在R中，我们可以从存储在R环境之外的文件中读取数据.我们还可以将数据写入文件，这些文件将由操作系统存储和访问. R可以读写各种文件格式，如csv，excel，xml等.
在本章中，我们将学习从csv文件中读取数据，然后将数据写入csv文件.该文件应存在于当前工作目录中，以便R可以读取它.当然我们也可以设置我们自己的目录并从那里读取文件.
获取和设置工作目录
你可以检查R的目录工作区指向使用 getwd()函数.您还可以使用 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())当我们执行上面的代码时，它产生以下结果 :
[1] "/web/com/1441086124_2016"[1] "/web/com"
此结果取决于您的操作系统和当前工作目录.
输入为CSV文件
csv文件是一个文本文件，其中列中的值用逗号分隔.让我们考虑名为 input.csv 的文件中存在以下数据.
您可以通过复制和粘贴此数据，使用Windows记事本创建此文件.使用记事本中的"另存为所有文件(*.*)"选项将文件另存为 input.csv .
id,name,salary,start_date,dept1,Rick,623.3,2012-01-01,IT2,Dan,515.2,2013-09-23,Operations3,Michelle,611,2014-11-15,IT4,Ryan,729,2014-05-11,HR5,Gary,843.25,2015-03-27,Finance6,Nina,578,2013-05-21,IT7,Simon,632.8,2013-07-30,Operations8,Guru,722.5,2014-06-17,Finance
读取CSV文件
以下是 read.csv()函数的简单示例当前工作目录中可用的CSV文件 :
data< - read.csv("input.csv")print(data)当我们执行上面的代码时，它产生以下结果 :
id, name, salary, start_date, dept1 1 Rick 623.30 2012-01-01 IT2 2 Dan 515.20 2013-09-23 Operations3 3 Michelle 611.00 2014-11-15 IT4 4 Ryan 729.00 2014-05-11 HR5 NA Gary 843.25 2015-03-27 Finance6 6 Nina 578.00 2013-05-21 IT7 7 Simon 632.80 2013-07-30 Operations8 8 Guru 722.50 2014-06-17 Finance
分析CSV文件
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.我们也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))当我们执行上面的代码时，它产生以下结果 :
[1] TRUE[1] 5[1] 8
一旦我们读取数据帧中的数据，我们就可以应用所有适用于数据帧的函数，如后续部分.
获得最高工资
# Create a data frame.data <- read.csv("input.csv")# Get the max salary from data frame.sal <- max(data$salary)print(sal)当我们执行上面的代码时，它产生了以下结果 :
[1] 843.25
获取详细信息最高工资的人
我们可以获取符合特定过滤条件的行，类似于SQL where子句.
# Create a data frame.data <- read.csv("input.csv")# Get the max salary from data frame.sal <- max(data$salary)# Get the person detail having max salary.retval <- subset(data, salary == max(salary))print(retval)当我们执行在上面的代码中，它产生以下结果 :
id name salary start_date dept5 NA Gary 843.25 2015-03-27 Finance
让所有在IT部门工作的人
# Create a data frame.data <- read.csv("input.csv")retval <- subset( data, dept == "IT")print(retval)当我们执行上面的代码时，它产生以下结果 :
id name salary start_date dept1 1 Rick 623.3 2012-01-01 IT3 3 Michelle 611.0 2014-11-15 IT6 6 Nina 578.0 2013-05-21 IT
获取薪水大于600的IT部门人员
# Create a data frame.data <- read.csv("input.csv")info <- subset(data, salary > 600 & dept == "IT")print(info)当我们执行上面的代码时，它产生以下结果 :
id name salary start_date dept1 1 Rick 623.3 2012-01-01 IT3 3 Michelle 611.0 2014-11-15 IT
获取2014年或之后加入的人
# Create a data frame.data <- read.csv("input.csv")retval <- subset(data, as.Date(start_date) > as.Date("2014-01-01"))print(retval)当我们执行上面的代码时，它产生以下结果 :
id name salary start_date dept3 3 Michelle 611.00 2014-11-15 IT4 4 Ryan 729.00 2014-05-11 HR5 NA Gary 843.25 2015-03-27 Finance8 8 Guru 722.50 2014-06-17 Finance
写入CSV文件
R可以从现有数据框创建csv文件. write.csv()函数用于创建csv文件.此文件在工作目录中创建.
# 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)当我们执行上面的代码时，它产生以下结果 :
X id name salary start_date dept1 3 3 Michelle 611.00 2014-11-15 IT2 4 4 Ryan 729.00 2014-05-11 HR3 5 NA Gary 843.25 2015-03-27 Finance4 8 8 Guru 722.50 2014-06-17 Finance
此处列X来自数据集newper.在写入文件时可以使用其他参数删除它.
# 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)当我们执行上面的代码时，它产生以下结果 :
id name salary start_date dept1 3 Michelle 611.00 2014-11-15 IT2 4 Ryan 729.00 2014-05-11 HR3 NA Gary 843.25 2015-03-27 Finance4 8 Guru 722.50 2014-06-17 Finance