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:大数据DT(ID:hzdashuju)
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
> theUrl <-"http://www.jaredlander.com/data/TomatoFirst.csv"
> tomato <-read.table(file=theUrl, header=TRUE, sep=",")
利用head
命令,我们可以看到下面的结果。
> head(tomato)
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。
> x <- 10:1
> y <- -4:5
> q <- c("Hockey", "Football", "Baseball", "Curling", "Rugby",
+ "Lacrosse", "Basketball", "Tennis", "Cricket", "Soccer")
> theDF <-data.frame(First=x, Second=y, Sport=q, stringsAsFac=FALSE)
> theDF$Sport
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。
▲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)
> theUrl <- "http://www.jaredlander.com/data/TomatoFirst.csv"
> tomato2 <- read_delim(file=theUrl, delim=',')
Parsed with column specification:
cols(
Round = col_integer(),
Tomato = col_character(),
Price = col_double(),
Source = col_character(),
Sweet = col_double(),
Acid = col_double(),
Color = col_double(),
Texture = col_double(),
Overall = col_double(),
`Avg of Totals` = col_double(),
`Total of Avg` = col_double()
)
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
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)
> theUrl <- "http://www.jaredlander.com/data/TomatoFirst.csv"
> tomato3 <- fread(input=theUrl, sep=',', header=TRUE)
这里也可以使用head函数查看前几行数据:
> head(tomato3)
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。
- SQL 存储过程分页
- 使用shell进行日志分析(r2第14天)
- easyui表单提交验证form
- 数据紧急修复之启用错误日志 (r2第12天)
- javascript 模拟按键点击提交
- 微信小程序调用接口返回数据或提交数据
- 巧用shell脚本生成快捷脚本(r2第12天)
- asp.net动态增加服务器端控件并提交表单
- c# asp.net 实现分页(pager)功能
- 一次数据库无法登陆的"问题"及排查(r2第11天)
- popcorn-js视频Video框架简单用法
- 一次数据库响应缓慢的问题排查(r2第9天)
- 通过Ajax方式上传文件(input file),使用FormData进行Ajax请求
- C# 读取指定文件夹下所有文件
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- 如何将你的Python项目全面自动化?
- 正则表达式介绍与使用
- Angular ERROR NullInjectorError: R3InjectorError(AppModule)的错误分析
- 2.4-Air302(NB-IOT)-基础外设-延时,定时器
- Shell正则表达式一览表
- YAML基础语法
- 详解Kubernetes存储体系
- Python3 正则表达式特殊符号及用法.md
- Web网页响应式布局.md
- BootStrap应用开发学习入门1
- Python实现单链表和字典
- 关于如何做好运维管理工作的一点思考
- 2.6-Air302(NB-IOT)-基础外设-AD采集,NTC温度传感器B3950
- 2.5-Air302(NB-IOT)-基础外设-串口(485,422),CRC校验
- 2.3-Air302(NB-IOT)-基础外设-输入检测