-
初学者使用R语言读取excel/csv/txt的注意事项
本文首发于：医学和生信笔记，完美观看体验请至公众号查看本文。
本文面向R语言初学者，尤其是生物医药领域的初学者，大佬勿喷~
在之前的推文中，我们用两个视频详细介绍了R语言、rtools、Rstudio以及R包的安装，解决新手最先碰到的两大难题！
接下来大家就面临把数据读入R语言、把数据另存为其他格式的问题！
大家在日常生活中遇到的最多的数据应该还是Excel数据，但是对于R语言来说，我们必须要把外部数据读入到R里面，才能进行各种操作。对于我们最后的数据，可能还需要再保存为excel格式。
这两个问题对于会的人来说非常简单，可以有多种方法可以实现，但是对于新手来说却经常遇到报错。今天从一个新手的角度说一说R语言的数据读入和另存问题。
把数据读入R语言
Excel
这个格式太常见了，大家日常生活用的大部分都是这种格式。比如有这么一个excel文件：
data.xlsx，它里面的内容是这样的：
现在我们需要把它读入R里面。我推荐你使用
readxl包读取Excel文件。首先我们要安装这个R包,如果你还不会R包安装常见的4种方式，赶紧去看这个视频：xxxxxxxxxxxxx。install.packages("readxl")- 1
安装好之后，我们需要加载这个R包才能使用：
library(readxl)- 1
然后我们就可以读入这个文件了，读取时，你必须指明你的文件在哪里！ 如果文件路径没写对，就会出现下面这种类似的报错，一般情况下，它会告诉你，你的路径没写对，或者找不到这个文件，这个文件不存在，不能打开连接等等错误！！
tmp <- read_xlsx("E:/data.xlsx", col_names = T) ## Error: `path` does not exist: ‘E:/R/data.xlsx’- 1
- 2
- 3
这个时候你就要去确认下，你的这个
data.xlsx文件到底在哪里！当你给它正确的路径时，它就不会报错。还要注意/ \ , " "，这些标点一定要在英文状态下输入！tmp <- read_xlsx("E:/R/data.xlsx", col_names = T) tmp ## # A tibble: 29 × 6 ## 编号 治疗方式 性别 年龄 收缩压 血糖 ##- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
这样我们就成功把文件读取到R里面了！
除了路径问题，对于新手还有几个点需要注意：
- 这个示例文件是有列名的，所以在读取的时候加了
col_names=T这个参数，没有行名就要改成F； - 如果你的数据使用了合并/拆分单元格、各种格式、公式等，会报错！
- 这个文件是
.xlsx格式的，如果不是，那你需要用其他函数，比如read_xls()函数读取.xls结尾的文件； - 如果你读取中文遇到乱码问题，那大概率是遇到了编码问题，这是一个很复杂的问题：
- 首先你可以通过点击rstudio中的Tools - Global Options，到达以下界面，把默认编码方式改为
utf-8，然后关闭rstudio，重新读取；
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0LkHBpNt-1668216404004)(C:\Users\liyue\Desktop\Snipaste_2022-07-31_19-13-14.png)] - 有时直接升级R包/R/rstudio/，重新保存文件为utf-8等方式也可以解决问题；
- 如果都不行，直接百度！具体情况具体分析！
- 首先你可以通过点击rstudio中的Tools - Global Options，到达以下界面，把默认编码方式改为
csv
csv文件是一种逗号分隔文件，打开后和excel看起来一模一样，你不要问为什么看不到逗号…
一般推荐把excel文件另存为csv文件，因为方便R语言读取，不需要安装R包也可以读取~
csv <- read.csv("E:/R/data.csv", header = T) csv ## 编号 治疗方式 性别 年龄 收缩压 血糖 ## 1 1 方法1 男 56 134 6.3 ## 2 2 方法2 女 45 123 4.6 ## 3 3 方法3 男 67 112 7.4 ## 4 4 方法4 女 56 113 8.5 ## 5 5 方法5 男 78 115 6.3 ## 6 6 方法6 女 56 116 4.6 ## 7 7 方法7 男 67 134 7.4 ## 8 8 方法8 女 45 123 8.5 ## 9 9 方法9 男 67 112 6.3 ## 10 10 方法10 女 87 113 4.6 ## 11 11 方法11 男 56 115 7.4 ## 12 12 方法12 女 78 116 8.5 ## 13 13 方法13 男 67 134 6.3 ## 14 14 方法14 女 56 123 4.6 ## 15 15 方法15 男 78 112 7.4 ## 16 16 方法16 女 56 113 8.5 ## 17 17 方法17 男 45 115 6.3 ## 18 18 