如何在R中导入不同类型的数据

1. 如何在R中导入不同类型的数据

在使用R的时候，我们肯定需要导入数据，现在总结一下如何导入不同类型的数据：
1.使用键盘输入数据
在导入数据比较少的时候，我们使用这种方法。R中的函数 edit() 会自动调用一个允许手动输入数据的文本编辑器。具体步骤如下：
(1) 创建一个空数据框（或矩阵） ，其中变量名和变量的模式需与理想中的最终数据集一致；
(2) 针对这个数据对象调用文本编辑器，输入你的数据，并将结果保存回此数据对象中。在下例中，你将创建一个名为 mydata 的数据框，它含有三个变量： age （数值型） 、 height（字符型）和 weight （数值型） 。然后通过edit()函数调用文本编辑器，键入数据，最后保存结果。编辑器界面如下，我们在这个界面可以输入变量值，也可以改变变量类型。
[plain] view plain copy
mydata<-data.frame(age=numeric(0),height=numeric(0),weight=numeric(0))  
edit(mydata)  
需要注意的是函数 edit() 事实上是在对象的一个副本上进行操作的。如果你没有将它其赋值到一个对象，你的所有修改将会全部丢失！
2.导入带分隔符的文本文件数据/CSV文件
read.table() 可以从带分隔符的文本文件中导入数据。此函数可读入一个表格格式的文件并将其保存为一个数据框。其语法如下：
read.table(file,header=value,sep="delimter",row.names="name")
file表示文件名，header表示表的首行是否包含变量值的逻辑值，sep 用来指定分隔数据的分隔符， row.names 用以指定一个或多个表示行标识符的变量，是个一可选参数，他还有许多参数，可以通过帮助文档进行查看。
3.导入Excel数据
虽然Excel可能是世界上最流行的数据分析工具，但R如果直接读取Excel数据还是比较困难的。
但我们可以在Excel中将数据将其导出为一个逗号分隔文件（csv） ，并使用前文描述的方式将其导入R中。在Windows系统中，你也可以使用 RODBC 包来访问Excel文件。但它好像只能在32位的R软件上面使用。虽然也有一些包可以这些问题，比如gdata,XLConnect,xlsReadWrite等，但它的有许多前提要求，比如Java环境，Per,或者32-bit R。因此一般情况将数据转换为csv文件或者将数据导入到数据库在导入在R。
4.导入XML数据
强大的R中有若干用于处理XML文件的包。 XML 包允许用户读取、写入和操作XML文件。因为我还没有遇到这种数据，因此还不太清楚xml包大体如何使用，感兴趣的朋友可以下载xml包，通过帮助文档进行学习。
5.从网页抓取数据
不仅Python可以爬取网页数据，R也可以在Web数据抓取。在这个的过程中，用户可以从互联网上提取嵌入在网页中的信息，并将其保存为R中的数据结构以做进一步的分析。 完成这个任务的一种途径是使用函数 readLines()下载网页，然后使用如 grep() 和 gsub() 一类的函数处理它。对于结构复杂的网页，可以使用RCurl 包和 XML 包来提取其中想要的信息。
6.导入SPSS数据
我们可以调用通过 foreign 包中的函数 read.spss() 将SPSS数据集可以导入到R中，也可以使用 Hmisc 包中的 spss.get() 函数。函数 spss.get() 是对 read. spss() 的一个封装，它可以为你自动设置后者的许多参数，让整个转换过程更加简单一致，最后得到数据分析人员所期望的结果。使用的时候我们只需要安装Hmisc 包，在较新的R中foreign 包已被默认安装。
[plain] view plain copy
mydata<-spss.get("data.sav",use.value.labels=TRUE)  

这段代码中，data.sav 是要导入的SPSS数据文件， use.value.labels=TRUE 表示让函数将带有值标签的变量导入为R中水平对应相同的因子， mydataframe 是导入后的R数据框。

2. 如何用R软件导入excel数据表中数据

做分析没有数据真是一大悲剧，正是无源之水、无根之木再加上无米之炊。通常我们搜寻到的数据格式主要有文本格式、Excel格式和SPSS格式。当然也会有从数据库等其它途径进来，这不在本文讨论范围内。
一般的文本格式导入，都可以用read.table命令把数据扔进R里面。Excel和Spss数据的话，可用相应软件将文件打开，观察数据结构后将其复制到剪贴板，然后一样可以用read.table('clipboard')扔到R里面。如果文件太大不好复制，那么可以利用Excel和Spss的导出功能，将数据导出成文本格式。
还有一种情况就是，你的计算机上没有安装Excel或是Spss，这数据导入就要用到RODBC扩展包了。首先装载RODBC包。然后输入数据文件的绝对路径（要注意是用/而不是\）来定义连接，最后用数据抓取命令获取你需要的标签页数据内容(Sheet1)。
library(RODBC)
channel=odbcConnectExcel("d:/test.xls")
mydata=sqlFetch(channel,'Sheet1')这样简单的两个步骤就可以将Excel数据导入R的mydata变量中。如果是Excel2007格式数据则要换一个函数
channel=odbcConnectExcel2007('d:/test.xlsx')
mydata=sqlFetch(channel,'Sheet1')导入spss的sav格式数据则要用到foreign扩展包，加载后直接用read.spss读取sav文件
library(foreign)
mydata=read.spss('d:/test.sav')上面的函数在很多情况下没能将sav文件中的附加信息导进来，例如数据的label，那么建议用Hmisc扩展包的spss.get函数，效果会更好一些。

