第 11 章 读取数据

在学习R语言过程中,除了使用内置的数据集外,我们更多的需要导入外部数据, 比如实验观察数据、社会调研的数据等等。 在讲如何读取数据到 R之前,先介绍下数据科学中的项目管理。

11.1 数据科学中的文件管理

把项目所需的文件(代码、数据、图片等),放在一个文件夹里

11.1.1 文件夹命名

推荐我自己的文件夹命名习惯 (项目名+日期),注意这里不要有中文和空格, 比如下面风格的就比较好

  • homework20201014
  • project20201014
  • Emotional_experiment20201014

11.1.2 项目文件结构

11.2 读取文件

事实上,R语言提供了很多读取数据的函数。下表列出了常见文件格式的读取方法

文件格式 R 函数
.txt read.table()
.csv read.csv() and readr::read_csv()
.xls and .xlsx readxl::read_excel() and openxlsx::read.xlsx()
.sav(SPSS files) haven::read_sav() and foreign::read.spss()
.Rdata or rda load()
.rds readRDS() and readr::read_rds()
.dta haven::read_dta() and haven::read_stata()
.sas7bdat(SAS files) haven::read_sas()
Internet download.file()

11.3 文件路径

在读取文件时,路径的写法有如下方式(以图像文件”a.jpg”为例)

  • 如果以当前项目文件为中心,图片在当前目录,它的路径 “./a.jpg”

  • 如果以当前项目文件为中心,图片在下一层目录的images文件夹 “./images/a.jpg”

  • 如果以当前项目文件为中心,图片在上一层目录下,它的路径 “../a.jpg”

  • 如果以当前项目文件为中心,图片在上一层目录的images文件夹,它的路径 “../images/a.jpg”

  • 从根目录出发,访问D盘的images文件”b.jpg”图片,它的路径 “D:/images/b.jpg”

11.4 here 宏包

推荐使用强大的here宏包,here()会告诉我们当前所在的目录

here::here()
## [1] "F:/CEPS/R_for_Data_Science"

以及指向某个文件的路径信息

here::here("demo_data", "kidiq.RDS")
## [1] "F:/CEPS/R_for_Data_Science/demo_data/kidiq.RDS"

这样就会很方便的读取文件

readr::read_rds(here::here("demo_data", "kidiq.RDS"))

here宏包的好处还在于,在不同的电脑和文件结构下,代码都能运行,尤其当与合作者共同完成一个项目时,这个方法非常有用。

11.5 范例

d <- read.table(file= "./data/txt_file.txt", header = TRUE)
d <- read.table(here::here("data", "txt_file.txt"), header = TRUE)
load(file = "./data/rda_file.rda")
load(here::here("data", "rda_file.rda"))
d <- readRDS("./data/rds_file.rds")
d <- readRDS(here::here("data", "rda_file.rds"))
library(readr)
d <- read_csv(file = "./data/csv_file.csv") 
d <- read_csv(here::here("data", "csv_file.csv")) 

csv = “comma-separated values”

url <- "https://raw.githubusercontent.com/perlatex/R_for_Data_Science/master/demo_data/wages.csv"
d <- read_csv(url)
library(readxl)
d <- read_excel("./data/vowel_data.xlsx") 
d <- read_excel(here::here("data", "vowel_data.xlsx")) 
library(haven)
d <- read_dta("./data/cfps2010.dta")
d <- read_dta(here::here("data", "cfps2010.dta"))

11.6 乱码情形

遇到乱码的情况,这里有个小小的提示:

  • 可以先用记事本转换成”UTF-8”编码,
  • 或者指定编码格式,比如read.table(…, fileEncoding = “UTF-8”),再试试。

11.7 习题

读取demo_data文件夹下kidiq.RDS文件

变量含义:

变量 含义
kid_score 小孩考试分数
mom_hs 母亲是否完成高中
mom_iq 母亲IQ值
mom_age 母亲年龄

请说出数据框中每一列的变量类型