關(guān)于R從不同數(shù)據(jù)源導(dǎo)入數(shù)據(jù)的幾種方式總結(jié)

1  使用鍵盤輸入數(shù)據(jù)

(1) 創(chuàng)建一個空數(shù)據(jù)框（或矩陣），其中變量名和變量的模式需與理想中的最終數(shù)據(jù)集一致；

(2)針對這個數(shù)據(jù)對象調(diào)用文本編輯器，輸入你的數(shù)據(jù)，并將結(jié)果保存回此數(shù)據(jù)對象中。

在下例中，你將創(chuàng)建一個名為mydata的數(shù)據(jù)框，它含有三個變量：age（數(shù)值型）、gender（字符型）和weight（數(shù)值型）。然后你將調(diào)用文本編輯器，鍵入數(shù)據(jù)，最后保存結(jié)果。

>mydata<-data.frame(age=numeric(0),gender=character(0),weight=numeric(0))

>mydata<-edit(mydata)

2 從帶分隔符的文本文件中導(dǎo)入數(shù)據(jù)

你可以使用read.table()從帶分隔符的文本文件中導(dǎo)入數(shù)據(jù)。此函數(shù)可讀入一個表格格式

的文件并將其保存為一個數(shù)據(jù)框。其語法如下：

mydataframe<-read.table(file.header=logical_value,sep="delimiter",row,names="name")

其中，file是一個帶分隔符的ASCII文本文件，header是一個表明首行是否包含了變量名的邏輯值（TRUE或FALSE），sep用來指定分隔數(shù)據(jù)的分隔符，row.names是一個可選參數(shù)，用以指定一個或多個表示行標(biāo)識符的變量。

請注意，參數(shù)sep允許你導(dǎo)入那些使用逗號以外的符號來分隔行內(nèi)數(shù)據(jù)的文件。你可以使用

sep="\t"讀取以制表符分隔的文件。此參數(shù)的默認(rèn)值為sep=""，即表示分隔符可為一個或多個空格、制表符、換行符或回車符.

默認(rèn)情況下，字符型變量將轉(zhuǎn)換為因子。我們并不總是希望程序這樣做（例如處理一個含有被調(diào)查者評論的變量時）。有許多方法可以禁止這種轉(zhuǎn)換行為。其中包括設(shè)置選項(xiàng)stringsAsFactors=FALSE，這將停止對所有字符型變量的此種轉(zhuǎn)換。另一種方法是使用選項(xiàng)

colClasses為每一列指定一個類，例如logical（邏輯型）、numeric（數(shù)值型）、character

（字符型）、factor（因子）。

函數(shù)read.table()還擁有許多微調(diào)數(shù)據(jù)導(dǎo)入方式的追加選項(xiàng)。

3 導(dǎo)入  Excle數(shù)據(jù)

讀取一個Excel文件的最好方式，就是在Excel中將其導(dǎo)出為一個逗號分隔文件（csv），并使用前文描述的方式將其導(dǎo)入R中。在Windows系統(tǒng)中，你也可以使用RODBC包來訪問Excel文件。

電子表格的第一行應(yīng)當(dāng)包含變量/列的名稱。

首先，下載并安裝RODBC包。

你可以使用以下代碼導(dǎo)入數(shù)據(jù)：

>install.packages("RODBC")

library(RODBC)

channel<-odbcConnectExcel("myfile.xls")

mydataframe<-sqlFetch(hannel,"mysheet")

odbcClose(channel)

這里的myfile.xls是一個Excel文件，mysheet是要從這個工作簿中讀取工作表的名稱，

channel是一個由odbcConnectExcel()返回的RODBC連接對象，mydataframe是返回的數(shù)據(jù)框

注意：Excel2007使用了一種名為XLSX的文件格式，實(shí)質(zhì)上是多個XML文件組成的壓縮包。xlsx包可以用來讀取這種格式的電子表格。在第一次使用此包之前請務(wù)必先下載并安裝好。包中的函數(shù)read.xlsx()可將XLSX文件中的工作表導(dǎo)入為一個數(shù)據(jù)框。其最簡單的調(diào)用格式是read.xlsx(file,n)，其中file是Excel2007工作簿的所在路徑，n則為要導(dǎo)入的工作表序號。

library(xlsx)

workbook<-"c:/mywoehbook.xlsx"

mydataframe<-read.xlsx(workbook,1)

從位于C盤根目錄的工作簿myworkbook.xlsx中導(dǎo)入了第一個工作表.