方法18 女 67 116 4.6 ## 19 19 方法19 男 56 134 7.4 ## 20 20 方法20 女 78 123 8.5 ## 21 21 方法21 男 56 112 6.3 ## 22 22 方法22 女 67 113 4.6 ## 23 23 方法23 男 45 115 7.4 ## 24 24 方法24 女 67 116 8.5 ## 25 25 方法25 男 87 134 6.3 ## 26 26 方法26 女 56 123 4.6 ## 27 27 方法27 男 78 112 7.4 ## 28 28 方法28 女 67 113 8.5 ## 29 29 方法29 男 56 115 6.3- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
或者用
read.table()函数读取。csv <- read.table("E:/R/data.csv", header = T, sep = "," # 指定分隔符！！ ) csv ## 编号 治疗方式 性别 年龄 收缩压 血糖 ## 1 1 方法1 男 56 134 6.3 ## 2 2 方法2 女 45 123 4.6 ## 3 3 方法3 男 67 112 7.4 ## 4 4 方法4 女 56 113 8.5 ## 5 5 方法5 男 78 115 6.3 ## 6 6 方法6 女 56 116 4.6 ## 7 7 方法7 男 67 134 7.4 ## 8 8 方法8 女 45 123 8.5 ## 9 9 方法9 男 67 112 6.3 ## 10 10 方法10 女 87 113 4.6 ## 11 11 方法11 男 56 115 7.4 ## 12 12 方法12 女 78 116 8.5 ## 13 13 方法13 男 67 134 6.3 ## 14 14 方法14 女 56 123 4.6 ## 15 15 方法15 男 78 112 7.4 ## 16 16 方法16 女 56 113 8.5 ## 17 17 方法17 男 45 115 6.3 ## 18 18 方法18 女 67 116 4.6 ## 19 19 方法19 男 56 134 7.4 ## 20 20 方法20 女 78 123 8.5 ## 21 21 方法21 男 56 112 6.3 ## 22 22 方法22 女 67 113 4.6 ## 23 23 方法23 男 45 115 7.4 ## 24 24 方法24 女 67 116 8.5 ## 25 25 方法25 男 87 134 6.3 ## 26 26 方法26 女 56 123 4.6 ## 27 27 方法27 男 78 112 7.4 ## 28 28 方法28 女 67 113 8.5 ## 29 29 方法29 男 56 115 6.3- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
是不是很简单，注意点和excel一样~
txt
txt文件也是我们常见的文件类型，通常这种数据也是可以直接读取的，不同安装R包。
现在我们有一个这样的txt文件，它可能看起来不规整，但其实是规整的哦~~，不要被表象迷惑，也千万不要试图用空格键把它对齐！！
txt是
tab键分隔的文件，在读取时，一定要指定分隔符：tmp <- read.table("tmp.txt",sep = "\t", # 必须要指定分隔符 header = T) tmp ## 编号 治疗方式 性别 年龄 收缩压 血糖 ## 1 1 方法1 男 56 134 6.3 ## 2 2 方法2 女 45 123 4.6 ## 3 3 方法3 男 67 112 7.4 ## 4 4 方法4 女 56 113 8.5 ## 5 5 方法5 男 78 115 6.3 ## 6 6 方法6 女 56 116 4.6 ## 7 7 方法7 男 67 134 7.4 ## 8 8 方法8 女 45 123 8.5 ## 9 9 方法9 男 67 112 6.3 ## 10 10 方法10 女 87 113 4.6 ## 11 11 方法11 男 56 115 7.4 ## 12 12 方法12 女 78 116 8.5 ## 13 13 方法13 男 67 134 6.3 ## 14 14 方法14 女 56 123 4.6 ## 15 15 方法15 男 78 112 7.4 ## 16 16 方法16 女 56 113 8.5 ## 17 17 方法17 男 45 115 6.3 ## 18 18 方法18 女 67 116 4.6 ## 19 19 方法19 男 56 134 7.4 ## 20 20 方法20 女 78 123 8.5 ## 21 21 方法21 男 56 112 6.3 ## 22 22 方法22 女 67 113 4.6 ## 23 23 方法23 男 45 115 7.4 ## 24 24 方法24 女 67 116 8.5 ## 25 25 方法25 男 87 134 6.3 ## 26 26 方法26 女 56 123 4.6 ## 27 27 方法27 男 78 112 7.4 ## 28 28 方法28 女 67 113 8.5 ## 29 29 方法29 男 56 115 6.3- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
