1.1 readxl
readxl 软件包使 R 获取 Excel 数据变得方便简洁。与现有的软件包(例如：xlsx)相比，readxl 没有外部依赖性，xlsx 等包依赖 java 环境。readxl 包容易在所有的操作系统安装使用。
readxl项目地址，本节大部分代码来源项目官网介绍，可自行查阅官网。
1.1.1 安装
从 CRAN 安装最新发行版本的最简单方法是安装整个 tidyverse。
install.packages("tidyverse")由于readxl不是tidyverse核心加载包，使用时仅需加载library(readxl)
或者是从CRAN仅安装readxl;
install.packages("readxl")从github安装开发版：
# install.packages("devtools")
devtools::install_github("tidyverse/readxl")1.1.2 用法
readxl 包的核心函数是读取函数read_excel()，该函数能将 Excel 文件数据加载到R中。readxl 包中包含了几个示例文件，我们在接下来的案例中使用。
1.读取
通过readxl_example()查看 readxl 包中自带 xlsx 文件。
library(readxl)
readxl_example()
#> [1] "clippy.xls" "clippy.xlsx" "datasets.xls" "datasets.xlsx"
#> [5] "deaths.xls" "deaths.xlsx" "geometry.xls" "geometry.xlsx"
#> [9] "type-me.xls" "type-me.xlsx"
readxl_example("clippy.xls")
#> [1] "C:/R/R-4.1.0/library/readxl/extdata/clippy.xls"需要注意read_excel()可读取 xls 和 xlsx 文件，函数会自动识别。
xls 和 xlsx 的区别: xls 是 excel2003 及以前版本生成的文件格式，而 xlsx 是 excel2007 及以后版本生成的文件格式。xlsx 格式是向下兼容的，可兼容 xls 格式。老旧的业务使用的格式可能是 xls 格式。
xlsx_example <- readxl_example("datasets.xlsx") #返回 datasets.xlsx文件所在路径
dt <- read_excel(xlsx_example)查看数据
head(dt)
#> # A tibble: 6 x 5
#> Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#> <dbl> <dbl> <dbl> <dbl> <chr>
#> 1 5.1 3.5 1.4 0.2 setosa
#> 2 4.9 3 1.4 0.2 setosa
#> 3 4.7 3.2 1.3 0.2 setosa
#> 4 4.6 3.1 1.5 0.2 setosa
#> 5 5 3.6 1.4 0.2 setosa
#> 6 5.4 3.9 1.7 0.4 setosa将 Excel 中的数据通过read_excel()读取保存到R中，该对象属于tbl_df类，是 tidyverse 系列的包数据框结构，是对 base R中的data.frame结构的改造，但是兼容data.frame。
# 查看dt类
class(dt)
#> [1] "tbl_df" "tbl" "data.frame"
# 查看数据类型
str(dt)
#> tibble [150 x 5] (S3: tbl_df/tbl/data.frame)
#> $ Sepal.Length: num [1:150] 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
#> $ Sepal.Width : num [1:150] 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
#> $ Petal.Length: num [1:150] 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
#> $ Petal.Width : num [1:150] 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
#> $ Species : chr [1:150] "setosa" "setosa" "setosa" "setosa" ...关于
tbl_df类，可以查阅vignette("tibble")。
2.指定 sheet 读取
通过函数excel_sheets()查看 Excel 的sheet名称
excel_sheets(xlsx_example)
#> [1] "iris" "mtcars" "chickwts" "quakes"当我们要读取 Excel 文件有多个 sheets 时，通过指定 sheet 参数,读取指定的 sheet，sheet 参数可以 是 sheet 的名称或顺序号。
read_excel(xlsx_example, sheet = "chickwts")
#> # A tibble: 71 x 2
#> weight feed
#> <dbl> <chr>
#> 1 179 horsebean
#> 2 160 horsebean
#> 3 136 horsebean
#> 4 227 horsebean
#> 5 217 horsebean
#> 6 168 horsebean
#> # ... with 65 more rows
# not run
#read_excel(xlsx_example, sheet = 1)
#read_excel(xlsx_example, sheet = 3)3.指定读取范围
读取 Excel 文件指定范围。read_excel()中 range 参数接受单元格范围，最简单的表示方式即 Excle 中单元格表示方法,如 range = “D12:F15” or range = “R1C12:R6C15”。
