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。
延伸阅读《R语言:实用数据分析和可视化技术》
点击上图了解及购买
转载请联系微信:DoctorData
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。
划重点????
干货直达????
西安交大送大一新生这本书,你读过吗?12本有趣有料的科普书盘点
终于有人把AI、BI、大数据、数据科学讲明白了
监督学习、非监督学习、强化学习都是什么?终于有人讲明白了
一条SQL引发的“血案”:与SQL优化相关的4个案例
更多精彩????
在公众号对话框输入以下关键词
查看更多优质内容!
PPT | 读书 | 书单 | 硬核 | 干货 | 讲明白 | 神操作
大数据 | 云计算 | 数据库 | Python | 可视化
AI | 人工智能 | 机器学习 | 深度学习 | NLP
5G | 中台 | 用户画像 | 1024 | 数学 | 算法 | 数字孪生
据统计,99%的大咖都完成了这个神操作
????
手把手教你用R语言读取CSV文件相关推荐
- R语言读取csv文件,第一列列名出现乱码的解决方法
在利用R语言读取csv文件时,第一列列名总是出现乱码,代码如下: setwd("E:\2.Model\4. Simulation") #设定文件路径 All.Soils = rea ...
- R语言读取csv文件,第一列列名出现乱码怎么办
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接: https://blog.csdn.net/weixin_45075290/art ...
- R语言 读取csv文件 有关无法打开表格以及表格位置不对问题【已解决】
因为概率模型课程,刚开始用到R语言,遇到些问题,现已解决 问题1: R语言读取并导入csv文件时打不出表格 解决: 首先用getwd()获取R当前所在的工作目录,将csv文件与R的code文件放在同 ...
- R语言读取CSV文件
#读取CSV文件 data <- read.csv("drugbank.csv", header = FALSE)
- r语言读取csv文件赋值gamma_tidyfst vs pandas(1):csv文件读写
作者:黄天元,复旦大学博士在读,热爱数据科学与开源工具(R),致力于利用数据科学迅速积累行业经验优势和科学知识发现,涉猎内容包括但不限于信息计量.机器学习.数据可视化.应用统计建模.知识图谱等,著有& ...
- r语言读取csv文件encoding乱码问题
问题描述: 用read.csv('data.csv',encoding = 'UTF-8')读取后中文仍然乱码 解决步骤: 1.查看语言环境,发现是英文 Sys.getlocale(category ...
- R语言读取xlsx文件
R语言读取csv文件 关于R语言读取Excel文件,比较麻烦,我从来都反对直接读取xlsx文件,因为爬虫数据时,一般保存的格式都是csv文件,或者直接保存到数据库里面,没有谁会保存到Excel文件里面 ...
- R语言读取CSV,删除重复行,进行数据分析
R语言读取CSV,将csv数据中的重复值进行统计,统计之后删除重复内容,只保留第一次出现的值. rm(list = ls()) library(ggplot2) library(dplyr)Rstar ...
- linux下c语言读取csv文件,C语言读取csv文件
C语言读取csv文件 逗号分隔值(Comma-Separated Values,CSV,有时也称为字符分隔值,因为分隔字符也可以不是逗号),其文件以纯文本形式存储表格数据(数字和文本).纯文本意味着该 ...
最新文章
- Nginx问题定位之监控进程异常退出
- activity堆栈式管理
- Sublime Text for Mac 如何格式化代码
- CentOS下安装MySQL报安装文件conflicts错误:
- linux后台停止执行命令,Linux 命令的后台运行
- Java中的序列问题-2
- 自己服务器搭建免费的进销存系统,云进销存服务器搭建
- 让国外买家秒回复的询盘模板示例
- STM32 内核复位 与 系统复位 区别及程序实现
- 大地测量常用的四种坐标系
- 有一种空格叫做--不间断空格(空格保存到数据库变成了问号)
- 3dsmax 扫描功能 点连接 绘制连接线
- win7 提示 由于无法验证发布者,windows阻止控件安装 解决办法
- web在线聊天页面代码
- ViKey加密狗对视频文件进行加密
- 【Linux/内核】Linux内核rpm包和源码包下载地址-20210107
- 分享2D Unity游戏的动画制作经验
- python打印hello_Python第一行代码——打印hello world
- 学生信息管理系统(一)
- 2020连信活号技术_连信如何能注册出活号,连信怎么判断活号