其他
如果是spss软件产生的
.sav文件，可以使用foreign包中的read.spss()函数读取，或者使用haven包中的read_sav()。这两个包在使用前需要先安装哦~
# foreign包读取 library(foreign) spss <- foreign::read.spss("例03-05.sav",to.data.frame = T) spss ## no hb ## 1 1 112 ## 2 2 137 ## 3 3 129 ## 4 4 126 ## 5 5 88 ## 6 6 90 ## 7 7 105 ## 8 8 178 ## 9 9 130 ## 10 10 128 ## 11 11 126 ## 12 12 103 ## 13 13 172 ## 14 14 116 ## 15 15 125 ## 16 16 90 ## 17 17 96 ## 18 18 162 ## 19 19 157 ## 20 20 151 ## 21 21 135 ## 22 22 113 ## 23 23 175 ## 24 24 129 ## 25 25 165 ## 26 26 171 ## 27 27 128 ## 28 28 128 ## 29 29 160 ## 30 30 110 ## 31 31 140 ## 32 32 163 ## 33 33 100 ## 34 34 129 ## 35 35 116 ## 36 36 127- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
# haven包读取 library(haven) spss <- read_sav("例03-05.sav") spss ## # A tibble: 36 × 2 ## no hb ##- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
这个例子是比较简单的，有时候需要指定特定的编码方式，可以通过使用
?read_sav/?read.spss查看更改编码的方式。haven这个包是专门设计用来读取spss/SAS/STATA格式的文件的~如果是
rdata/Rdata/RData文件，这个是R自带的格式，直接load()即可，但是要注意一定要写对文件路径！！ 或者也可以直接双击rdata/Rdata/RData文件！load(file = "tmp.rdata") tmp ## 编号 治疗方式 性别 年龄 收缩压 血糖 ## 1 1 方法1 男 56 134 6.3 ## 2 2 方法2 女 45 123 4.6 ## 3 3 方法3 男 67 112 7.4 ## 4 4 方法4 女 56 113 8.5 ## 5 5 方法5 男 78 115 6.3 ## 6 6 方法6 女 56 116 4.6 ## 7 7 方法7 男 67 134 7.4 ## 8 8 方法8 女 45 123 8.5 ## 9 9 方法9 男 67 112 6.3 ## 10 10 方法10 女 87 113 4.6 ## 11 11 方法11 男 56 115 7.4 ## 12 12 方法12 女 78 116 8.5 ## 13 13 方法13 男 67 134 6.3 ## 14 14 方法14 女 56 123 4.6 ## 15 15 方法15 男 78 112 7.4 ## 16 16 方法16 女 56 113 8.5 ## 17 17 方法17 男 45 115 6.3 ## 18 18 方法18 女 67 116 4.6 ## 19 19 方法19 男 56 134 7.4 ## 20 20 方法20 女 78 123 8.5 ## 21 21 方法21 男 56 112 6.3 ## 22 22 方法22 女 67 113 4.6 ## 23 23 方法23 男 45 115 7.4 ## 24 24 方法24 女 67 116 8.5 ## 25 25 方法25 男 87 134 6.3 ## 26 26 方法26 女 56 123 4.6 ## 27 27 方法27 男 78 112 7.4 ## 28 28 方法28 女 67 113 8.5 ## 29 29 方法29 男 56 115 6.3- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
如果是
