關于R從不同數據源導入數據的幾種方式總結

1  使用鍵盤輸入數據

(1) 創建一個空數據框（或矩陣），其中變量名和變量的模式需與理想中的最終數據集一致；

(2)針對這個數據對象調用文本編輯器，輸入你的數據，并將結果保存回此數據對象中。

在下例中，你將創建一個名為mydata的數據框，它含有三個變量：age（數值型）、gender（字符型）和weight（數值型）。然后你將調用文本編輯器，鍵入數據，最后保存結果。

>mydata<-data.frame(age=numeric(0),gender=character(0),weight=numeric(0))

>mydata<-edit(mydata)

2 從帶分隔符的文本文件中導入數據

你可以使用read.table()從帶分隔符的文本文件中導入數據。此函數可讀入一個表格格式

的文件并將其保存為一個數據框。其語法如下：

mydataframe<-read.table(file.header=logical_value,sep="delimiter",row,names="name")

其中，file是一個帶分隔符的ASCII文本文件，header是一個表明首行是否包含了變量名的邏輯值（TRUE或FALSE），sep用來指定分隔數據的分隔符，row.names是一個可選參數，用以指定一個或多個表示行標識符的變量。

請注意，參數sep允許你導入那些使用逗號以外的符號來分隔行內數據的文件。你可以使用

sep="\t"讀取以制表符分隔的文件。此參數的默認值為sep=""，即表示分隔符可為一個或多個空格、制表符、換行符或回車符.

默認情況下，字符型變量將轉換為因子。我們并不總是希望程序這樣做（例如處理一個含有被調查者評論的變量時）。有許多方法可以禁止這種轉換行為。其中包括設置選項stringsAsFactors=FALSE，這將停止對所有字符型變量的此種轉換。另一種方法是使用選項

colClasses為每一列指定一個類，例如logical（邏輯型）、numeric（數值型）、character

（字符型）、factor（因子）。

函數read.table()還擁有許多微調數據導入方式的追加選項。

3 導入  Excle數據

讀取一個Excel文件的最好方式，就是在Excel中將其導出為一個逗號分隔文件（csv），并使用前文描述的方式將其導入R中。在Windows系統中，你也可以使用RODBC包來訪問Excel文件。

電子表格的第一行應當包含變量/列的名稱。

首先，下載并安裝RODBC包。

你可以使用以下代碼導入數據：

>install.packages("RODBC")

library(RODBC)

channel<-odbcConnectExcel("myfile.xls")

mydataframe<-sqlFetch(hannel,"mysheet")

odbcClose(channel)

這里的myfile.xls是一個Excel文件，mysheet是要從這個工作簿中讀取工作表的名稱，

channel是一個由odbcConnectExcel()返回的RODBC連接對象，mydataframe是返回的數據框

注意：Excel2007使用了一種名為XLSX的文件格式，實質上是多個XML文件組成的壓縮包。xlsx包可以用來讀取這種格式的電子表格。在第一次使用此包之前請務必先下載并安裝好。包中的函數read.xlsx()可將XLSX文件中的工作表導入為一個數據框。其最簡單的調用格式是read.xlsx(file,n)，其中file是Excel2007工作簿的所在路徑，n則為要導入的工作表序號。

library(xlsx)

workbook<-"c:/mywoehbook.xlsx"

mydataframe<-read.xlsx(workbook,1)

從位于C盤根目錄的工作簿myworkbook.xlsx中導入了第一個工作表.

4從網頁抓取數據

在Web數據抓?。╓ebscraping）的過程中，用戶從互聯網上提取嵌入在網頁中的信息，并將其保存為R中的數據結構以做進一步的分析。完成這個任務的一種途徑是使用函數readLines()下載網頁，然后使用如grep()和gsub()一類的函數處理它。對于結構復雜的網頁，可以使用RCurl包和XML包來提取其中想要的信息。

5 導入SPSS數據

SPSS數據集可以通過foreign包中的函數read.spss()導入到R中，也可以使用Hmisc包中的spss.get()函數。函數spss.get()是對read. spss()的一個封裝，它可以為你自動設置后者的許多參數，讓整個轉換過程更加簡單一致，最后得到數據分析人員所期望的結果。

首先，下載并安裝Hmisc包（foreign包已被默認安裝）：

>install.packages("Hmisc")

>library(Hmisc)

>mydatframe<-spss.get("mydata.sav",use.value.lables="TRUE")