4從網(wǎng)頁抓取數(shù)據(jù)

在Web數(shù)據(jù)抓?。╓ebscraping）的過程中，用戶從互聯(lián)網(wǎng)上提取嵌入在網(wǎng)頁中的信息，并將其保存為R中的數(shù)據(jù)結(jié)構(gòu)以做進(jìn)一步的分析。完成這個任務(wù)的一種途徑是使用函數(shù)readLines()下載網(wǎng)頁，然后使用如grep()和gsub()一類的函數(shù)處理它。對于結(jié)構(gòu)復(fù)雜的網(wǎng)頁，可以使用RCurl包和XML包來提取其中想要的信息。

5 導(dǎo)入SPSS數(shù)據(jù)

SPSS數(shù)據(jù)集可以通過foreign包中的函數(shù)read.spss()導(dǎo)入到R中，也可以使用Hmisc包中的spss.get()函數(shù)。函數(shù)spss.get()是對read. spss()的一個封裝，它可以為你自動設(shè)置后者的許多參數(shù)，讓整個轉(zhuǎn)換過程更加簡單一致，最后得到數(shù)據(jù)分析人員所期望的結(jié)果。

首先，下載并安裝Hmisc包（foreign包已被默認(rèn)安裝）：

>install.packages("Hmisc")

>library(Hmisc)

>mydatframe<-spss.get("mydata.sav",use.value.lables="TRUE")

這段代碼中，mydata.sav是要導(dǎo)入的SPSS數(shù)據(jù)文件，use.value.labels=TRUE表示讓函數(shù)將帶有值標(biāo)簽的變量導(dǎo)入為R中水平對應(yīng)相同的因子，mydataframe是導(dǎo)入后的R數(shù)據(jù)框。

6導(dǎo)入SAS數(shù)據(jù)

R中設(shè)計(jì)了若干用來導(dǎo)入SAS數(shù)據(jù)集的函數(shù)，包括foreign包中的read.ssd()和Hmisc包中的sas.get()。遺憾的是，如果使用的是SAS的較新版本（SAS 9.1或更高版本），你很可能會發(fā)現(xiàn)這些函數(shù)并不能正常工作，因?yàn)镽尚未跟進(jìn)SAS對文件結(jié)構(gòu)的改動。個人推薦兩種解決方案。

你可以在SAS中使用PROC EXPORT將SAS數(shù)據(jù)集保存為一個逗號分隔的文本文件，并使用下敘述的方法將導(dǎo)出的文件讀取到R中：

SAS程序：

proc export data=mydata

outfile="mydata.csv"

dbms=csv

run;

R程序：

mydata<-read.table("mydata.csv",header=TRUE,sep=",")

7導(dǎo)入Stata數(shù)據(jù)

> library(foreign)

> mydata<-read.dta("mydata.dta")

這里，mydata.dta是Stata數(shù)據(jù)集，mydataframe是返回的R數(shù)據(jù)框.

8導(dǎo)入netCDF數(shù)據(jù)

Unidata項(xiàng)目主導(dǎo)的開源軟件庫netCDF（network Common Data Form，網(wǎng)絡(luò)通用數(shù)據(jù)格式）定

義了一種機(jī)器無關(guān)的數(shù)據(jù)格式，可用于創(chuàng)建和分發(fā)面向數(shù)組的科學(xué)數(shù)據(jù)。netCDF格式通常用來存儲地球物理數(shù)據(jù)。ncdf包和ncdf4包為netCDF文件提供了高層的R接口。ncdf包為通過Unidata的netCDF庫（版本3或更早）創(chuàng)建的數(shù)據(jù)文件提供了支持，而且在Windows、MacOS X和Linux上均可使用。ncdf4包支持netCDF 4或更早的版本，但在Windows上尚不可用。