rds文件，这个也是R常用的格式，使用readRDS()函数即可，也要注意文件路径。tmp <- readRDS(file = "tmp.rds") tmp ## 编号 治疗方式 性别 年龄 收缩压 血糖 ## 1 1 方法1 男 56 134 6.3 ## 2 2 方法2 女 45 123 4.6 ## 3 3 方法3 男 67 112 7.4 ## 4 4 方法4 女 56 113 8.5 ## 5 5 方法5 男 78 115 6.3 ## 6 6 方法6 女 56 116 4.6 ## 7 7 方法7 男 67 134 7.4 ## 8 8 方法8 女 45 123 8.5 ## 9 9 方法9 男 67 112 6.3 ## 10 10 方法10 女 87 113 4.6 ## 11 11 方法11 男 56 115 7.4 ## 12 12 方法12 女 78 116 8.5 ## 13 13 方法13 男 67 134 6.3 ## 14 14 方法14 女 56 123 4.6 ## 15 15 方法15 男 78 112 7.4 ## 16 16 方法16 女 56 113 8.5 ## 17 17 方法17 男 45 115 6.3 ## 18 18 方法18 女 67 116 4.6 ## 19 19 方法19 男 56 134 7.4 ## 20 20 方法20 女 78 123 8.5 ## 21 21 方法21 男 56 112 6.3 ## 22 22 方法22 女 67 113 4.6 ## 23 23 方法23 男 45 115 7.4 ## 24 24 方法24 女 67 116 8.5 ## 25 25 方法25 男 87 134 6.3 ## 26 26 方法26 女 56 123 4.6 ## 27 27 方法27 男 78 112 7.4 ## 28 28 方法28 女 67 113 8.5 ## 29 29 方法29 男 56 115 6.3- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
常见的就是这些，当你掌握这些简单的之后，你可以尝试更加复杂的，以后肯定也会遇到，不过有了这些简单的作为基础，相信你能更快的解决这类问题~
写出文件（从R语言另存为其他格式）
写出文件我觉得比读取文件要简单一点，如果你实在不知道怎么保存，有个简便方法，在这个地方：
直接点击保存，就会在你当前工作目录产生一个
RData文件，下次直接load或者双击即可快速打开你的所有东西！！！不太推荐直接保存为excel格式，建议使用csv格式。
如果是想把当前文件保存为csv文件，可以使用以下函数：
# 把tmp这个数据框保存为csv write.csv(tmp, # 要保存的对象 file = "D:/111.csv", # 保存到哪里，保存为什么格式，.csv不要忘记！ quote = F, # 不加引号 row.names = F, # 行名 col.names = T # 列名 ) write.table(tmp, file = "D:/111.csv", # 保存到哪里，保存为什么格式，.csv不要忘记！ sep = ",", # 必须指定分隔符！！！ quote = F, # 不加引号 row.names = F, # 行名 col.names = T # 列名 )- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
如果要保存为或者txt文件，可以使用以下函数：
write.table(tmp, file = "D:/222.txt", sep = "\t", # 千万别忘记指定分隔符！！ quote = F, # 不加引号 row.names = F, # 行名 col.names = T # 列名 )- 1
- 2
- 3
- 4
- 5
- 6
- 7
如果要保存为
rdata/Rdata/RData文件，直接用save()函数，简单方便，下次直接load即可，还可以同时保存多个对象！！推荐大家平时保存时选择
rdata/Rdata/RData/rds，方便，官方！save(tmp,csv, # 同时保存多个对象 file = "tmp1.rdata")- 1
- 2
保存为
rds格式：saveRDS(tmp, file = "tmp.rds")- 1
以上就是常见的数据读取和写出，最后再说一遍注意点：
- 输入法需要是英文状态下的标点符号！
- 文件路径必须写对！
- 注意不同文件的分隔符！
- 不同文件使用不同函数读取/写出！不要所有的格式都用一个！
- 如果碰到不知道的格式读取，直接百度！！99.999%能解决你的问题！
希望大家以后再也不要碰到数据读取问题！
本文首发于：医学和生信笔记，完美观看体验请至公众号查看本文。
-
相关阅读:
Vue项目实战——实现GitHub搜索案例（学以致用，两小时带你巩固和强化Vue知识点）
java基础—String
【千锋Python2205班10.20笔记-day04-接口和常见反爬（一阶段）】
论文网站有哪些？
ASEMI肖特基二极管SB30100LCT图片，SB30100LCT应用
[centos]centos7源码编译cmake报错Could NOT find OpenSSL
驱动开发：内核扫描SSDT挂钩状态
【实用】Linux系统知识小汇
百度API：通用文字识别（标准含位置版）c#
ruoyi-nbcio-plus基于vue3的flowable修正加签与跳转的前端问题
- 原文地址：https://blog.csdn.net/Ayue0616/article/details/127816369
