使用R读取并查看数据

本篇文章介绍如何使用R语言读取并查看数据，包含一些最基础的函数使用方法和说明。后面还会陆续介绍数据清洗，匹配和提取等相关的操作。

查看函数帮助

对于新手来说，在使用R时最重要的是了解不同函数的使用方法。很多时候我们都是边用边学的状态，拿到一个函数如何快速的使用起来，最快捷的方法就是查看函数的帮助。在R中查看函数的帮助有两种方法，第一种是使用help，第二种是直接在函数前加问好(?)。R会直接显示出这个函数是使用方法，函数说明和示例。下面是查看具体的代码和帮助内容的截图。

help(read.csv)
?read.csv

除了使用帮助功能以外，还有一个重要操作是tab键，在输入函数的过程中按下tab键,R会自动给出推荐的函数名称以及参数，避免很多记忆和重复输入的工作。

准备工作

在R中进行任何操作和分析工作之前，先需要读取数据。保存在工作目录中的数据可以直接读取，非工作目录的其他位置在读取时需要指明路径。因此第一步工作是了解R的工作目录。下面是具体的代码，输入getwd函数，R返回当前的工作目录。

#查看工作目录
getwd()
[1] "C:/Users/Documents"

你也可以对R的工作目录进行更改，使用setwd函数可以更改工作目录的路径。下面是具体的代码。

#设置工作目录
setwd("C:\\Users\\ r")

设置好工作目录后，开始读取数据，并创建数据表。我们的数据在工作目录下，因此直接读取并命名为loandata。

#读取并创建数据表
loandata=data.frame(read.csv('loan_data.csv',header = 1))

数据概览

使用dim函数查看数据表的行列数，loandata包含30行，10列数据。

#查看数据行列数
dim(loandata)
[1] 30 10

查看列名称

使用names函数查看数据表的列名称，下面列出了loandata数据表所有列的列名称。

names(loandata)

内容概览

还有一种更加直观查看数据的方法，使用数据编辑器。在R中使用fix函数可以调出数据编辑器，数据编辑器类似excel的表格界面，在数据编辑器中可以对字段的名称及类型进行简单的修改。

#数据编辑器
fix(loandata)

查看数据表前10行

在处理的数据条目较多时，可以使用head函数查看数据表。默认情况下head函数显示数据表的前5行数据，我们也可以通过设置参数n的值来自定义显示的行数。下面是代码和结果截图，在代码中我们设置n=10来显示数据表的前10行。

#查看数据表前10行
head(loandata,n=10)

查看数据后10行

Tail函数与head函数功能类似，用来显示数据表的后5行数据，下面的代码中我们设置n=10来显示数据表的后10行。

#显示数据表后10行
tail(loandata,n=10)

查看数据类型

Typeof是查看不同字段数据类的函数，下面我们使用这个函数查看了代码数据表中贷款金额类型，显示为double型。

#查看贷款金额列数据类型
typeof(loandata$loan_amnt)
[1] "double"

验证数据类型

除了直接查看字段的数据类型外，还可以对数据类型进行验证。下面使用is.integer函数验证贷款金额字段是否为integer型。返回的结果为FALSE。说明这个字段不是integer型。

#验证贷款金额字段的数据类型 is.integer(loandata$loan_amnt) [1] FALSE

更改数据类型

查看或验证完数据类型后，还可以更改数据类型。下面我们使用as.integer函数将贷款金额字段由之前的double型改为integer型。

#更改贷款金额字段为integer型
loandata$loan_amnt=as.integer(loandata$loan_amnt)

再次使用typeof函数查看贷款金额列的数据类型，现在显示为integer型。

#查看贷款金额列数据类型
typeof(loandata$loan_amnt)
[1] "integer"

查看字段

使用数据表名称，$符号和列名称可以直接查看特定列中的内容，例如查看loandata表中的term字段。后面的很多操作都会使用到。

#查看贷款数据表中的期限列
loandata$term

描述统计

完成了数据表的导入，查看和修改数据类型操作后，我们可以开始对数据进行一些简单的统计和计算工作。R中的summary是描述统计函数，可以对整个数据表或某一类提供描述统计报告。

直接将表面写在summary函数中，可以得到整个数据表的描述统计报告，这里只包含数值类型的字段，非数值类型的字段无法进行描述统计。

#对数据表进行描述统计
summary(loandata)

输入数据表和字段名称可以得到特定字段的描述统计报告。下面是对代码数据表中的贷款金额进行描述统计的结果。描述统计报告中给出了贷款金额的最大值，最小值，中位数和四分位数等数据。

#对数据表进行描述统计
summary(loandata)

关键指标计算

除了描述统计外，还可以对数据表进行计算。首先是最基本的求和和计数。Sum是求和函数，在sum函数中输入制定的列就可以获得求和结果。下面是对贷款数据表中的贷款金额进行求和。

#对贷款金额字段求和
sum(loandata$loan_amnt)
[1] 233925

Length是R中的计数函数，下面代码对用户ID字段进行计数。数据表中共有30个用户ID。

#对贷款金额字段进行计数
length(loandata$member_id)
[1] 30

Unique是唯一值函数，配合计数函数length可以对唯一值进行计算。下面的代码中先对用户ID进行排重，然后进行计数。

#对用户ID字段取唯一值并进行计数
length(unique(loandata$member_id))
[1] 30

不同字段间也可以进行计算，并生成新的字段添加在数据表中。下面通过贷款利息和贷款金额字段相除获得贷款利率字段，保留两位小数添加在原贷款数据表中。

#贷款利率=贷款利息/贷款金额
loan_int=round((loandata$total_rec_int)/(loandata$loan_amnt),digits = 2)
#将贷款利率列合并到贷款数据表中，并查看前5行数据
head(cbind(loandata,loan_int))

下面的代码表示了贷款金额与贷款金额列的汇总值进行计算，获得每一笔贷款金额在总金额中的占比，并将这个贷款金额占比数据保留两位小数后添加到原数据表中。

#贷款金额占比=贷款金额/贷款金额汇总
loan_percent=round((loandata$loan_amnt)/sum(loandata$loan_amnt),digits = 2)
#将贷款金额占比合并到贷款数据表中
loandata=cbind(loandata,loan_percent)
#查看新生成的贷款数据表
head(loandata)