2.2.1　结构化数据读入

本章2.1节介绍了R中各种各样的数据结构，下面介绍如何将数据读入R中。分两个部分分别讲解R中的数据可以从哪两种渠道获得，常用的txt，csv，xls文件里，数据又该如何一键导入R中。

1．创建

数据的第一个来源就是自己创建。尽管这种方法不常用，但还是需要掌握，可以作为辅助。创建数据最重要的就是明确自己需要生成的数据结构及数据类型。前面已经针对每种结构的数据的生成方法做了详细介绍，包括向量（c( )），矩阵（matrix( )），数据框（data.frame( )）和列表（list( )）这四种基本结构。

2．读入

R可以从很多常用的统计软件中导入数据，比如Minitab，SAS，Stata，Sql里的数据都可以导入。这里以最常见的三种数据格式——txt，csv 和xls（xlsx）为例来详细说明。

（1） txt。很多时候，我们手里会拿到一个文本文件（后缀名为.txt），如图2-9所示。

对于文本文件，用命令read.table( )就可以将其数据对象顺利导入，具体使用的语法是：read.table file_ name header＝logical_ value sep＝＂＂ ，其中，file_name表示文件名； header用于设置是否把数据的第一行识别为变量名； sep则用来指定文件中的分隔符。如果把图2-9中的电影数据集以txt格式保存之后，使用命令read.table( )就可以得到如下结果：

非常简单的操作，但要注意，比如你从狗熊会微信公众号下载了数据，输入命令，却出现了以下结果：

明明下载了文件，但R显示没有这个文件。其实这里缺少了“设定路径”。当你把数据下载下来时，你的数据在哪里？下载文件夹里？但是R读入它时，并不知道这个数据文件具体下载到了哪里。这时有两种解决方法：第一种是清楚地告诉R，数据文件存储在哪里，即输入要读取的数据文件的完整路径（也就是存储文件的位置）。

第二种方法是找到下载的数据文件，将其拷贝到工作目录（working directory）。当我们打开一个R文件时，它就会自动设定一个工作目录（其实就是一个文件夹），在这个工作目录下面读写文件最方便，只需输入完整的文件名即可。默认情况下，工作目录是R软件的安装路径，当然也可以通过setwd( )更改工作的文件夹。在实际应用中，通常的做法是先把R的工作目录设定在某个文件夹内，再把要用到的数据文件都放入其中，以方便读写。

比如，首先可以用getwd( )获取R语言的工作目录（这里显示的工作目录在一个叫bear_read的文件夹中），这样把数据movie.txt放入该文件夹时，就不需要再输入长长的路径，直接用文件名读入即可。

（2）csv。第二种常见的数据文件格式是csv，打开如图2-10所示。

csv的全称是comma separated values，它是一种用逗号分隔的文件，其跨平台支持性能很好，大部分的数据软件都可以对它直接处理。严格来说，csv是一种文本文件。图2-11是用文本编辑器打开的movie数据集，显示除了用文本编辑器打开文件时非常凌乱外，它的每个数据列都使用逗号分隔开，而且是半角逗号（就是英文的逗号）。

弄清楚一个文件包含什么分隔符有什么用呢？我们最终想读出来的是一个整整齐齐、横行竖列的数据框，但文本却是以一行一行的形式呈现的，因此就要告诉计算机，这个文件中列与列之间是如何划分的，也就是分隔符是什么。这也正是命令read.table( )的参数sep要设置的内容。函数read.table( )中的sep，默认选项是空格。如果想用read.table( )读取csv文件，该如何设置分隔符呢？如果不设置，读入的数据将是什么样呢？如下所示：

其实读入csv，一般不常用read.table( )，而是用专有函数read.csv( )，前面的介绍主要是为了详细阐释分隔符的含义。如果使用read.table( )前拿到的是十分工整且正好以空格分隔的文件，那么万事大吉，但如果稍遇到不规整的数据用了比较奇特的符号分隔，那么不仔细观察并特别设置这个参数就会出现问题。

下面正式介绍函数read.csv( )的使用。它的用法与read.table( )类似，也是read.csv(＂file_ name＂ header＝logical_ value)。其实，它就是为csv这种数据格式量身定做的。首先无须特别设定分隔符；其次它的参数header的默认值就是TRUE（read.table的参数header的默认值是FALSE），这也完美契合了大部分实际数据的数据格式。

此外，read.csv( )中还有很多有趣的参数，通过翻阅帮助文档就可一探究竟。有时当按照常规读入却报错时，往往设置一个参数就可以解决，比如本书1.3节中介绍过文件的编码问题，可通过设定参数fileEncoding解决；再如，发现无法对文字运用文本函数时，可能是读入时R默认把它变成了factor，需要通过设置stringsAsFactors参数解决等，这些都是比较常见的问题。

（3） xls（xlsx）。 xls（xlsx）是Excel中的“原生态”表格数据格式。这可能是R初学者最关注的形式了，它的打开与csv文件界面类似（见图2-12）。

虽然常用，但在R里我们并不经常直接读取xls（xlsx）文件，不仅因为在基础base包里没有可以对它直接处理的函数，也因为xls（xlsx）这种数据格式并不如csv的跨平台兼容性好。推荐的做法是将其另存为csv格式，然后按照读取csv的方法读取。

当然，如果想直接读取xls（xlsx）文件也不是没有办法。 2016年，Hadley Wickham（见图2-13）就发布了一个读取Excel数据的新包readxl。

该包中的函数read_excel( )即可读取一个xls或者xlsx表格中的某个sheet，具体用法如下：