20200513·Kony·win10
1. 数据的导入
1.1 导入csv文件
此方法可以用以导入Excel数据，将Excel数据转化为csv格式。 CSV是（逗号分隔值）的英文缩写，通常都是纯文本文件。
其导入R中的数据格式为：
mydataframe<-read.table(file, header=logical_value, sep="delimiter", row.names="name")
file:csv文件
header:逻辑值，首先是否包括变量名
sep:分隔符 "delimiter"
row.names:指定一个或多个表示行标识符的变量
grades<-read.table("studentgrades.csv",header=TRUE,sep=",",row.names="STUDENTID")
#表示从当前目录中读取一个名为studentgrades.csv的逗号分隔文件
#从文件的第一行取得变量名字，将STUDENTID指定为行标识符
#整个结果保存到grades的数据框中。
另外一个导入csv文件的函数是read.csv()
read.delim和read.delim2分别使用句号和逗号作为小数位来导入制表符分隔的文件
1.2 导入剪切板中的数据
通常情况下就是在Excel中复制，接着输入以下命令就可以导入数据。
data <- read.table("clipboard", header = T, sep="\t")
1.3 导入文本文件
一般采用read.table()函数和read.csv()函数实现文本文件数据的读取，对于这两个函数有几个重要的参数：
- file：指定外部文件的路径和文件名；
- header：指定是否将原数据的第一行最为字段名，read.table()函数默认设置为FALSE，而read.csv()函数默认设置为TRUE；
- sep：指定字段之间的分割符，read.table()函数默认设置为空格“”，而read.csv()函数默认设置为逗号；
- 除此，read.table()函数还可以设置读入数据集的行名、列名、字符串是否转换为因子、缺失值的形式等，详细可查看read.table()函数的帮助文档。
1.4 从scan()导入数据
scan()主要用于键盘输入数据，详细使用方法：
scan(file = "", what = double(0), nmax = -1, n = -1, sep = "",
quote = if(identical(sep, "\n")) "" else "'\"", dec = ".",
skip = 0, nlines = 0, na.strings = "NA",
flush = FALSE, fill = FALSE, strip.white = FALSE,
quiet = FALSE, blank.lines.skip = TRUE, multi.line = TRUE,
comment.char = "", allowEscapes = FALSE, encoding = "unknown")
参数使用如下所示：
- what：声明读入为字符类型数据，可能指定读入的精度/类型，例如：what=integer(0)；what=numeric(0)；what=character(0)； 如果SCAN()读入有字符与数字，用what=“”来进行声明，则会把读入的数字隐式的都转变成字符；
-
sep：指定各个读入的数据之间的分隔符；默认情况下分隔符：空格、tab；如果不是其它分隔符，例如“：/”通过SEP来指定；
可以通过list指定读入变量的变量名，同时生成的对象为列表，则可以同时读入字符与数字； - Skip： 从第几行开始读入数据；
-
Nlines：指定最大读入行数；
如果通过键盘输入的时候，不希望出现下标提示，则可以使用：quiet=TRUE；
encoding =””指定的编码格式，有时候读入的中文可能会出现乱码的时候，可能通过这个参数来指定：Latin-1 或者 UTF-8
1.5 使用表格输入数据
mydata<-data.frame(age=numeric(0),
gender=character(0),
weight=numeric(0))
mydata<-edit(mydata)
## 创建一个名为mydata的数据框，含三个变量，age为数据型，gender为字符型，weight为数值型。
## edit调用文本编辑器，键入数据。
## 其中numeric(0)创建一个指定模型但不含实际数据的变量。
## 如果再次调用mydata<-edit(mydata)能够用来修改数据，或者使用fix(mydata)也行。
1.6 使用readxl包来读取excel文件
readxl包中的几个函数可以读取excel文件，主要有read_excel，read_xls，read_xlsx。其中各个函数的参数如下所示：
read_excel(path, sheet = NULL, range = NULL, col_names = TRUE,
col_types = NULL, na = "", trim_ws = TRUE, skip = 0,
n_max = Inf, guess_max = min(1000, n_max),
progress = readxl_progress(), .name_repair = "unique")
read_xls(path, sheet = NULL, range = NULL, col_names = TRUE,
col_types = NULL, na = "", trim_ws = TRUE, skip = 0,
n_max = Inf, guess_max = min(1000, n_max),
progress = readxl_progress(), .name_repair = "unique")
read_xlsx(path, sheet = NULL, range = NULL, col_names = TRUE,
col_types = NULL, na = "", trim_ws = TRUE, skip = 0,