這段代碼中，mydata.sav是要導入的SPSS數據文件，use.value.labels=TRUE表示讓函數將帶有值標簽的變量導入為R中水平對應相同的因子，mydataframe是導入后的R數據框。

6導入SAS數據

R中設計了若干用來導入SAS數據集的函數，包括foreign包中的read.ssd()和Hmisc包中的sas.get()。遺憾的是，如果使用的是SAS的較新版本（SAS 9.1或更高版本），你很可能會發現這些函數并不能正常工作，因為R尚未跟進SAS對文件結構的改動。個人推薦兩種解決方案。

你可以在SAS中使用PROC EXPORT將SAS數據集保存為一個逗號分隔的文本文件，并使用下敘述的方法將導出的文件讀取到R中：

SAS程序：

proc export data=mydata

outfile="mydata.csv"

dbms=csv

run;

R程序：

mydata<-read.table("mydata.csv",header=TRUE,sep=",")

7導入Stata數據

> library(foreign)

> mydata<-read.dta("mydata.dta")

這里，mydata.dta是Stata數據集，mydataframe是返回的R數據框.

8導入netCDF數據

Unidata項目主導的開源軟件庫netCDF（network Common Data Form，網絡通用數據格式）定

義了一種機器無關的數據格式，可用于創建和分發面向數組的科學數據。netCDF格式通常用來存儲地球物理數據。ncdf包和ncdf4包為netCDF文件提供了高層的R接口。ncdf包為通過Unidata的netCDF庫（版本3或更早）創建的數據文件提供了支持，而且在Windows、MacOS X和Linux上均可使用。ncdf4包支持netCDF 4或更早的版本，但在Windows上尚不可用。

考慮如下代碼：

在本例中，對于包含在netCDF文件mynetCDFfile中的變量myvar，其所有數據都被讀取并保存到了一個名為myarray的R數組中。

9導入HDF5數據

HDF5（Hierarchical Data Format，分層數據格式）是一套用于管理超大型和結構極端復雜數據集的軟件技術方案。hdf5包能夠以那些理解HDF5格式的軟件可以讀取的格式，將R對象寫入到一個文件中。這些文件可以在之后被讀回R中。這個包是實驗性質的.

10訪問數據庫管理系統

R中有多種面向關系型數據庫管理系統（DBMS）的接口，包括MicrosoftSQL Server、MicrosoftAccess、MySQL、Oracle、PostgreSQL、DB2、Sybase、Teradata以及SQLite。使用R來訪問存儲在外部數據庫中的數據是一種分析大數據集的有效手段（參見附錄G），并且能夠發揮SQL和R各自的優勢。

1. ODBC接口

在R中通過RODBC包訪問一個數據庫也許是最流行的方式，這種方式允許R連接到任意一種擁有ODBC驅動的數據庫，其實幾乎就是市面上的所有數據庫。

第一步是針對你的系統和數據庫類型安裝和配置合適的ODBC驅動——它們并不是R的一部分。如果你的機器尚未安裝必要的驅動，上網搜索一下應該就可以找到。針對選擇的數據庫安裝并配置好驅動后，請安裝RODBC包。你可以使用命令

install.packages("RODBC")來安裝它。

RODBC包中的主要函數列于表2-2中。

RODBC包允許R和一個通過ODBC連接的SQL數據庫之間進行雙向通信。這就意味著你不僅可

以讀取數據庫中的數據到R中，同時也可以使用R修改數據庫中的內容。假設你想將某個數據庫

中的兩個表（Crime和Punishment）分別導入為R中的兩個名為crimedat和pundat的數據框，

可以通過如下代碼完成這個任務：

library(RODBC)

myconn<-odbcConnect("mydsn",uid="Rob",pwd="aardvark")

crimedat<-sqlFetch(myconn,Crime)

pundat<-sqlQuery(myconn,"select*from Punishment")

close(myconn)

這里首先載入了RODBC包，并通過一個已注冊的數據源名稱（mydsn）和用戶名（rob）以及密碼（aardvark）打開了一個ODBC數據庫連接。連接字符串被傳遞給sqlFetch，它將Crime表復制到R數據框crimedat中。然后我們對Punishment表執行了SQL語句select并將結果保存到數據框pundat中。最后，我們關閉了連接。函數sqlQuery()非常強大，因為其中可以插入任意的有效SQL語句。這種靈活性賦予了你選擇指定變量、對數據取子集、創建新變量，以及重編碼和重命名現有變量的能力。