星期一, 二月 27, 2012

R语言编程入门之三:输入与输出


如同ATM机一样,你首先得输入银行卡,才能输出得到钞票。数据分析也是如此,输入输出数据在分析工作中有重要的地位。下面对R语言中一些重要的输入输出函数进行小结,而其它的函数请参考官方指南

1 读取键盘输入
如果只有很少的数据量,你可以直接用变量赋值输入数据。若要用交互方式则可以使用readline()函数输入单个数据,但要注意其默认输入格为字符型。scan()函数中如果不加参数则也可以用来手动输入数据。如果加上文件名则是从文件中读取数据。

2 读取表格文件
读取本地表格文件的主要函数是read.table(),其中的file参数设定了文件路径,注意路径中斜杠的正确用法(如"C:/data/sample.txt"),header参数设定是否带有表头。sep参数设定了列之间的间隔方式。该函数读取数据后将存为data.frame格式,而且所有的字符将被转为因子格式,如果你不想这么做需要记得将参数stringsAsFactors设为FALSE。与之类似的函数是read.csv()专门用来读取csv格式。

如果是想抓去网页上的某个表格,那么可以使用XML包中的readHTMLTable()函数。例如我们想获得google统计的访问最多的1000名网站数据,则可以象下面这样做。关于这个函数可以参考这篇博文
url <- 'http://www.google.com/adplanner/static/top1000/'
data <- readHTMLTable(url)
names(data)
head(data[[2]])
3 读取文本文件
有时候需要读取的数据存放在非结构化的文本文件中,例如电子邮件数据或微博数据。这种情况下只能依靠readLines()函数,将文档转为以行为单位存放的list格式。例如我们希望读取wikipedia的主页html文件的前十行。

data <- readLines('http://en.wikipedia.org/wiki/Main_Page',n=10)
另外,scan()也有丰富的参数用来读取非结构化文档。

4 批量读取本地文件
在批量读取文档时一般先将其存放在某一个目录下。先用dir()函数获取目录中的文件名,然后用paste()将路径合成,最后用循环或向量化方法处理文档。例如:

doc.names <- dir("path")
doc.path <- sapply(doc.names,function(names) paste(path,names,sep='/'))
doc <- sapply(doc.path, function(doc) readLines(doc))

5 写入文件
write.table()write.csv()函数可以很方便的写入表格型数据文档,而cat()函数除了可以在屏幕上输出之外,也能够输出成文件。

另外若要与MySQL数据库交换数据,则可以使用RMySLQ包。

4 条评论:

  1. 你好,我是一各心理学的硕士研究生,现在想抛弃SPSS而转用R,但是苦于身边没有人会,谢谢你的分享~
    不过现在仍然感觉无处下手,希望能向你学习,我的gtalk:hcp4715@gmail.com。

    回复删除
    回复
    1. 阅读R语言教材是最好的学习方式,另外欢迎访问博客并和我交流啊,呵呵。

      删除
  2. 你好,我想请教一个问题,我想用logistic做一个预测,如果我用read.csv输入数据就无法预测,如果手动输入用c()就可以预测,这两个究竟有啥区别啊

    回复删除
    回复
    1. c()出来的是个向量,read.csv出来是个数据框,二者格式不一样的。

      删除