R语言读入数据

R语言读入数据

已有 3385 次阅读 2012-10-9 15:21 |个人分类:R语言学习|系统分类:科研笔记|关键词:R注入数据

一、   R 导入文本文件

 

R中导入数据的基本命令是scan()。比较常用的命令有read.table()、read.csv()、read.fwf()等，这些命令其实在内部也是通过调用scan()实现的，它们可以看作是scan()的简化。

R从使用分界符的文本(delimited text)读取数据到数据框的命令为read.table()。关于此文本的格式，有以下要求：

• 行的分界符为换行/回车，列的分界符为空格或制表符(TAB)。
• 特别注意，R把任意多个连续的空格或制表符只算作一个。
• 由于R把连续空格或制表符只算作一个，如果数据表中有空缺的单元格，将会导致R读入时列发生错位。
• 如果数据表中有空缺的单元格，一定要用NA来表示缺失的数据，否则将会导致读入数据错位。
• 一般来说第一行用来存放变量名。如果第一行不是变量名，R用“V1, V2, …”来命名变量。
• 为了以后方便地跟踪数据，应当设置ID列。一般来说第一列用来存放ID。
• 如果变量名比数据列少一个，R将假定第一列为ID列。

读取符合以上要求的文本文件的最简单的命令为：

mydata <- read.table("mydata.txt")

保存数据为文本文件的命令为write.table()。最简单的用法为：

write.table(mydata, file="mydata.txt")

 

1.1    CSV格式

最常见的一种数据文本文件格式为CSV(comma separated value)文件，采用逗号作为分界符，第一行为变量名，第一列为id，缺失值用空格表示。读取CSV文件的命令为：

mydata <- read.table("mydata.csv", header=TRUE, sep=",", row.names="id", na.strings=" ")

R中也有专门的读取CSV文件的命令read.csv()。一般的用法为：

mydata <- read.csv("mydata.csv", row.names="id", na.strings=" ")

 

1.2    定宽格式

从定宽(fixed-width)格式读取数据的命令为read.fwf()。定宽格式中只有数据值，没有变量名，数据列之间没有分界符。每一列数据的宽度一定。例如：

mydata <- read.fwf(file="mydata.txt", width=c(1,1,2), col.names=c("id","gender","age"), row.names="id")

read.fwf()其实在内部是首先将定宽文本读入、分割列，然后调用read.table()来实现的。

另外，read.fortran()读入的是按Fortran的规范来格式化的定宽文本文件。

1.3     DIF格式

从数据交换格式(DIF, Data Interchange Format)读取数据的命令为read.DIF()。

Excel的剪贴板就是使用这种格式来存储数据的，因此可以用这一命令来读取剪贴板中的Excel数据，其最简单的调用为：

mydata <- read.DIF("clipboard")

 

1.4    指定数据列

因为R的所有数据运算都在内存中运行，节省内存空间在实践中是非常重要的。在读入数据后，所有的数据都被放入内存。为了节省内存的使用，在读取数据时就应当有选择地只读入对当前任务有用的数据。

read.table()函数可以通过colClasses参数来实现对数据列的选择。colClasses参数引用一个字符矢量。colClasses参数的本意是设定每一列的数值类型，但是可以通过设定NULL类型来跳过不需要的数据列。比如：

mydata <- read.table("mydata.txt", colClasses=c("integer", "character", "NULL", "logical"))

通过使用上面的命令，读取的数据就跳过了数据文件中的第3列。使用colClasses参数必须指明每一列的类型。使用colClasses参数可以大幅提升数据的读入速度。

在读取定宽文本文件(fixed-width file)时选择列的方法是设定列宽为负数。例如：

mydata <- read.fwf(file="mydata.txt", width=c(1,-1,2), col.names=c("id","gender","age"), row.names="id")

通过使用上面的命令，读取的数据就跳过了数据文件中的第2列。

 

1.5    使用scan()命令

read.table()和read.fwf()都是通过调用scan()来实现的。在某些时候直接使用scan()可以更快速的读取数据。

比如读入一个200*2000的数值矩阵可以采用：

mymatrix <- matrix(scan("matrix.dat", n = 200*2000), 200, 2000, byrow = TRUE)

如果用read.table()那么其命令为：

mymatrix <- as.matrix(read.table("matrix.dat"))

第二种方式所花的时间是第一种方式的10倍。

scan()命令中使用what参数来设定所读入的数据类型，设定恰当的what参数可以大幅提高数据的读入速度。

scan()命令还能从键盘读入数据。

可使用foreign包导入外部格式的数据。

• EpiInfo：read.epiinfo()
• Minitab Portable Worksheet：read.mtp()
• SAS Transport (XPORT)：read.xport()
• S-PLUS：read.S()
• S-PLUS data dumps：data.restore()
• SPSS：read.spss()
• Stata：read.dta()
• Systat：read.systat()

二、  R 导入其它统计软件的数据

R 导入二进制文件：使用readBin()和writeBin()函数来读写。

可以使用foreign包来导出数据。导出数据的命令为write.foreign()。

也可使用Hmisc包导入外部格式的数据。

• SAS：sasxport.get()
• SPSS：spss.get()