3. R软件中导入的数据如何做自相关散点图

首先，下载并安装好R软件。打开R软件，可以看到R软件主窗口。
2
为了方便编辑代码，一般不在主窗口直接输入程序。我们可以点击“文件——新建程序脚本”，出现R编辑器。我们将在此输入需要运行的命令。
3
使用因子格式输入数据。这里输入两组数据，以便后面说明详细使用方法。
4
输入命令plot(x)，表示绘制序列x的散点图。选中程序，右键，点击“运行当前行或选中代码”，运行程序。按F5键或者Ctrl+R键也可以实现。在图标显示框出现散点图了。
5
输入命令plot(x,y)，其中x表示自变量，y是因变量,生成y关于x的散点图。运行命令，即出现散点图。
6
再增加一组数据，用coplot函数绘制多变量的散点图。coplot(x~m|y)表示在不同的y值下，x关于m的散点图。

4. r语言怎么导入数据，导入后怎么调用

把你需要画图的数据放入此函数as.numeric(x)转化为数字性

5. 如何用R软件导入excel数据表中数据?

做分析没有数据真是一大悲剧，正是无源之水、无根之木再加上无米之炊。通常我们搜寻到的数据格式主要有文本格式、Excel格式和SPSS格式。当然也会有从数据库等其它途径进来，这不在本文讨论范围内。
一般的文本格式导入，都可以用read.table命令把数据扔进R里面。Excel和Spss数据的话，可用相应软件将文件打开，观察数据结构后将其复制到剪贴板，然后一样可以用read.table('clipboard')扔到R里面。如果文件太大不好复制，那么可以利用Excel和Spss的导出功能，将数据导出成文本格式。
还有一种情况就是，你的计算机上没有安装Excel或是Spss，这数据导入就要用到RODBC扩展包了。首先装载RODBC包。然后输入数据文件的绝对路径（要注意是用/而不是\）来定义连接，最后用数据抓取命令获取你需要的标签页数据内容(Sheet1)。
library(RODBC)
channel=odbcConnectExcel("d:/test.xls")
mydata=sqlFetch(channel,'Sheet1')这样简单的两个步骤就可以将Excel数据导入R的mydata变量中。如果是Excel2007格式数据则要换一个函数
channel=odbcConnectExcel2007('d:/test.xlsx')
mydata=sqlFetch(channel,'Sheet1')导入spss的sav格式数据则要用到foreign扩展包，加载后直接用read.spss读取sav文件
library(foreign)
mydata=read.spss('d:/test.sav')上面的函数在很多情况下没能将sav文件中的附加信息导进来，例如数据的label，那么建议用Hmisc扩展包的spss.get函数，效果会更好一些。

6. r软件怎么导入数据

看你要导入什么数据了，excel、txt、csv等文件还是数据库文件？R提供了各种数据交互方式，前者有read.table、read.csv等函数，如xlsx等R包提供此类函数。后者有RMySQL,RODBC,ROracle,RJDBC等包可以与数据库连接，读取数据库数据。

7. 如何在R语言中读入数据和导出存储数据

1.R数据的保存与加载
可通过save()函数保存为.Rdata文件，通过load()函数将数据加载到R中。
[ruby] view plain copy
> a <- 1:10  
> save(a,file='d://data//dumData.Rdata')  
> rm(a)   #将对象a从R中删除  
> load('d://data//dumData.Rdata')  
> print(a)  
[1]  1  2  3  4  5  6  7  8  9 10  
2.CSV文件的导入与导出下面创建df1的数据框，通过函数write.csv()保存为一个.csv文件，然后通过read.csv()将df1加载到数据框df2中。
[ruby] view plain copy
> var1 <- 1:5  
> var2 <- (1:5)/10  
> var3 <- c("R and","Data Mining","Examples","Case","Studies")  
> df1 <- data.frame(var1,var2,var3)  
> names(df1) <- c("VariableInt","VariableReal","VariableChar")  
> write.csv(df1,"d://data//dummmyData.csv",row.names = FALSE)  
> df2 <- read.csv("d://data//dummmyData.csv")  
> print(df2)  
VariableInt VariableReal VariableChar  
1           1          0.1        R and  
2           2          0.2  Data Mining  
3           3          0.3     Examples  
4           4          0.4         Case  
5           5          0.5      Studies  
3.通过ODBC导入与导出数据RODBC提供了ODBC数据库的连接。
3.1从数据库中读取数据
odbcConnect()建立一个数据库连接，sqlQuery()向数据库发送一个SQL查询，odbcClose()关闭数据库连接。
[ruby] view plain copy
library(RODBC)  
connection <- odbcConnect(dsn="servername",uid="userid",pwd="******")  
query <- "SELECT * FROM lib.table WHERE ..."  
# or read query from file  
# query <- readChar("data/myQuery.sql", nchars=99999)  
myData <- sqlQuery(connection, query, errors = TRUE)  
odbcClose(connection)  
sqlSave()和sqlUpdate()用于写入或更新一个ODBC数据库表。3.2从Excel文件中导入与导出数据
[ruby] view plain copy
library("RODBC")  
conn<-odbcConnectExcel("D:/data/Amtrak.xls")  
Amtrak<-sqlFetch(conn,"Data")  
close(conn)  

8. 如何在r语言中导入spss数据

使用foreign包中的read.spss()函数，或者Hmisc包中的spss.get()函数
read.spss(file, use.value.labels = TRUE, to.data.frame = FALSE,
max.value.labels = Inf, trim.factor.names = FALSE,
trim_values = TRUE, reencode = NA, use.missings = to.data.frame)


help中的example：
## Not run: ## if you have an SPSS file called 'datafile':
read.spss("datafile")
## don't convert value labels to factor levels
read.spss("datafile", use.value.labels = FALSE)
## convert value labels to factors for variables with at most
## ten distinct values.
read.spss("datafile", max.value.labels = 10)

## End(Not run)