n_max = Inf, guess_max = min(1000, n_max),
progress = readxl_progress(), .name_repair = "unique")
参数意义：
- path：xls/xlsx文件的路径
- sheet：Excel文件中Sheet的参数，可以是一个字符串，也就是sheet的名称，可以是一个整数，它表示sheet的位置。如果不输入这个参数，默认输入第1个sheet的数据。
- range：sheet中单元格的范围，例如可以输入range=B2:G14。也可以指定某个sheet，例如range="mtcars!B1:D5"
- co_lnames： TRUE 使用第一行作为行名， FALSE 使用默认的名字，或者是使用一个字符串或字符串向量来表示第一行的名称
其余参数参考readxl资料。
1.7 批量读取数据
读取N个Excel文件，并将这N个Excel文件进行合并，分为四种情况，代码如下所示，其中read_excel函数所在的包为readxl。
解决方案如下所示：
setwd('D:\\data file\\data1')
# 设置R的工作空间
#res <- NULL
data1 <- data.frame()
# 初始化数据框，用于后面的数据合并
#通过循环完成数据合并
for (i in 1:4){
path <- paste0(getwd(),'\\','test',i,'.xlsx') # 构造数据路径
res <- c(res,path)
data1 <- rbind(data1,read_excel(path = path)) # 读取并合并数据
对于文件没有规律的情况，如下所示：
setwd('D:\\data file\\data2') # 设置工作空间
filenames <- dir() # 读取该工作空间下的所有文件名
data2 <- data.frame() # 初始化数据框，用于后面的数据合并
#通过循环完成数据合并
for (i in filenames){
# 构造数据路径
path <- paste0(getwd(),'\\',i)
#res <- c(res,path)
# 读取并合并数据
data2 <- rbind(data2,read_excel(path = path))
对于文件名没有规律的情况，并且只读取某做后缀的文件，如下所示：
# 加载第三方扩展包，用于编写SQL语句
library(sqldf)
# 设置工作空间
setwd('D:\\data file\\data4')
# 读取该工作空间下的所有文件名
filenames <- dir()
# 通过正则，获取所有xlsx结尾的文件名
filenames2 <- grep('\\.xlsx', filenames, value = TRUE)
# 初始化数据框，用于后面的数据合并
data4 <- data.frame()
#通过循环完成数据合并
for (i in filenames2){
# 构造数据路径
path <- paste0(getwd(),'\\',i)
#res <- c(res,path)
# 使用read_excel函数读取xlsx文件
data <- read_excel(path = path)
# 使用sqldf函数编写SQL语句，并把结果合并起来
data4 <- rbind(data4, sqldf("select id,name,gender,age from data"))
2. 导出数据
2.1 导出的路径
为了避免在导出路径中使用转义字符，可以使用file.path()函数来构建正确的路径，这个函数的工作原理类似于paste()，如下所示：
file.path("d:","download")
[1] "d:/download"
2.2 导出未txt格式
a
[1] 1 2 4 NA 5 4
b
[1] "a" "b" "c" "d" NA "4"
c <- data.frame(a,b)
c
a b
1 1 a
2 2 b
3 4 c
4 NA d
5 5 <NA>
6 4 4
write.table(c,file = "c:\\data.txt",sep = ",",quote = FALSE, append = FALSE, na = "NA")
2.3 读取错误
R语言读取Excel文件有时会出错，如果要读取某些Excel表格文件，操作如下所示：
用鼠标选中数据，然后Ctrl+C复制；
在Rstudio中输入：read.table(“clipboard”,header=T)->x1，显示以下结果：
Error in scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings, : line 2 did not have 8 elements
大概意思是，有两行数据的元素不满足8个（即第No.2不满足8个元素），无法读取，因此需要改变一下代码，如下所示：
x <- read.table("clipboard",sep="\t",header=T)
这样就能正常读取了，因为Excel的文件中，每个单元格就是以制表符将它们分开的，而sep=“\t”的意思就是，读取数据的时候，以制表符进行分割来读取。
3. R语言与操作目录
在R中，目录的表达方法与Windows有所不同，在Windows中，如果要表示D盘下的某个目录，就是D:\biotest，用的是\，而在R中，则是/或\，即D:/biotest或D:\biotest。为了避免在R中使用转义字符，可以使用file.path()函数来构建正确的路径。这个函数类似于paste()，会将传入的各个参数拼接在一起，与操作系统的设置无关，如下所示：
设置目录file.path()
file.path("D:","biotest")
[1] "D:/biotest"
使用file.path()来设置工作目录非常方便，可以逐一指定目录，它会将各个目录连接起来，如下所示：
getwd()
[1] "D:/"
setwd(file.path("D:","biotest"))
getwd()
[1] "D:/biotest"