read_excel(xlsx_example, sheet = "iris")
#> # A tibble: 150 x 5
#> Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#> <dbl> <dbl> <dbl> <dbl> <chr>
#> 1 5.1 3.5 1.4 0.2 setosa
#> 2 4.9 3 1.4 0.2 setosa
#> 3 4.7 3.2 1.3 0.2 setosa
#> 4 4.6 3.1 1.5 0.2 setosa
#> 5 5 3.6 1.4 0.2 setosa
#> 6 5.4 3.9 1.7 0.4 setosa
#> # ... with 144 more rows
dt1 <- read_excel(xlsx_example, sheet = "iris",range = 'a1:e6')
dt2 <- read_excel(xlsx_example, sheet = "iris",range = 'R1C1:R6C5')
# dt1 dt2 是否相等
identical(dt1,dt2)
#> [1] TRUE4.read_excel参数
readxl::read_excel 参数如下,请?read_excel()查看参数。
read_excel(path, sheet = NULL, range = NULL, col_names = TRUE,
col_types = NULL, na = "", trim_ws = TRUE, skip = 0,
n_max = Inf, guess_max = min(1000, n_max),
progress = readxl_progress(), .name_repair = "unique")| read_excel参数 | 解释 |
|---|---|
| path | xls或xlsx文件的路径 |
| sheet | 默认是第一个sheet，可以是数字或sheet的名称 |
| range | Excel中表示范围的字符，或者通过cell_类方法指定 |
| col_name | 默认为TRUE,用第一行做列名;或者用默认名称,或者指定列名 |
| col_types | 默认为NULL，猜测各列类型，可指定各列的类型 |
| trim_ws | 默认去掉表头字段中两边的空格 |
| skip | 读取之前要跳过的行数，默认为空 |
| n_max | 读取的最大行数 |
| guess_max | 猜测列类型的最大行数,默认为1000 |
| progress | 读取过程是否显示进度 |
| .name_repair | 自动处理列名，避免列名为空以及列名重复 |
col_types 参数个人觉得比较重要，可以指定列的类型，可以避免一些错误。可用选项:“skip,” “guess,” “logical,” “numeric,” “date,” “text” or “list”。
.name_repair 参数能自动避免重复字段，可避免手工 Excel 出现字段名不唯一的情况。
1.1.3 批量读取
实际工作中，某文件夹下有相同格式的 Excel 文件(sheet名称以及列字段相同)，想要合并全部 Excel 数据，熟悉 Excel 的可以通过 Excel 的power query的获取数据完成合并，那么在R中该如何实现呢？
示例：
文件夹内 excel 文件
#> data/read-write/
#> +-- a.xlsx
#> +-- b.xlsx
#> +-- PivotTable.xlsx
#> \-- 批量读写.xlsx将文件夹『data/read-write』里以 a-z 开头的 xlsx 文件合并读取，R代码如下：
- base R
不借助R包，使用 base R 实现
allfiles <- list.files(path = 'data/read-write/',pattern = '^[a-z].xlsx$',full.names = TRUE)
datalist <- lapply(allfiles,readxl::read_excel)
do.call(rbind,datalist)
#> # A tibble: 6 x 2
#> name num
#> <dbl> <dbl>
#> 1 1 1
#> 2 2 2
#> 3 3 3
#> 4 1 1
#> 5 2 2
#> 6 3 3- purrr
使用 purrr 包合并读取
allfiles <- list.files(path = './data/read-write/',pattern = '^[a-z].xlsx$',full.names = T)
purrr::map_dfr(allfiles,read_excel)
#> # A tibble: 6 x 2
#> name num
#> <dbl> <dbl>
#> 1 1 1
#> 2 2 2
#> 3 3 3
#> 4 1 1
#> 5 2 2
#> 6 3 3list.files()函数按照规则返回某文件目录下的全部文件。关于R语言中文件系统操作可以查看章节R语言文件系统操作
1.1.4 批量输出
我们按照一定条件拆解数据集，分别输出，代码如下：
library(tidyverse)
library(readxl)
dt <- read_xlsx(path = './data/read-write/批量读写.xlsx')
dt %>%
group_by(name) %>%
group_walk(~ write.csv(.x,file = file.path('data/read-write',paste0(.y$name,'.csv'))))
list.files(path = 'data/read-write/')
#> [1] "a.csv" "a.xlsx" "b.csv" "b.xlsx"
#> [5] "d.csv" "Id-card-data.csv" "PivotTable.xlsx" "批量读写.xlsx"暂时不用理解批量读取和输出的代码具体含义，可以先记住用法。