登录
首页精彩阅读关于R从不同数据源导入数据的几种方式总结
关于R从不同数据源导入数据的几种方式总结
2018-01-13
收藏

       关于R从不同数据源导入数据的几种方式总结

1  使用键盘输入数据

(1) 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;

(2)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,你将创建一个名为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)。然后你将调用文本编辑器,键入数据,最后保存结果。

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

>mydata<-edit(mydata)

2 从带分隔符的文本文件中导入数据

你可以使用read.table()从带分隔符的文本文件中导入数据。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。其语法如下:

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

其中,file是一个带分隔符的ASCII文本文件,header是一个表明首行是否包含了变量名的逻辑值(TRUE或FALSE),sep用来指定分隔数据的分隔符,row.names是一个可选参数,用以指定一个或多个表示行标识符的变量。

请注意,参数sep允许你导入那些使用逗号以外的符号来分隔行内数据的文件。你可以使用

sep="\t"读取以制表符分隔的文件。此参数的默认值为sep="",即表示分隔符可为一个或多个空格、制表符、换行符或回车符.

默认情况下,字符型变量将转换为因子。我们并不总是希望程序这样做(例如处理一个含有被调查者评论的变量时)。有许多方法可以禁止这种转换行为。其中包括设置选项stringsAsFactors=FALSE,这将停止对所有字符型变量的此种转换。另一种方法是使用选项

colClasses为每一列指定一个类,例如logical(逻辑型)、numeric(数值型)、character

(字符型)、factor(因子)。

函数read.table()还拥有许多微调数据导入方式的追加选项。

3 导入  Excle数据

读取一个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。在Windows系统中,你也可以使用RODBC包来访问Excel文件。

电子表格的第一行应当包含变量/列的名称。

首先,下载并安装RODBC包。

你可以使用以下代码导入数据:

>install.packages("RODBC")

library(RODBC)

channel<-odbcConnectExcel("myfile.xls")

mydataframe<-sqlFetch(hannel,"mysheet")

odbcClose(channel)

这里的myfile.xls是一个Excel文件,mysheet是要从这个工作簿中读取工作表的名称,

channel是一个由odbcConnectExcel()返回的RODBC连接对象,mydataframe是返回的数据框

注意:Excel2007使用了一种名为XLSX的文件格式,实质上是多个XML文件组成的压缩包。xlsx包可以用来读取这种格式的电子表格。在第一次使用此包之前请务必先下载并安装好。包中的函数read.xlsx()可将XLSX文件中的工作表导入为一个数据框。其最简单的调用格式是read.xlsx(file,n),其中file是Excel2007工作簿的所在路径,n则为要导入的工作表序号。

library(xlsx)

workbook<-"c:/mywoehbook.xlsx"

mydataframe<-read.xlsx(workbook,1)

从位于C盘根目录的工作簿myworkbook.xlsx中导入了第一个工作表.

4从网页抓取数据

在Web数据抓取(Webscraping)的过程中,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。完成这个任务的一种途径是使用函数readLines()下载网页,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。

5 导入SPSS数据

SPSS数据集可以通过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,最后得到数据分析人员所期望的结果。

首先,下载并安装Hmisc包(foreign包已被默认安装):

>install.packages("Hmisc")

>library(Hmisc)

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

这段代码中,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。

6导入SAS数据

R中设计了若干用来导入SAS数据集的函数,包括foreign包中的read.ssd()和Hmisc包中的sas.get()。遗憾的是,如果使用的是SAS的较新版本(SAS 9.1或更高版本),你很可能会发现这些函数并不能正常工作,因为R尚未跟进SAS对文件结构的改动。个人推荐两种解决方案。

你可以在SAS中使用PROC EXPORT将SAS数据集保存为一个逗号分隔的文本文件,并使用下叙述的方法将导出的文件读取到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导入Stata数据

> library(foreign)

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

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

8导入netCDF数据

Unidata项目主导的开源软件库netCDF(network Common Data Form,网络通用数据格式)定

义了一种机器无关的数据格式,可用于创建和分发面向数组的科学数据。netCDF格式通常用来存储地球物理数据。ncdf包和ncdf4包为netCDF文件提供了高层的R接口。ncdf包为通过Unidata的netCDF库(版本3或更早)创建的数据文件提供了支持,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。

考虑如下代码:

在本例中,对于包含在netCDF文件mynetCDFfile中的变量myvar,其所有数据都被读取并保存到了一个名为myarray的R数组中。

9导入HDF5数据

HDF5(Hierarchical Data Format,分层数据格式)是一套用于管理超大型和结构极端复杂数据集的软件技术方案。hdf5包能够以那些理解HDF5格式的软件可以读取的格式,将R对象写入到一个文件中。这些文件可以在之后被读回R中。这个包是实验性质的.

10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MicrosoftSQL Server、MicrosoftAccess、MySQL、Oracle、PostgreSQL、DB2、Sybase、Teradata以及SQLite。使用R来访问存储在外部数据库中的数据是一种分析大数据集的有效手段(参见附录G),并且能够发挥SQL和R各自的优势。

1. ODBC接口

在R中通过RODBC包访问一个数据库也许是最流行的方式,这种方式允许R连接到任意一种拥有ODBC驱动的数据库,其实几乎就是市面上的所有数据库。

第一步是针对你的系统和数据库类型安装和配置合适的ODBC驱动——它们并不是R的一部分。如果你的机器尚未安装必要的驱动,上网搜索一下应该就可以找到。针对选择的数据库安装并配置好驱动后,请安装RODBC包。你可以使用命令

install.packages("RODBC")来安装它。

RODBC包中的主要函数列于表2-2中。

RODBC包允许R和一个通过ODBC连接的SQL数据库之间进行双向通信。这就意味着你不仅可

以读取数据库中的数据到R中,同时也可以使用R修改数据库中的内容。假设你想将某个数据库

中的两个表(Crime和Punishment)分别导入为R中的两个名为crimedat和pundat的数据框,

可以通过如下代码完成这个任务:

library(RODBC)

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

crimedat<-sqlFetch(myconn,Crime)

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

close(myconn)

这里首先载入了RODBC包,并通过一个已注册的数据源名称(mydsn)和用户名(rob)以及密码(aardvark)打开了一个ODBC数据库连接。连接字符串被传递给sqlFetch,它将Crime表复制到R数据框crimedat中。然后我们对Punishment表执行了SQL语句select并将结果保存到数据框pundat中。最后,我们关闭了连接。函数sqlQuery()非常强大,因为其中可以插入任意的有效SQL语句。这种灵活性赋予了你选择指定变量、对数据取子集、创建新变量,以及重编码和重命名现有变量的能力。

数据分析咨询请扫描二维码

客服在线
立即咨询