操作文件dir()或list.files()
有的时候，在R中如果要遍历某个指定目录下的所有文件和文件夹，并对它们进行某种操作，如果要获得指定目录下的文件列表，可以使用list.files()或dir()函数，这两个函数的功能是一样的，如下所示：
getwd()
## [1] "C:/Users/Administrator/Documents"
list.files()
## [1] "desktop.ini" "My Music"
## [3] "My Pictures" "My Videos"
## [5] "SafeNet Sentinel" "Trim28.dna"
dir()
## [1] "desktop.ini" "My Music"
## [3] "My Pictures" "My Videos"
## [5] "SafeNet Sentinel" "Trim28.dna"
## 也可以查看某个特定文件夹的内容：
```dir(file.path("C:","My Music","Trim28.dna"))
## character(0) # 没有子文件
返回文件目录dirname与文件名basename
- dirname函数只返回文件目录，不返回文件名
- basename函数与之相反，只返回文件名，不返回言论的目录
file_name <- "C:/Program Files/R/R-devel/bin/x64/RGui.exe" ## 自编路径示例
file_name
[1] "C:/Program Files/R/R-devel/bin/x64/RGui.exe"
basename(file_name)
[1] "RGui.exe"
dirname(file_name)
[1] "C:/Program Files/R/R-devel/bin/x64"
文件操作函数汇总
常用的几个操作文件以及目录的函数，如下所示：
list.files：列出某个目录下的所有文件
list.dirs： 列出某个目录下的所有子目录
file.exists： 检查某个特定的文件是否存在于某个目录下
file.create： 创建一个空文件
file.rename： 重命名文件
file.copy： 复制文件
file.remove： 删除文件
unlink： 删除目录，例如unlink("tmp", recursive=F) #如果文件夹tmp为空，删除文件夹tmp；unlink("tmp", recursive=TRUE)#删除文件夹tmp，如果其中有文件一并删除
file_test()： 判断一个对象是目录还是文件，-f为判断文件，-d是判断目录，语法格式为：file_test("-f", "test")。
tempfile： 返回一个临时文件的名称，例如想要在临时文件夹中创建一个文件，就可以将这个函数的返回值传入file.create()或write.table()函数中
tempdir： 返回文件系统中临时文件目录的路径。
dir.create： 创建一个文件夹或目录，如果要创建多个目录recursive = TRUE
getwd()： 获取当前目录
setwd() ：设置工作目录
choose.dir()： 以窗口的形式设置工作目录
dir()：查看当前目录的子目录和文件，功能与list.files()相同
文件操作案例
现在创建一个临时文件，并将iris数据框传入其中，然后为了测试数据是否已经写入，再读取这个文件，并将结果保存到一个变量中，然后检查这个变量，最后将这个临时文件删除。
第一步，使用tempfile()函数得到一个字符串，它表示系统临时目录中的一个临时文件，如下所示：
my.file <- tempfile()
my.file
## [1] "C:\\Users\\ADMINI~1\\AppData\\Local\\Temp\\RtmpuAXHeb\\file293c124d68a6"
结果返回的是一个字符串，而不是文件，其实文件并不存在，现在通过write.csv将iris写入到my.file，然后使用list.files()来查看R创建的文件，如下所示：
write.csv(iris,file=my.file)
list.files(tempdir())
[1] "file293c124d68a6"
[2] "file293c4100540b"
[3] "rs-graphics-9007a42f-5665-4be5-9922-901c327e455a"
其中，file293c124d68a6是临时文件，使用read.csv将文件导入到一个名为file.iris的变量中，并使用str()查看，如下所示：
file.iris <- read.csv(my.file)
str(file.iris)
## 'data.frame': 150 obs. of 6 variables:
## $ X : int 1 2 3 4 5 6 7 8 9 10 ...
## $ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
## $ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
## $ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
## $ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
## $ Species : chr "setosa" "setosa" "setosa" "setosa" ...
最后为了恢复文件系统原来的状态，使用file.remove()删除这个临时文件，如下所示：
file.remove(my.file)
list.files(tempdir())这个文件已经被删除了。
## [1] "file293c4100540b"
## [2] "rs-graphics-9007a42f-5665-4be5-9922-901c327e455a"
## file293c124d68a6这个文件已被删除
参考笔记1：R语言基础-数据的导入与导出
参考笔记2：RVDSD
