一、创建数据集（2）

3. 数据的输入

- 向R中导入数据的权威指南参见可在http://cran.r-project.org/doc/manuals/R-data.pdf下载的 R Data Import/Export手册。

可供R导入的数据源

3.1 使用键盘输入数据

有两种常见的方式：用R内置的文本编辑器和直接在代码中嵌入数据。
（1）首先考虑文本编辑器：数edit( )会自动调用一个允许手动输入数据的文本编辑器。具体步骤如下：

• 创建一个空数据框（或矩阵），其中变量名和变量的模式需与理想中的最终数据集一致；

• 针对这个数据对象调用文本编辑器，输入你的数据，并将结果保存回此数据对象中。
  

  在下例中，创建一个名为mydata的数据框，它含有三个变量：age（数值型）、gender（字符型）和weight（数值型），然后将调用文本编辑器，键入数据，最后保存结果。
  类似于age=numeric(0)的赋值语句将创建一个指定模式但不含实际数据的变量。函数edit( )事实上是在对象的一个副本上进行操作的。注意，编辑的结果需要赋值回对象本身。
  

  编辑器关闭后，结果会保存到之前赋值的对象中（本例中为mydata）。再次调用mydata <- edit(mydata)，就能够编辑已经输入的数据并添加新的数据。语句mydata <- edit(mydata)的一种简捷的等价写法是fix(mydata)。
  

  此外，你可以直接在你的程序中嵌入数据集。比如：
  以上代码创建了和之前用edit()函数所创建的一样的数据框。一个字符型变量被创建于存储原始数据，然后read.table( )函数被用于处理字符串并返回数据框。
  键盘输入数据的方式在处理小数据集的时候很有效。对于较大的数据集，一般采取：从现有的文本文件、Excel电子表格、统计软件或数据库中导入数据。

3.2 从带分隔符的文本文件导入数据

可以使用read.table( )从带分隔符的文本文件导入数据。此函数可读入一个表格格式的文件并将其保存为一个数据框。表格的每一行分别出现在文件中每一行：

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。
函数read.table( )的选项

例如：grades <- read.table("studentgrades.csv", header=TRUE, row.names="StudentID",sep=",")

• 当输入字符串时，如果出现“，”或“ ' ”，要将该字符串用引号包围住，因为“，”或“ ' ”在负载R时属于分隔符。

默认地，read.table( )把字符变量转化为因子，这并不一定是想要的情况。加上选项stringsAsFactors=FALSE对所有的字符变量都去掉这个行为。此外，可以用colClasses选项去对每一列都指定一个类（比如说，逻辑型、数值型、字符型或因子型），比如：

此时，字符型变量不再是因子，此外，数值型变量作为实数而不是整数来进行排序。
用连接来导入数据

3.3 导入Excel数据

读取Excel文件的最好方式，就是在Excel中将其导出为一个逗号分隔文件（csv），并使用前文描述的方式将其导入R中。此外，也可以用xlsx包直接地导入Excel工作表，XLConnect和openxls包也可以导入、创建和操作Excel文件，暂不详述。

3.4 导入XML数据

可以参阅www.omegahat.org/RSXML，从中可以找到若干份优秀的软件包文档。

3.5 从网页抓取数据

网络上的数据，可以通过Web数据抓取（Webscraping）的过程，或对应用程序接口（application programming interface，API）的使用来获得。
一般地说，在Web数据抓取过程中，用户从互联网上提取嵌入在网页中的信息，并将其保存为R中的数据结构以做进一步的分析。一个网页上的文字可以使用函数readLines( )来下载到一个R的字符向量中，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。请参考网站
Programming with R（www.programmingr.com）的“Webscraping using readLines and RCurl”。
API指定了软件组件如何互相进行交互。可以查看CRAN Task View中的子版块Web Technologies and Services（https://cran.r-project.org/web/views/WebTechnologies.html）来获得全面的列表及R包。

3.6 导入SPSS数据

可以通过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。

首先，下载并安装Hmisc包（foreign包已被默认安装）：

使用以下代码导入数据：

mydata.sav是要导入的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是导入后的R数据框。

3.7 导入Stata数据

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

3.8 访问数据库管理系统

R中有多种面向关系型数据库管理系统（DBMS）的接口，包括Microsoft SQL Server、Microsoft Access、MySQL、Oracle、PostgreSQL、DB2、Sybase、Teradata以及SQLite。其中一些包通过原生的数据库驱动来提供访问功能，另一些则是通过ODBC或JDBC来实现访问的。此处略。