4  Data I/O

pacman::p_load(magrittr,rio,here)

载入和导出数据

数据导入和导出（import and output），是分析软件必备的功能，也是第一步操作。 R的数据导入功能尤其强大，得益于几个强大的package。

想一想，数据来源于哪？

4.1 内置数据

R的内置数据，其实都是rds或`rda``为扩展名的数据文件，这类文件是R输出的，是R的原生数据文件

想要调用他们也非常简单，比如R默认的内置方法data()，里面有很多示例数据， 你可以自己在电脑上试验一下，看看里面有哪些datasets。

同样，很多R 的package里面也有自己的datasets，可以查看一下

 ds1 <- data(package="cluster")   
  ds1$results %>% 
    as.data.frame() %>% 
    .[,3:4]

当你加载（library）一个包时，它里面的dataset也会同时加载，想要调用某个数据集，直接输入其名字即可。

library(cluster)
animals

4.2 载入/读取数据

载入数据窗口

表格数据的常见格式R都支持，可以在Rstudio直接操作（如图），并且不需要任何包就可以读取如csv、dcf、rds、rda R基础包，也就是没安装任何包之前，有一些基础函数，如read.csv，可以读取csv文件，读取完之后会将其作为一个data.frame对象。既可以读取本地，也可以读取网络链接。

df1 <- read.csv("https://labfile.oss.aliyuncs.com/courses/1283/mlbootcamp5_train.csv") %>% 
  head(10)  
class(df1)
[1] "data.frame"
df2 <- read.csv("dataset/Song.csv")
head(df2)

4.2.1 读取其他文件

数据读取的包还有几个，包括readr，它属于tidyverse系列的包之一，命令与R基础包非常相似，与前面不同的是读取到的数据会被当做tibble对象。

library(readr)

df3 <- read_csv("dataset/Song.csv")
class(df3)
[1] "spec_tbl_df" "tbl_df"      "tbl"         "data.frame"

当然，我们别忘了，读取excel的文件，采用的是readxlpackage

library(readxl)
exceldf <- readxl_example("datasets.xlsx") 
quake <- read_excel(exceldf, sheet = "quakes")
head(quake,8)

此外，还有一个包haven，用来读取 SAS, SPSS, and Stata的数据文件 这里就不再用数据做演示了，只提供示例代码

library(haven)
sas_mydf <-read_sas("mydf.sas7bdat") # SAS文件读取
sav_mydf <-read_sav("mydf.sav") # SPSS
dta_mydf <-read_dta("mydf.dta") # Stata

4.3 导出数据

读取数据学会了，导出数据就非常简单，前面大家都能总结出一定规律，凡是读取数据，都是read开头，导出数据，都是write开头。需要用到的包可以是openxlsx或writexl

library(openxlsx)
write_csv(quake, "dataset/quake.csv")
write.xlsx(quake, "dataset/quake.xlsx")

4.4 瑞士军刀rio

前面，大家一定觉得，我要导入数据，为什么记这么多命令啊，难道不能一个包，统一命令？

rio号称是I/O的扛把子，瑞士军刀

只需要记住两个命令，import和export。简单多了吧！

library(rio)
import("dataset/quake.xlsx")
export(quake, "dataset/quake.rds")

4.5 其他数据获取方式

可以从数据库读取、API读取，还可以利用爬虫爬取。

  • Connecting to Databases: RSQLite
  • Web APIs
  • 爬虫（https://www.scraperapi.com/blog/web-scraping-with-r/）