大数据分析（三）：使用R读取CSV数据

CSV数据

逗号分隔值（Comma-Separated Values，CSV，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。纯文本意味着该文件是一个字符序列，不含必须像二进制数字那样被解读的数据。CSV文件由任意数目的记录组成，记录间以某种换行符分隔；每条记录由字段组成，字段间的分隔符是其它字符或字符串，最常见的是逗号或制表符。通常，所有记录都有完全相同的字段序列。

CSV也是一种常用的数据格式，其特点是纯文本，读取和存储简单。目前很多BI系统或者大数据平台也支持直接对接CSV文件。比如Hadoop Hive平台默认的数据存储格式就是CSV。

在R中读取和保存CSV文件非常简单，不需要像读取EXCEL文件那样下载其他的package，因为R本身就支持CSV文件的读取。依然以学生信息数据为例，

CSV数据

因为CSV文件为纯文本格式，所以可以方便的用记事本进行编辑，数据分隔符默认为逗号（EXCEL的打开可就没有这么方便咯，有探索精神的童鞋可以用记事本编辑下EXCEL试试^_）。

直接在R环境中输入如下命令：

> stu_data <- read.csv(file="download/stu.csv", header=T)

上述命令中的file参数表示csv文件的路径，header参数表示是否将csv文件的第一行作为列名，header参数默认是T(true)。如果没有错误提示则表示读取成功，然后可以用class(stu_data)来查看stu_data的数据类型：

> class(stu_data)

也可以用head(stu_data)来查看stu_data中的数据内容：

> head(stu_data)

R中查看CSV数据

以上结果为header=T时，第一行数据会被作为列名，而不是作为实际的数据。如果header=F时，那结果会是下面的样子：

header=F时的数据

大家可以看上面两幅图中的第一行的数据，就明白header参数设置的意义了。

至此，使用R语言读取CSV中的数据就完成了。后续就可以利用R来处理这些数据了。

• 使用R也可以非常方便的将数据保存为CSV文件，命令为：

>write.csv(x=stu_data, file="stu_bak.csv", row.names=F, quote=F)

通过以上命令可以将数据写入csv文件，row.names设置是否将行号写入csv文件，quote设置是否在数据中加入引号。