.連接Excel表格文件。.xls格式的Excel用odbcConnectExcel函數，.xlsx格式的Excel用odbcConnectExcel2007函數。
• 3.讀取數據：sqlFetch函數，其中默認Excel表格第一行作為列的變量名。
• 4.斷開連接。

#安裝和引用RODBC包，安裝不加引號，引入不加引號
install.packages("RODBC")
library(RODBC)

#創建連接
connect<-odbcConnectExcel('secert.xls')

#讀取Excel表格，其中A為Sheet名（支持中文）
sqlFetch(connect,'A')

#關閉R與Excel表格的連接
odbcClose(connect)

XLConnect包：

• 1.安裝包和引用XLConnect包。
• 2.連接Excel表格文件：loadWorkbook函數
• 3.讀取數據：readWorksheet函數（connect,'Sheet名'）,同樣默認Excel表格第一行作為列的變量名。

各個系統通用，並且不只是支持讀取，也可以寫入。

#安裝和引用XLConnect包
install.packages('XLConnect')
library(XLConnect)

#連接
connect<-loadWorkbook('secert.xlsx')

#讀取，A為Sheet名
readWorksheet(connect,'A')