參考：https://www.cnblogs.com/zhangduo/p/4440314.html
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。
|
1
2
|
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。
|
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。
|
1
|
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'
|
1
|
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。
|
1
|
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。
|
1
2
|
#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。
|
1
|
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。
|
1
2
|
#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。
|
1
2
3
4
5
6
7
|
#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。
|
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。
|
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。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
#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。
|
1
2
3
4
5
6
7
8
9
10
11
12
|
#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。
|
1
2
3
4
5
6
7
8
9
|
#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'
)
|