在R语言入门--第一节（基础知识）笔记中，介绍了
read.table、write.table是R中导入、导出的基础、常用的方法。这里再介绍一种备选方法--readr包。据说这比基础模块中的函数速度更快（约快 10 倍），所以适合读取大数据。
一、数据导入
1、各类具体方法
-
read_csv()读取逗号分隔文件 -
read_csv2()读取分号分隔文件 -
read_tsv()读取制表符分隔文件 -
read_delim()可以读取使用任意分隔符的文件
2、用法
以read_csv()为例介绍，其它可触类旁通~（假设当前工作目录有一个test.csv文件）
a <- read_csv("test.csv")
b <- read.csv("test.csv")
结果来看二者差不多，但值得注意的是运行 read_csv() 时，它会打印一份数据列说明，给出每个列的名称和类型。
a <- read_csv("test.csv")
键盘输入数据
read_csv("a,b,c
1,2,3
4,5,6")
read_csv("1,2,3\n4,5,6")
键盘输入数据
相关参数
-
skip = n跳过前 n 行 -
comment = "#"丢弃所有以 # 开头的行 -
col_names = c()手动设置命名列名
col_names = FALSE不要将第一行作为列标题，而是将各列依次标注为 X1 至 Xn -
na = "."设定使用.来表示文件中的缺失值
二、数据导出
write_csv()write_tsv()
write_csv(a, "a.csv")
三、解析向量
- 在导入表格数据后，我们往往希望各列（向量）格式上符合我们的要求。比如数值，日期，因子等。
- readr包里的
parse_类函数可以“解析”数值、日期型向量、字符串等向量，这里以数值型解析为例说明
数值型
（1）小数符号
大部分小数点都用点表示，可能会碰到用逗号表示的。
- 方法：
parse_double()函数的 decimal_mark 参数设置，改为正常小数点
parse_double("1,23", locale = locale(decimal_mark = ","))
（2）千分位分隔符号
一般遇到万及以上单位时，常用千位分隔符来便于阅读
- 方法：
parse_number()函数的grouping_mark参数，改为正常数值，默认分隔符为逗号
parse_number("123.456.789",locale = locale(grouping_mark = "."))
parse_number("123,456,789")
（3）货币符、百分数等
- 如上的
parse_number()函数也可以忽略数值前后的非数值型字符。这个函数特别适合处理货币和百分比，也可以提取嵌在文本中的数值。 - 值得注意的是应该当存在小数时，也只能提取整数部分。
parse_number("$100")
parse_number("20%")
parse_number("It cost $123.45")
