数据的读取和保存

这部分用来介绍在R语言中一些常用文件的读取和保存，如最常见的csv文件、Excel文件。

还会介绍如何加载R语言中集成的数据集。

data() - 加载R中的数据集

R语言本身会集成一些数据集，可以用来联系R语言，比如“Titanic”（泰坦尼克数据）、“iris”（鸢尾花数据）等在许多数据分析或者机器学习中用到的数据集。

在R语言中可以直接使用 data() ，在括号中输入对应的数据集名称，加载这些数据集。

例如：data(Titanic) 加载Titanic（泰坦尼克数据集）。

data(Titanic)

当您运行该函数时，R 将加载数据集。 数据集还将出现在 RStudio 的环境面板中。

现在数据集已加载，您可以在 R 控制台窗格中预览它。 只需输入它的名字

Titanic

然后运行，在下面控制台区域就会显示数据集的数据信息。

如果直接运行data()函数本身，不在括号中指定数据集，R 将显示可用数据集的列表。

data()

输出如下：

可以尝试使用列表中的其他数据集来进行不同的练习和测试。

---

readr 功能包介绍

上面介绍了如何加载R语言内置的数据集，这些内置的数据集一般都是用来做数据分析的练习来使用的。

在实际工作中，分析的数据都是从数据库或者其他地方整理过的数据，大部分都是需要从本地电脑中导入的，那么下面就介绍如何使用readr功能包来读取文件。

readr 功能包是 tidyverse 功能包 的一个核心功能包。 如果你已经安装了 tidyverse，就可以直接开始使用 readr 中的功能函数了。 如果没有安装，可以参考前面文章来安装 tidyverse。

readr 包中读取文件的函数

readr 的目标是提供一种快速且友好的方式来读取数据。 readr 支持多种 read_ 函数。 每个函数都指定读取特定的文件格式。

• read_csv()：逗号分隔值 (.csv) 文件

• read_tsv()：制表符分隔值文件

• read_delim()：一般分隔文件

• read_fwf()：固定宽度的文件

• read_table()：表格文件，其中列由空格分隔

• read_log()：网络日志文件

这些函数的使用方法都比较相似，所以只要学会了如何使用其中的一个，就可以将其的应用到其他类似的函数中。

我们重点了解read_csv()函数，因为 .csv 文件是工作和学习中最常见的数据存储形式之一，尤其在数据分析工作中，将经常使用它们。

read_csv() 读取 .csv 文件

首先我们准备一个需要读取的csv文件，比如在 kaggle 网站中下载的 Titanic 数据集。

首先我们来加载library(tidyverse) 功能包(不加载就会找不到read_csv() 这个函数)，然后就可以使用 read_csv() 函数去读取文件了。

我们可以把读取的数据指定一个名称，这样方便在后续的代码中去调用。

举个例子：
先输入read_csv()，然后在括号中，您需要提供文件的路径（需要注意此处文件路径使用/来分割，不是用\来分割的）。

# 加载功能包
library(tidyverse)

# 读取文件
df = read_csv('C:/kaggle/Titanic/data/train.csv')

当运行该函数时，R 会打印出一个说明，并且右边环境中也有了设置好的函数。

之后我们只需要输入设置好的名称就可以显示数据集信息了。
如，直接输入df，然后运行。

# 加载功能包
library(tidyverse)

# 读取文件
df = read_csv('C:/Users/17600/OneDrive/文档/kaggle/Titanic/data/train.csv')

df

输出结果：

---

readxl 包读取Excel文件

在工作中，除了csv文件以外，最常见的可能就是Excel文件了，在R语言中要把Excel文件中的数据读取到程序中，可以使用 readxl 包。 readxl 包可以轻松地将数据从 Excel 读取到 R中。

readxl 支持传统的 .xls 文件格式和基于 xml 的 .xlsx 文件格式。

readxl 包是 tidyverse 的一部分，但不是核心 tidyverse 包，因此需要先使用 library() 函数在 R语言 中加载 readxl。

library(readxl)

read_excel() - 读取Excel文件

读取Excel文件和读取csv文件时有些区别的，因为csv文件是一个单独的文件，其中没有sheet来对数据分区，直接读取就可以的。但是Excel文件中很多时候是包含多个sheet的。

下面我们先使用read_excel()来读取Excel文件，然后产看数据信息。就像使用read_csv()那样。

我们看到确实读取到了数据，但是只读取了一部分，并不是Excel表中的全部数据。

下面为Excel表中的数据，其中包含一月，二月，三月，三个sheet，我们只读取到了第一个sheet （一月） 的数据，并没有其他两个sheet的数据。

那么该怎么读取全部的数据呢？这时需要在·read_excel()·函数中，添加sheet= 参数，指定读取sheet的名称。

举个例子：

# 加载功能包
library(readxl)

# 读取文件
df = read_excel('C:/kaggle/Titanic/data/这是一个Excel文件.xlsx', sheet = '二月')

df

输出如下：

这样就读取到不同的sheet中的数据了。

如何通过R来获取Excel中的sheet名称呢个？这时候会需要用到·excel_sheets()·函数

excel_sheets() - 读取Excel中sheet名称

·excel_sheets()·函数，可以用来读取Excel中的sheet名称。

# 加载功能包
library(readxl)

# 读取文件
excel_sheets('C:/kaggle/Titanic/data/这是一个Excel文件.xlsx')

输出结果：

可以看到，Excel中的sheet名称都读取到了。

R语言中的管道（pipe）功能

R语言中有一种叫做 管道（pipe） 的功能。用%>%来表示

• 管道是 R 中的一种工具，可帮助使代码更高效、更易于阅读和理解。

• 管道是 R 中用于表达多个操作序列的工具。 换句话说，它接受上一个语句的输出，并使其成为下一个语句的输入。 比如在需要套用多个函数在执行计算的时候，可以使用 管道（pipe） 功能来执行相同的工作。

我们将使用 ToothGrowth 数据集，这个数据集是R语言中内置的数据集。

该数据集包含有关维生素C对豚鼠牙齿生长影响的数据。

通过使用这个数据集中的数据来演示，帮助我们了解管道的工作原理。

先使用data（）函数加载数据集ToothGrowth。

# 加载数据

data("ToothGrowth")

然后我们可以使用 View 函数查看数据集ToothGrowth中的数据。

# 加载数据

data("ToothGrowth")

#查看数据

view(ToothGrowth)

view()函数会在脚本中显示一个新选项卡，显示数据集的内容。

下面我们对数据进行过滤，筛选dose=0.5的数据，之后再对数据进行排序。

# 加载数据
data("ToothGrowth")

#查看数据
view(ToothGrowth)

# 过滤数据
df <- filter(ToothGrowth,dose == 0.5)
# 排序
arrange(df,len)

输出如下：

如果没有管道，我们想要一次执行完前面的操作需要把函数进行嵌套，如下，

arrange(filter(ToothGrowth,dose == 0.5),len)

下面我们使用 管道（pipe） 功能来演示这段代码：

# 加载数据
data("ToothGrowth")


# 使用管道（pipe）
df <- ToothGrowth%>%
  filter(dose == 0.5)%>%
  arrange(len)
df

得到的结果是一样的，但是使用 管道（pipe） 会让代码的执行过程更清晰，每一步先执行什么然后再执行什么一步了然。

Tips：
在管道（pipe）操作的每一行的末尾添加管道操作符（%>%）非常重要，最后一行除外。在 RStudio 会自动缩进属于管道（pipe）的代码行。如果代码中的某行未缩进，这可能会导致错误语句。