在R语言入门--第一节（基础知识）笔记中，介绍了read.table、write.table是R中导入、导出的基础、常用的方法。这里再介绍一种备选方法--readr包。据说这比基础模块中的函数速度更快（约快 10 倍），所以适合读取大数据。

一、数据导入

1、各类具体方法

• read_csv() 读取逗号分隔文件
• read_csv2() 读取分号分隔文件
• read_tsv() 读取制表符分隔文件
• read_delim() 可以读取使用任意分隔符的文件

2、用法

以read_csv()为例介绍，其它可触类旁通~（假设当前工作目录有一个test.csv文件）

a <- read_csv("test.csv")

b <- read.csv("test.csv")

结果来看二者差不多，但值得注意的是运行 read_csv() 时，它会打印一份数据列说明，给出每个列的名称和类型。

a <- read_csv("test.csv")

键盘输入数据

read_csv("a,b,c
1,2,3
4,5,6")

read_csv("1,2,3\n4,5,6")

键盘输入数据

相关参数

• skip = n 跳过前 n 行
• comment = "#" 丢弃所有以 # 开头的行
• col_names = c()手动设置命名列名
  col_names = FALSE 不要将第一行作为列标题，而是将各列依次标注为 X1 至 Xn
• na = "." 设定使用.来表示文件中的缺失值

二、数据导出

• write_csv()
• write_tsv()

write_csv(a, "a.csv")

三、解析向量

• 在导入表格数据后，我们往往希望各列（向量）格式上符合我们的要求。比如数值，日期，因子等。
• readr包里的parse_类函数可以“解析”数值、日期型向量、字符串等向量，这里以数值型解析为例说明

数值型

（1）小数符号

大部分小数点都用点表示，可能会碰到用逗号表示的。

• 方法：parse_double()函数的 decimal_mark 参数设置，改为正常小数点

parse_double("1,23", locale = locale(decimal_mark = ","))

（2）千分位分隔符号

一般遇到万及以上单位时，常用千位分隔符来便于阅读

• 方法：parse_number()函数的grouping_mark参数，改为正常数值，默认分隔符为逗号

parse_number("123.456.789",locale = locale(grouping_mark = "."))

parse_number("123,456,789")

（3）货币符、百分数等

• 如上的parse_number()函数也可以忽略数值前后的非数值型字符。这个函数特别适合处理货币和百分比，也可以提取嵌在文本中的数值。
• 值得注意的是应该当存在小数时，也只能提取整数部分。

parse_number("$100")

parse_number("20%")

parse_number("It cost $123.45")