第 5 章数据的导入与导出 - 5.1 R载入文件中的数据 - 《Cookbook for R 中文版》

5.1 R载入文件中的数据
- 5.1.1 问题
- 5.1.2 方案

5.1 R载入文件中的数据

5.1.1 问题

你想从文件中载入数据。

5.1.2 方案

5.1.2.1 带分隔符的文本文件

最简单的输入数据的方式就是将其保存为带分隔符（如：制表位或逗号）的文本文件。

data <- read.csv("datafile.csv")
# 导入一个没有表头的 CSV 文件
data <- read.csv("datafile-noheader.csv", header=FALSE)

函数 read.table() 是一个更为常用的函数。它允许你设置分隔符，不管该文件是否有表头或者字符串是否有引号，等等。使用 ?read.table 查看更多详细信息。

data <- read.table("datafile-noheader.csv",
                   header=FALSE,
                   sep=","         # 制表位分隔的文件用 "\t"
)

5.1.2.2 打开文件的文件选择器

有些平台可以使用 file.choose() 命令打开文件选择的对话窗口；而另一些平台则只会提示用户输入一个文件名。

data <- read.csv(file.choose())

5.1.2.3 把字符串看作因子（factor）或字符（character）

默认条件下，数据中的字符串都被转换为因子。如果你用 read.csv() 载入数据，所有的文本列都会被视为因子，而实际上某些文本列被处理为字符串才更为合理。要实现这一点，可以设定 stringsAsFactors=FALSE:

data <- read.csv("datafile.csv", stringsAsFactors=FALSE)
# 将某一列转化为因子
data$Sex <- factor(data$Sex)

另一种将全部文本列加载为因子，再把其中一些转换为字符的方法：

data <- read.csv("datafile.csv")
data$First <- as.character(data$First)
data$Last  <- as.character(data$Last)
# 另一种方法：转化名为 “First” 和 “Last” 的两列
stringcols <- c("First","Last")
data[stringcols] <- lapply(data[stringcols], as.character)

5.1.2.4 从网上导入文件

也可以从 URL 加载数据。下面这些(很长的) URL 可以描述了将要加载的相关文件。

data <- read.csv("http://www.cookbook-r.com/Data_input_and_output/Loading_data_from_a_file/datafile.csv")
# 读取没有表头的 CSV 文件
data <- read.csv("http://www.cookbook-r.com/Data_input_and_output/Loading_data_from_a_file/datafile-noheader.csv", 
  header = FALSE)
# 手动添加表头
names(data) <- c("First", "Last", "Sex", "Number")

上述所使用的数据文件及内容：

datafile.csv：

"First","Last","Sex","Number"
"Currer","Bell","F",2
"Dr.","Seuss","M",49
"","Student",NA,21

datafile-noheader.csv:

"Currer","Bell","F",2
"Dr.","Seuss","M",49
"","Student",NA,21

5.1.2.5 定宽文本文件

假如你的数据列宽固定，如下：

  First     Last  Sex Number
 Currer     Bell    F      2
    Dr.    Seuss    M     49
    ""   Student   NA     21

读取这种数据的一种方式是简单地使用 read.table() 函数 strip.white=TRUE，可以清除额外的空格。

read.table("clipboard", header=TRUE, strip.white=TRUE)

然而，数据文件里的某些列可能含有空格，也可能不包含空格。比如说下面的数据里，scores 列表示六个不同的测量值，每一个从 0 到 3 。

subject  sex  scores
   N  1    M  113311
   NE 2    F  112231
   S  3    F  111221
   W  4    M  011002

这种情况，你可能需要使用 read.fwf() 函数。如果你读的列名来自于文件，按照要求它们需要用分隔符（如：制表位，空格，逗号）分开。如果它们之间是通过多个空格来隔开的（如下例），你需要直接指定列的名称。

# 指定列的名称
read.fwf("myfile.txt",
         c(7,5,-2,1,1,1,1,1,1), # 列的宽度，-2意味着放弃这些列
         skip=1,                # 跳过第一行（包括表头）
         col.names=c("subject","sex","s1","s2","s3","s4","s5","s6"),
         strip.white=TRUE)      # 跳过每个数据的前导和尾随空格
#>   subject sex s1 s2 s3 s4 s5 s6
#> 1    N  1   M  1  1  3  3  1  1
#> 2    NE 2   F  1  1  2  2  3  1
#> 3    S  3   F  1  1  1  2  2  1
#> 4    W  4   M  0  1  1  0  0  2
# subject sex s1 s2 s3 s4 s5 s6
#    N  1   M  1  1  3  3  1  1
#    NE 2   F  1  1  2  2  3  1
#    S  3   F  1  1  1  2  2  1
#    W  4   M  0  1  1  0  0  2
# 如果第一行如下：
# subject,sex,scores
# 我们可以使用 header=TRUE
read.fwf("myfile.txt", c(7,5,-2,1,1,1,1,1,1), header=TRUE, strip.white=TRUE)
#> Error in read.table(file = FILE, header = header, sep = sep, row.names = row.names, : more columns than column names
# 错误：列数比列名数量多

5.1.2.6 Excel 文件

gdata 包里的 read.xls() 函数可以读取 Excel 文件。

library(gdata)
data <- read.xls("data.xls")

gdata 包使用说明见 http://cran.r-project.org/doc/manuals/R-data.html#Reading-Excel-spreadsheets。

包的安装，见安装和使用R包。

5.1.2.7 SPSS 数据

foreign 包里的 read.spss() 函数可以读取 SPSS 文件。

library(foreign)
data <- read.spss("data.sav", to.data.frame=TRUE)