考慮如下代碼：

在本例中，對于包含在netCDF文件mynetCDFfile中的變量myvar，其所有數(shù)據(jù)都被讀取并保存到了一個名為myarray的R數(shù)組中。

9導(dǎo)入HDF5數(shù)據(jù)

HDF5（Hierarchical Data Format，分層數(shù)據(jù)格式）是一套用于管理超大型和結(jié)構(gòu)極端復(fù)雜數(shù)據(jù)集的軟件技術(shù)方案。hdf5包能夠以那些理解HDF5格式的軟件可以讀取的格式，將R對象寫入到一個文件中。這些文件可以在之后被讀回R中。這個包是實(shí)驗(yàn)性質(zhì)的.

10訪問數(shù)據(jù)庫管理系統(tǒng)

R中有多種面向關(guān)系型數(shù)據(jù)庫管理系統(tǒng)（DBMS）的接口，包括MicrosoftSQL Server、MicrosoftAccess、MySQL、Oracle、PostgreSQL、DB2、Sybase、Teradata以及SQLite。使用R來訪問存儲在外部數(shù)據(jù)庫中的數(shù)據(jù)是一種分析大數(shù)據(jù)集的有效手段（參見附錄G），并且能夠發(fā)揮SQL和R各自的優(yōu)勢。

1. ODBC接口

在R中通過RODBC包訪問一個數(shù)據(jù)庫也許是最流行的方式，這種方式允許R連接到任意一種擁有ODBC驅(qū)動的數(shù)據(jù)庫，其實(shí)幾乎就是市面上的所有數(shù)據(jù)庫。

第一步是針對你的系統(tǒng)和數(shù)據(jù)庫類型安裝和配置合適的ODBC驅(qū)動——它們并不是R的一部分。如果你的機(jī)器尚未安裝必要的驅(qū)動，上網(wǎng)搜索一下應(yīng)該就可以找到。針對選擇的數(shù)據(jù)庫安裝并配置好驅(qū)動后，請安裝RODBC包。你可以使用命令

install.packages("RODBC")來安裝它。

RODBC包中的主要函數(shù)列于表2-2中。

RODBC包允許R和一個通過ODBC連接的SQL數(shù)據(jù)庫之間進(jìn)行雙向通信。這就意味著你不僅可

以讀取數(shù)據(jù)庫中的數(shù)據(jù)到R中，同時也可以使用R修改數(shù)據(jù)庫中的內(nèi)容。假設(shè)你想將某個數(shù)據(jù)庫

中的兩個表（Crime和Punishment）分別導(dǎo)入為R中的兩個名為crimedat和pundat的數(shù)據(jù)框，

可以通過如下代碼完成這個任務(wù)：

library(RODBC)

myconn<-odbcConnect("mydsn",uid="Rob",pwd="aardvark")

crimedat<-sqlFetch(myconn,Crime)

pundat<-sqlQuery(myconn,"select*from Punishment")

close(myconn)

這里首先載入了RODBC包，并通過一個已注冊的數(shù)據(jù)源名稱（mydsn）和用戶名（rob）以及密碼（aardvark）打開了一個ODBC數(shù)據(jù)庫連接。連接字符串被傳遞給sqlFetch，它將Crime表復(fù)制到R數(shù)據(jù)框crimedat中。然后我們對Punishment表執(zhí)行了SQL語句select并將結(jié)果保存到數(shù)據(jù)框pundat中。最后，我們關(guān)閉了連接。函數(shù)sqlQuery()非常強(qiáng)大，因?yàn)槠渲锌梢圆迦肴我獾挠行?a href='/map/sql/' style='color:#000;font-size:inherit;'>SQL語句。這種靈活性賦予了你選擇指定變量、對數(shù)據(jù)取子集、創(chuàng)建新變量，以及重編碼和重命名現(xiàn)有變量的能力。