江苏龙网

  1. 首页 > 人文 > >

|手把手教你用R语言读取CSV文件


导读：R语言有许多种方法去获取数据 ， 最常用的是读取CSV文件 。
作者：Jared P. Lander
来源：华章科技
|手把手教你用R语言读取CSV文件
本文插图

读取CSV文件最好的方法是使用read.table函数 ， 许多人喜欢使用read.csv函数 ， 该函数其实是封装的read.table函数 ， 同时设置read.table函数的sep参数为逗号('','') 。 read.table函数返回的结果为data.frame 。
read.table函数的第一个参数为文件所在路径 ， 可以是本地文件 ， 也可以是网页上的文件 。 本书主要是从网页读取文件 。
任意CSV文件都可以读取 ， 这里使用read.table函数读取一个简单的文件（地址如下）：
http://www.jaredlander.com/data/TomatoFirst.csv
> theUrltomato 利用head命令 ， 我们可以看到下面的结果 。 > head(tomato)|手把手教你用R语言读取CSV文件
本文插图

如前面所述 ， 第一个参数是文件名（或字符型变量） 。 注意我们如何显式地使用参数名file、head和sep 。 函数的参数能够按位置顺序赋值 ， 而不用显式指定参数名 ， 但指定参数名是最佳实践 。
第二个参数header ， 表示数据的第一行 ， 即列名 。 第三个参数sed ， 表示数据的分隔符 。 可以设为“t”（tab分隔符）或者“;”（分号分隔符） ， 以读取不同类型的文件 。
常用但不被熟知的参数是stringAsFactors 。 将该参数设为FALSE（默认是TRUE）可使字符所在列不被转换成factor列 。 这样既节省计算时间（当大数据集包含许多字符列 ， 也意味着有许多唯一值） ， 又能保留列为字符 。
stringAsFactors参数也可以用在data.frame中 。 再次创建“Sport”列 。
> xyqtheDFtheDF$Sport
|手把手教你用R语言读取CSV文件
本文插图

read.table函数还有许多参数 ， 最常用的是quote和colClasses参数 ， 分别设置字符的包围符和每列的数据类型 。
类似read.csv函数 ， 也有其他用于read.table的封装函数 ， 也有默认参数 。 它们主要的区别是sep和dec参数 。 详细情况见表6-1 。
|手把手教你用R语言读取CSV文件
本文插图

▲表6-1 读取大文本文件的函数及其默认参数
大文件使用read.table函数读取到内存比较慢 ， 幸运的是有解决方案 。 读取大CSV文件和其他文本文件的两个主流的函数是read_delim和fread ， 前者在readr包中由Hadley Wickham实现 ， 后者在data.table包中由Matt Dowle实现 。 read_delim和fread运行相当快 ， 因为两者都不把字符数据自动转换成factor 。
01 read_delim函数
readr包提供读取文本文件的一系列函数 。 最常用的是read_delim函数 ， 读取有分隔符的文件 ， 比如CSV文件 。 该函数的第一个参数是读取的文件路径或者URL 。 col_names默认为TRUE ， 指定文件的第一行为列名 。
> library(readr) > theUrltomato2 read_delim函数执行后会打印列名和数据类型信息 ， 这些信息也可以使用head.read_delim函数获得 。 readr包中的所有数据提取函数返回的是tibble ， 该数据类型是data.frame的扩展 。 最明显的变化是打印的元数据 ， 比如行列数和每列的数据类型 。 tibble会适应屏幕大小打印相应条数的行列数据 。 > tomato2|手把手教你用R语言读取CSV文件
本文插图

read_delim函数不仅仅读取速度比read.table函数快 ， 而且不需要设置stringAsFactors参数为FALSE 。 read_csv、read_csv2和read_tsv函数是read.table函数分隔符分别为逗号（,）、分号（;）和tab（t）的特殊情况 。
注意 ， 数据读取为tbl_df对象 ， 它是tbl的扩展 ， 也是data.frame的扩展 。 tbl是data.frame的特殊类型 ， 它在dplyr包中定义 。 每列的数据类型显示在列名的下面 ， 这是个很好的功能 。
readr包有一些对read_delim函数封装（预置分隔符）的辅助函数 ， 比如read_csv函数和read_tsv函数 。
02 fread函数
另一个读取大量数据的函数是data.table包的fread函数 。 第一个参数是读取的文件路径或者URL 。 header参数表示文件的第一行是列名 ， sep指定分隔符 。 该函数的stringAsFactors参数默认设为FALSE 。
> library(data.table) > theUrltomato3 这里也可以使用head函数查看前几行数据：> head(tomato3)
|手把手教你用R语言读取CSV文件
本文插图

该函数读取速度比read.table函数快 ， 结果为data.table对象 。 data.table对象是data.frame的扩展 ， 其是data.frame的优化 。
read_delim或者fread函数读取文件都非常快 ， 具体使用哪个函数取决于dplyr或者data.table包中哪个更适合数据处理 。
关于作者：贾里德 P. 兰德（Jared P. Lander） ， 资深数据专家 ， Lander Analytics公司创始人兼CEO ， 纽约开放统计编程聚会负责人 ， 哥伦比亚大学统计学兼职教授 。 在数据管理、多层次模型、机器学习、广义线性模型、可视化、数据管理和统计计算等多个领域拥有丰富经验 。
本文摘编自《R语言：实用数据分析和可视化技术》（原书第2版） ， 经出版方授权发布 。
|手把手教你用R语言读取CSV文件
本文插图

延伸阅读《R语言：实用数据分析和可视化技术》
【|手把手教你用R语言读取CSV文件】推荐语：本书借鉴数据科学家Jared P. Lander在R语言上丰富的教学经验 ， 通过大量实例 ， 详细讲解R语言的核心功能 。 对于刚接触统计程序和模型的人 ， 本书的内容组织结构使得学习R语言相当简单和直观 。 本书主要介绍R语言中20%的核心功能 ， 但是这20%的功能足以让你解决80%的现代数据分析 。


    推荐阅读


    上一篇：不止于豪华还尊贵，红旗H9正式上市，30.98万元

    下一篇：试驾五菱宏光mini的感受