R语言数据获取与读入

内容目录

在R语言中，数据的获取方式主要有三种。一种是直接使用R语言的文本编辑器功能进行录入需要分析的数据。一种是读取各类数据文件，如txt、csv、xlsx、sav、dta、sas等。还有一种是使用爬虫包进行数据获取，如rvest包、Rcurl包。

以爬虫方式获取数据，本章不涉及，另立专题。

直接输入数据

用R内置的文本编辑器输入数据。通过edit()函数实现。
这个函数会自动调用一个GUI窗口，可以直接输入数据。
具体步骤分为两步。
1.创建一个空数据框(或矩阵)，变量名和变量类型需要与理想数据集一致。
2.调用这个数据对象，输入数据，并保存结果。
例如：
创建一个名为mydata的数据框，包含三个变量：age(数值型)、gender(字符型)、weight(数值型)。然后调用文本编辑器，键入数据，最后保存结果。

1#生成空数据框
2mydata <- data.frame(age=numeric(0),gender=character(0),weight=numeric(0))
3#通过edit函数调用
4mydata <- edit(mydata)

结果会出现一个编辑器，输入数据即可。

fix(mydata)等价于mydata<-edit(mydata)。

导入带分隔符文本数据

可以使用read.table()从带分隔符的文本文件中导入数据。其语法为：
mydataframe<-read.table(file,options)
其中，file是一个带分隔符的ASCII文本文件，options是控制如何处理数据的选项。
常见的options选项有:

选项	描述
header	文件第一行为变量时使用，headder=TRUE
sep	间隔符号。默认是sep='',代表空格。以逗号分隔时，用sep=','
row.names	指定行ID
col.names	指定列名
na.strings	用于表示缺失值的字符向量。如na.strings=c('-9','?')
colClasses	指定列的变量类型
stringsAsFactors	逻辑变量，是否将目标变量转化为因子。默认值为TRUE

导入csv格式

read.csv(file, header = TRUE, sep = ‘,’, quote = ‘\’,dec = ‘.’, fill = TRUE,comment.char = ‘’, …)
参数类似于read.tabel()函数

导入xlsx、sas、dta格式数据

直接通过Rstudio右上角Environment面板页中的ImportDataset导入。

导入sav格式数据

SPSS软件的sav格式文件，通过ImportDataset导入有可能会出错。
导入sav格式可以通过foreigh包中read.spss函数和Hmisc包中spss.get函数完成。spss.get函数是read.spss函数的封装，可以自动设置许多参数。建议使用Hmisc包spss.get函数。
spss.get函数示例：

1#安装Hmisc包
2install.packages('Hmisc')
3#载入包
4library(Hmisc)
5#导入sav文件
6mydataframe<-spss.get('mydata.sav',use.value.labels=TRUE)

需要注意sav格式的文件地址用/，而不是\反斜杠。
也可以将sav格式文件转换为csv、