
如何在R语言中读取数据
读取数据有以下几种方式:
1.最常用的是采用读取表格数据的函数 read.table()以及read.csv().。这些函数读取一种以行列的格式存储数据的文本文件,然后在R中返回一个数据框。
2.readLines()用于逐行读取文本文件,实际上可以是任何格式的文件,在R中返回一个字符向量。
3.source()是读取R的重要函数,如果你有R代码例如函数或者其他东西写成的文件,都可以用source()将其中的代码读入R中。
4.dget()也可以用来读取R代码文件, 但它读取的是逆句法分析过后以文本文件储存的 R 对象 。
5.load()和unserialize()用于把二进制对象读入R
写入数据有以下几种方式,它们与读取数据一一对应:
1.read.table()是最常用的读入数据的函数,我们有必要了解它的参数是什么以及它们的意义:
第一个参数file,很明显是文件或者链接的名称,通常你提供的文件名都应当是字符串 ,它是你电脑上一个特定文件的路径。
第二个参数header是一个逻辑标志,表明第一行是否是表头 比如 第一行写了所有的变量名 那么这并不是实际数据的一部分 只是提供了标记的行 你要告诉 read.table 函数 第一行是否包含变量名 还是直接就是数据
第三个 参数是sep,表示分隔符 ,它是一个字符串 用于标示每一列是如何分隔的 假如你有一个文件用逗号分隔 那么分隔符就是逗号 有的时候会碰到分隔符是冒号、制表符或者空格的文件 这时候你就要告诉 read.table 函数分隔符是什么了
第四个参数是colClasses ,应当是一个字符向量 其长度应当与数据集的列数相等 这个字符向量表示 数据集中每一列数据的类 这么说吧 第一列数据是数值型的 第二列数据是逻辑型 第三列数据是因子 诸如此类 colClass 不是一个必须的向量 但它会告诉 read.table() 每一列数据的类型 。
第五个参数是nRows,它 是数据集中数据的行数 虽然不是必须的但有时也会用到。
第六个参数是comment.char,它 是字符串 表明文件中用于注释的字符 默认通常是井号 所有在注释符号后面的字符都会被忽略。
第七个参数是skip ,它指定了从文件开头往下忽略多少行 有的时候文件开头可能有一些头信息或者非数据区域 你想要跳过那些部分 所以你可以告诉 read.table 函数去跳过比如开头的 10 行或者是 100 行 然后从那里再开始读取数据
最后一个参数是stringAsFactors,默认为 TRUE 它的作用是 通过它可以选择是否把字符变量编码成因子 所以这是默认操作 每次 read.table() 遇到一列看起来像字符变量的数据 它就会假设你希望读入的 是一个因子变量 如果你不想把这一列设成因子变量 那么你可以把 stringAsFactors 设置为 FALSE
当你在使用的时候,你可以直接传入文件名,它会自动调配好剩下的部分。
read.table() 是等价的 除了 read.csv() 的默认分隔符是逗号 而 read.table() 的默认分隔符是空格外。 另外 read.csv() 会默认把 header 参数设置为 TRUE
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09