R语言从入门到精通：Day4

2019-07-30 本文已影响77人 fc7587d03c83

上一节课我们熟悉了R语言中的各种数据类型，帮大家复习一下，这些数据类型包括了向量（vector）、矩阵（matrix）、数组（array）、数据框（data.frame）和列表（list），还提到了因子（factor）。这些数据类型在我们运用R语言解决实际问题的时候都非常有用，在上节的例子中我们是在R里面直接生成的数据，但是实际数据分析中，如何快速灵活的读取和处理多种格式的外部数据呢？这节课的主要内容，我们就来讲讲R语言中数据的读取。

1、本节内容重点内容较多，务必紧跟红色标记。

2、测试数据及代码见文末客服小姐姐二维码。

上节教程结束后，有同学问：我每次用R语言解决实际问题的时候都要像第3节中那样用键盘将每个数据输入电脑里面吗？答案当然是否定的。R语言给我们配套了多种输入数据的方法和接口，能够快速灵活的处理多种格式的数据（如图1）。这节课的主要内容就是R语言中数据的输入。

图1:R语言数据输入的示意图

下面来逐一学习不同的数据导入方法。

1. 使用键盘输入数据

要求：了解

在上一次的学习中，大家已经接触了很多了创建不同类型变量的方法，这里再给大家提供几个从键盘输入数据的方法。如图2、图3、图4所示：

图2:函数read.table()的键盘输入用法

图3:函数fix()的使用（1）

图4：函数fix()的使用（2）

第一种方法是在创建data.txt字符串之后，用函数read.table()创建数据框data.1。这种用法可以让我们把数据嵌入R代码中去。此处切记，read.table()函数是我们最为常用的读取外部数据的函数，下文还会详细解读。

第二种方法是用函数fix()创建了一个和data.1一样的数据框data.2，函数edit()也有同样的效果，大家可以在帮助文档里面找一下函数edit()的具体用法。

这些在处理一些小数据集的时候是很有效的，但是面对大数据的问题就力不从心了，并且也不够灵活，而下面要介绍的方法就是要解决这两个问题。

2. 从文本文件导入数据

要求：必须掌握

在上文的第一种方法中，函数read.table()是从键盘输入的字符串变量里面创建数据框的，这种方法并不适用，实际上read.table()函数的功能要更加强大一些。函数read.table()更加常用的是从带有分隔符的文本文件中读入数据并创建数据框（实际上csv文件就是常见的带分隔符的文本文件，其分隔符是逗号“，”，csv文件可以通过文本编辑器或者excel软件创建，也可以是perl、python脚本的输出结果）。

在Rstduio中输入read之后会自动联想出函数read.table()、read.csv()和read.csv2()，这三个函数的用法比较接近，这里就只介绍read.table()，另外两个函数大家可以自己尝试。

可能有些同学已经发现在R的帮助文档里面，函数read.table()的参数很多，看上去很复杂，不用担心，实际使用中我们需要调整的参数并不多，下面列出了一些关键的参数用法：

表1:函数read.table()的参数及用法

以文件example.csv为例（测试数据见文末，联系胖雨小姐姐可得）来演示一下，文件中以逗号作分隔符，每个数据都用双引号围住。

图5:example的一部分数据

文件example.csv里面前7行是主体数据的注释，第一列是基因名。如果直接用函数read.table()读取，如图6。

图6:直接读取的示意图

图7:调整参数之后的示意图

可以看到图6中的读取效果并不理想，在图7中，加上skip和row.names两个参数之后，数据就显得有条理了。函数read.table()还有很多其他的参数，感兴趣的同学可以多尝试一下。

3. 从xlsx文件读入数据

要求：了解

对于平时更多使用excel软件的同学而言，xlsx格式的表格文件比csv要更常见，所以这里也提一下怎么把xlsx文件导入R语言（其实在excel软件包里面，大家可以直接把xlsx文件另存为csv文件，就可以直接用函数read.table()、read.csv()和read.csv2()了）。

在有些R语言教程中，推荐了R包xlsx，但是这个包依赖与xlsxjars和rJava包（关于R包的内容，请参考前期文章：挖掘GEO速成SCI文章系列教程（3）-R语言基础），以及一个正常工作的Java，安装起来较为麻烦。

这里我给大家推荐一个不需要这些依赖的R包：openxlsx（openxlsx包的安装如图8）。openxlsx包的帮助文档里介绍了三个写入数据和一个读取数据的函数，其中读取数据的函数read.xlsx()就能实现xlsx文件的读取。这个函数的命名和用法都和read.table()非常类似（如图9），大家不妨自己尝试一下如何使用这个函数。

图8:包openxlsx的安装

图9:函数read.xlsx()的参数

4. 常用的数据操作函数

要求：掌握

读取数据之后，大家就可以开始做一些简单的数据处理了。R语言中有很多常用的函数，这里先给大家一个简短的表格，供大家在读取数据后做一些练习。一些更加复杂的函数在下次再集中给大家介绍。

小结

实际上数据的读取只是R语言的冰山一角，但是也是开始一个数据分析项目的不可或缺的一步。上面只介绍了三种数据输入的方法，也是大家在自己项目中最可能遇到的情况，R语言还可以读取XML、网页、数据库（MySQL、Oracle等等）、SPSS和SAS等数据，篇幅有限，就不一一介绍了，如果有同学需要这方面的帮助，我们也可以单独再出一期和大家交流一下。当然，大家在数据准备和输入过程也可能会遇到很多问题，欢迎和我们一起交流讨论。

文末有本节课程的测试数据和代码哦~~

最后跟大家唠几句：任何事物的学习都要循序渐进，一口吃不了个胖子，希望大家能够沉下心来，力争每节课都能掌握，这样等到最后课程结束的时候，再回过来看，你会突然发现，自己已经掌握了R语言的精髓。总之，希望随着课程的推进，希望大家每天都有所收获。