手把手教你用R语言读取CSV文件 |
您所在的位置:网站首页 › character怎样读 › 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 tomato 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 y q theDF theDF$Sportread.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 tomato2 tomato2read_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 tomato3 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 ???? |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |