早上好啊（虽然是中午了），这里是佳奥，因为我的新iPad pro到了需要同步，今天开始的比较晚，也不是因为看到了异度之刃3的新宣传。好了那么我们接着上一篇的内容继续往下吧！

3 数据的输入

我们要学习的是如何从外部输入数据到R中。

R可以导入统计软件、键盘、文本文件和数据库管理系统等数据。

3.1 使用键盘输入数据

具体的步骤是：

1、创建空矩阵，其中变量名和变量模式与最终数据集合一致。

2、针对这个数据对象调用文本编辑器，输入数据，并将结果保存回此数据对象中。具体如下：

编辑的结果需要回到赋值对象本身。函数edit( )是在对象的一个副本上操作的，如果没赋值到一个目标，修改是保存不了的。

我们还可以用编辑器修改变量名称和变量类型，还可以单击未使用的列标题来添加新的变量。

编辑器关闭后，结果会保存在之前赋值的对象中。本例子是mydata。再次调用mydata <- edit(mydata)可以查看并进一步编辑。

其中：

3.2 从带分隔符的文本文件导入数据

当然，谁也不想用手敲大量数据，那么其他方法呢？

使用read.table( )从带分隔符号的文本文件中导入数据。此函数可以读入一个表格格式文件并将其保存为一个数据框。具体如下：

其中，

file：带分隔符的ASCII文本文件。

header：表明首行是否包含了变量名的逻辑值（TRUE或FALSE）。

sep：指定分隔数据的分隔符。

row.names：一个可选参数，用以指定一个或多个表示行标识符的变量。

举个具体例子吧：

当前工作目录读取一个名为studentgrades.csv的逗号分隔文件，从文件第一行取得各变量名称，将变量STUDENT指定为行标识符，最后将结果保存到名为grades的数据框中。

默认情况下，字符型变量将转化为因子，但我们不是总希望这么做。可以设置选项：

这将停止所有字符型变量的转换。另一种方法是使用选项colClasses为每一列指定一个类，例如logical逻辑型、numeric数值型、character字符型和factor因子。

补充：

函数url( )能够让你通过一个含有http://、ftp://或file://的完整URL访问网络上的文件，还可以为HTTP和FTP连接指定代理。更多详见help(file)。

3.3 导入Excel数据

读取Excel最好的方式是在Excel中将文件导出为逗号分隔文件.csv，并使用前文描述将其导入R。在Windows系统可以使用RODBC包来直接访问Excel文件。电子表格的第一行应包含变量/列的名称。具体如下：

这里的myfile.xls是一个Excel文件，mysheet是要从这个工作簿中读取工作表的名称。

channel是一个由odbcConnectExcel( )返回的RODBC连接对象，mydataframe是返回的数据框。

当然，RODBC也可用于从Microsoft Access导入数据。

在更新版本的Excel采用了.xlsx格式，所以采用xlsx包可以来读取这种格式的表格。安装好包后，包中函数read.xlsx( )可以将.xlsx文件中工作表导入一个数据框。最简单的调用格式是：read.xlsx(file, n)。其中file是Excel的工作簿所在路径，n为要导入的工作表序号。在Windows上的举例：

从位于D盘根目录的工作簿myworkbook.xlsx中导入了第一个工作表，并将其保存为一个数据框mydataframe。

xlsx包不仅仅可以导入数据表，它还能够创建和操作.xlsx文件等。

3.4 导入XML数据

下包吧。由Duncan Temple Lang编写的XML包允许用户读取、写入和操作XML文件。

3.5 从网页抓取

一种途径是使用函数readLines( )下载网页，然后使用如grep( )和gsub( )一类的函数处理它。

对于结构复杂的网页，可以使用RCurl包和XML包来提取其中想要的信息。

3.6 导入SPSS数据

不想导入（X）

通过foreign包中的函数read.spss( )导入到R中。

也可以使用Hmisc包中的spss.get( )函数。

函数spss.get( )是对read. spss() 的一个封装，它可以为你自动设置后者的许多参数，让整个转换过程更加简单一致。

mydata.sav：要导入的SPSS数据文件。

use.value.labels=TRUE：表示让函数将带有值标签的变量导入为R中水平对应相同的因子。

mydataframe：导入后的R数据框。

3.7 导入SAS数据

foreign包中的read.ssd( )和Hmisc包中的sas.get( )可以，但较新版本的SAS并不适用，可以将SAS中使用PROC EXPORT将SAS数据集保存为一个逗号分隔的文本文件，并按照该文件类型导入到R中。

3.8 导入Stata数据

直接上代码：

这里面的mydata.dta是Stata数据集，mydataframe是返回的R数据框。

3.9 访问数据库管理系统

在R中通过RODBC包访问一个数据库。这种方式允许R连接到任意一种拥有ODBC驱动的数据库。

具体函数待用到再详细展开。

4 数据集的标注

为了使结果更易于解读。通常标注包括为变量名称添加描述性标签，以及为类别型变量中的编码添加值标签：

变量age：附加一个更详细的标签“Age at hospitalization (in years)”即入院年龄。

变量gender：对于编码为1或2，关联标签"male"和"female"上。

4.1 变量标签

R处理变量标签的能力有限，那么就直接将变量标签作为变量名吧。（听君一席话）

比如把之前包含age的数据框：

很明显，新的变量名太长，不适合重复输入。(............)

如果能尝试想出更好的命名（例如，admission Age）可能会更好一点。（.........）

4.2 值标签

这个就有用多了，函数factor( )可以为类别型变量创建值标签。假设有一个名为gender变量，1表示男性，2表示女性，可以使用代码：

levels代表变量的实际值，而labels表示包含了理想值标签的字符型向量。

5 处理数据对象的实用函数

书上补充：

函数head( )和tail( )对于快速浏览大数据集的结构非常有用。

例如，head(patientdata)将列出数据框的前六行，而tail(patientdata)将列出最后六行。

6 小结

终于结束了数据准备的部分。

数据的准备 可以说是数据分析中最具挑战性的任务之一。

掌握通过括号表达式选取元素的能力，对数据的选择、取子集和变换将是非常重要的。

那么以上就是数据准备的内容，下一篇我们将注意力集中于R的绘图上，以及如何创作图形，我们下一篇再见！