R语言笔记2：读写数据所需的主要函数、与外部环境交互
R语言基础系列前情提要：
- 1数据类型（向量、数组、矩阵、 列表和数据框）
Getting Data In and Out of R
（一）读取数据
读取数据所需的几种函数：
read.table、read.csv：最常用的读取列表数据函数，可返回数据框形式。readLines：逐行读取文本文件，返回一个字符向量source：读取R代码、脚本dget：读取R代码（读取的是以逆句法分析后以文本文件储存的R对象）load、unserialize：把二进制对象读入R
read.table()参数：
file：文件名（字符串，即文件路径）header：逻辑标志，表明第一行是否有表头、行名（是变量名还是数据）sep：分隔符（字符串，表明每一列是怎么分隔的，可能是逗号、冒号、空格等）colClasses：字符向量（长度=数据集列数）说明数据集中每一列数据的类别nrows：数据集中数据的行数comment.char：字符串（用于表明文件中注释的字符）skip：指定文件（非数据区域）从上到下多少行可忽略stringsAsFactors：选择是否把文字变量编码为因子，默认为TRUE
将文件存至Rstudio识别的路径
在 read.table()函数中填写文件名之前，需要将文件存到正确的路径中
例如：
> ## 查看保存路径
> getwd()
[1] "d:/Program Files/RStudio"
> ## 修改保存路径
> setwd("E:/read data")
> ## 读取文件
> read.csv(data.csv, TRUE)
>
> ## 运行文件
> data <- read.csv("data.csv", header = FALSE)
> data
读取中小型数据集时
直接写文件名
> data <- read.table("foo.txt")
读取大型数据集时
你需要先清楚该数据占多大内存，如果不设置其他参数，R会默认将整个数据集都载入内存中。
如果文件中没有注释行的话，那可以把
comment.char设置为空，即comment.char=""colClasses参数很重要，如果不设置，R会扫描每一列数据并判断其类型，非常耗费时间。如果所有列都是同一数据类型，可以直接统一设置
colClasses=numeric如果所有列的数据类型不统一，可以通过设定
nrow()参数，如下
initial <- read.table("datatable.txt", nrows = 100) #先读前100行
classes <- sapply (initial, class) #sapply()遍历每一列，调用class函数告诉你每一列的数据类型，然后将这些信息储存在classes中，
tabALL <- read.table("datatable.txt", colClasses = classes) #读取整个数据时，使用classes中的信息来指定colClasses）
（二）写入数据
与读取数据所用函数相对应的写入数据函数：
write.table、write.csvwriteLinesdumpdputsave、serialize
（三）输出函数
dump()和 dput()是两种重要的输出函数，用于储存格式和数据。
它们可以包含更多元的数据，属于文本格式但是和表格形式有所不同。如果你对数据框使用 dump()和 dput() 函数，输出结果包括数据框每一列的数据类型，这样读取的是后就不用再次指定类别了。
source和 dget函数可以读取未经 dump()和 dput() 输出的数据
dput()
dput() 可以生成一些代码，这些代码可用于重建R对象：
> ## Create a data frame
> y <- data.frame(a = 1, b = "a")
> ## Print 'dput' output to console
> dput(y)
structure(list(a = 1, b = structure(1L, .Label = "a", class = "factor")), .Names = c("a",
"b"), row.names = c(NA, -1L), class = "data.frame")
输出也可以直接保存到文件中，然后通过 dget() 读取：
> ## Send 'dput' output to a file
> dput(y, file = "y.R")
> ## Read in 'dput' output from a file
> new.y <- dget("y.R")
> new.y
a b
1 1 a
dump()
dump()函数和 dget()类似，区别是后者只能对单一R对象使用，而 dump() 可作用于多个R对象，接受的是一个包含对象名字的字符向量。
> ##创建两个对象x和y
> x <- "foo"
> y <- data.frame(a = 1L, b = "a")
> ## 传递dump参数，包含对象的名字，以及另一个文件名，即将这些对象储存在这个文件中
> dump(c("x", "y"), file = "data.R")
> ##删除两个对象
> rm(x, y)
> ##对储存对象调用source函数
> source("data.R")
> ##重建x, y
> str(y)
'data.frame': 1 obs. of 2 variables:
$ a: int 1
$ b: Factor w/ 1 level "a": 1
> x
[1] "foo"
（四）与外部环境交互
R通过一些主要函数与外界交互，建立联系。
最常见的联系是与文件建立关联。如 file() 读取文本文件 、 gzfile() 和 bzfile()读取压缩文件等。 url() 可用于与网页建立联系。
联系交互背后的思想是它提炼出与不同类型的R外部对象建立联系的机制。
file函数的几种参数
其中，description是文件名，open参数需要一个标识，包括r（读取，reading），w（写入，writing），a（附加，appending），rb、wb和ab分别表示读取、写入和附加二进制文件。
> str(file)
function (description = "", open = "", blocking = TRUE, encoding = getOption("encoding"),
raw = FALSE, method = getOption("url.method", "default"))
举例，查看名为"foo.txt"的csv.文件
> ## Create a connection to 'foo.txt'
> con <- file("foo.txt")
>
> ## Open connection to 'foo.txt' in read-only mode
> open(con, "r")
>
> ## Read from the connection
> data <- read.csv(con)
>
> ## Close the connection
> close(con)
以上三行命令和直接使用read.csv函数的效果一样，因此建立联系的必要性不大
> data <- read.csv("foo.txt")
但是当你只想读取文件的一部分的话，联系是有必要的。例如，建立联系后，使用readLines函数读取文件前10行：
> ## Open connection to gz-compressed text file
> con <- gzfile("words.gz")
> x <- readLines(con, 10)
> x
[1] "1080" "10-point" "10th" "11-point" "12-point" "16-point"
[7] "18-point" "1st" "2" "20-point"
读取网页数据
首先使用 url() 函数与网页建立联系。然后通过readLines函数来读取文本。这是除了 read.table() 和 read.csv()之外用来读取数据的另外一种方式。
> ## Open a URL connection for reading
> con <- url("http://www.jhsph.edu", "r")
>
> ## Read the web page
> x <- readLines(con)
>
> ## Print out the first few lines
> head(x)
[1] ""
[2] ""
[3] ""
[4] ""
[5] ""
[6] "Johns Hopkins Bloomberg School of Public Health "
参考资料：
https://bookdown.org/rdpeng/rprogdatascience/R Programming for Data Science
《R语言实战》 Robert I. Kabacoff
猜你喜欢
热文：1高分文章 2不可或缺的人 3图表规范
一文读懂：1微生物组 2寄生虫益处 3进化树
必备技能：1提问 2搜索 3Endnote
文献阅读 1热心肠 2SemanticScholar 3geenmedical
扩增子分析：1图表解读 2分析流程 3统计绘图 4功能预测
科研经验：1云笔记 2云协作 3公众号
系列教程：1Biostar 2微生物组 3宏基因组
生物科普 1肠道细菌 2人体上的生命 3生命大跃进 4细胞的暗战 5人体奥秘
写在后面
为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外120+ PI，1200+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。
学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”
点击阅读原文，跳转"生信小白学习记"