R 简明教程
R - CSV Files
在 R 中,我们可以阅读存储在 R 环境外部的文件中的数据。我们还可以将数据写入将被操作系统存储和访问的文件中。R 可以读写各种文件格式,如 csv、excel、xml 等。
在本章中,我们将学习如何从 csv 文件读取数据,然后将数据写入 csv 文件。该文件应位于当前工作目录中,以便 R 可以读取它。当然,我们也可以设置自己的目录并从中读取文件。
Getting and Setting the Working Directory
你可以使用 getwd() 函数查看 R 工作区指向哪个目录。你还可以使用 setwd() 函数设置新的工作目录。
# Get and print current working directory.
print(getwd())
# Set current working directory.
setwd("/web/com")
# Get and print current working directory.
print(getwd())
当我们执行上述代码时,会产生以下结果 -
[1] "/web/com/1441086124_2016"
[1] "/web/com"
此结果取决于你的操作系统和你在其上工作的当前目录。
Input as CSV File
csv 文件是一个文本文件,其中各列中的值由逗号分隔。让我们考虑名为 input.csv 的文件中存在的以下数据。
您可以通过复制并粘贴此数据来使用 Windows 记事本创建此文件。在记事本中使用另存为所有文件( . ) 选项将文件保存为 input.csv 。
id,name,salary,start_date,dept
1,Rick,623.3,2012-01-01,IT
2,Dan,515.2,2013-09-23,Operations
3,Michelle,611,2014-11-15,IT
4,Ryan,729,2014-05-11,HR
5,Gary,843.25,2015-03-27,Finance
6,Nina,578,2013-05-21,IT
7,Simon,632.8,2013-07-30,Operations
8,Guru,722.5,2014-06-17,Finance
Reading a CSV File
以下是 read.csv() 函数的一个简单示例,用于读取当前工作目录中可用的 CSV 文件 −
data <- read.csv("input.csv")
print(data)
当我们执行上述代码时,会产生以下结果 -
id, name, salary, start_date, dept
1 1 Rick 623.30 2012-01-01 IT
2 2 Dan 515.20 2013-09-23 Operations
3 3 Michelle 611.00 2014-11-15 IT
4 4 Ryan 729.00 2014-05-11 HR
5 NA Gary 843.25 2015-03-27 Finance
6 6 Nina 578.00 2013-05-21 IT
7 7 Simon 632.80 2013-07-30 Operations
8 8 Guru 722.50 2014-06-17 Finance
Analyzing the CSV File
默认情况下, read.csv() 函数将输出作为数据框。这可以很容易地检查如下所示。我们还可以检查列数和行数。
data <- read.csv("input.csv")
print(is.data.frame(data))
print(ncol(data))
print(nrow(data))
当我们执行上述代码时,会产生以下结果 -
[1] TRUE
[1] 5
[1] 8
一旦我们在数据框中读取数据,我们就可以应用以下部分中说明的适用于数据框的所有函数。
Get the maximum salary
# Create a data frame.
data <- read.csv("input.csv")
# Get the max salary from data frame.
sal <- max(data$salary)
print(sal)
当我们执行上述代码时,会产生以下结果 -
[1] 843.25
Get the details of the person with max salary
我们可以获取满足特定过滤条件的行,类似于 SQL 中的 where 子句。
# Create a data frame.
data <- read.csv("input.csv")
# Get the max salary from data frame.
sal <- max(data$salary)
# Get the person detail having max salary.
retval <- subset(data, salary == max(salary))
print(retval)
当我们执行上述代码时,会产生以下结果 -
id name salary start_date dept
5 NA Gary 843.25 2015-03-27 Finance
Get all the people working in IT department
# Create a data frame.
data <- read.csv("input.csv")
retval <- subset( data, dept == "IT")
print(retval)
当我们执行上述代码时,会产生以下结果 -
id name salary start_date dept
1 1 Rick 623.3 2012-01-01 IT
3 3 Michelle 611.0 2014-11-15 IT
6 6 Nina 578.0 2013-05-21 IT
Get the persons in IT department whose salary is greater than 600
# Create a data frame.
data <- read.csv("input.csv")
info <- subset(data, salary > 600 & dept == "IT")
print(info)
当我们执行上述代码时,会产生以下结果 -
id name salary start_date dept
1 1 Rick 623.3 2012-01-01 IT
3 3 Michelle 611.0 2014-11-15 IT
Get the people who joined on or after 2014
# Create a data frame.
data <- read.csv("input.csv")
retval <- subset(data, as.Date(start_date) > as.Date("2014-01-01"))
print(retval)
当我们执行上述代码时,会产生以下结果 -
id name salary start_date dept
3 3 Michelle 611.00 2014-11-15 IT
4 4 Ryan 729.00 2014-05-11 HR
5 NA Gary 843.25 2015-03-27 Finance
8 8 Guru 722.50 2014-06-17 Finance
Writing into a CSV File
R 可以从现有数据框架创建 csv 文件。 write.csv() 函数用于创建 csv 文件。此文件会在工作目录中创建。
# Create a data frame.
data <- read.csv("input.csv")
retval <- subset(data, as.Date(start_date) > as.Date("2014-01-01"))
# Write filtered data into a new file.
write.csv(retval,"output.csv")
newdata <- read.csv("output.csv")
print(newdata)
当我们执行上述代码时,会产生以下结果 -
X id name salary start_date dept
1 3 3 Michelle 611.00 2014-11-15 IT
2 4 4 Ryan 729.00 2014-05-11 HR
3 5 NA Gary 843.25 2015-03-27 Finance
4 8 8 Guru 722.50 2014-06-17 Finance
此处 X 列来自数据集 newper。在写入文件时,可以使用附加参数将其删除。
# Create a data frame.
data <- read.csv("input.csv")
retval <- subset(data, as.Date(start_date) > as.Date("2014-01-01"))
# Write filtered data into a new file.
write.csv(retval,"output.csv", row.names = FALSE)
newdata <- read.csv("output.csv")
print(newdata)
当我们执行上述代码时,会产生以下结果 -
id name salary start_date dept
1 3 Michelle 611.00 2014-11-15 IT
2 4 Ryan 729.00 2014-05-11 HR
3 NA Gary 843.25 2015-03-27 Finance
4 8 Guru 722.50 2014-06-17 Finance