R語言CSV文件
在R中，我們可以從存儲在R環境外部的文件讀取數據。還可以將數據寫入由操作系統存儲和訪問的文件。 R可以讀取和寫入各種文件格式，如：csv，excel，xml等。
在本章中，我們將學習如何從csv文件中讀取數據，然後將數據寫入csv文件。 該文件應該存在於當前工作目錄中，以方便R可以讀取它。 當然，也可以設置自己的目錄，並從那裏讀取文件。
獲取和設置工作目錄
可以使用getwd()函數來檢查R工作區指向哪個目錄，使用setwd()函數設置新的工作目錄。
# Get and print current working directory.
print(getwd())
# Set current working directory.
# setwd("/web/com")
setwd("F:/worksp/R")
# Get and print current working directory.
print(getwd())當我們執行上述代碼時，會產生以下結果 -
[1] "C:/Users/Administrator/Documents"
[1] "F:/worksp/R"注意： 此結果取決於您的操作系統和您當前正在工作的目錄。
作爲CSV文件輸入
csv文件是一個文本文件，其中列中的值用逗號分隔。假設下面的數據存在於名爲input.csv 的文件中。
您可以使用Windows記事本通過複製和粘貼此數據來創建此文件。使用記事本中的另存爲所有文件(*.*)選項將文件另存爲：input.csv(在目錄：F:/worksp/R 下載)。
id,name,salary,start_date,dept
1,Rick,623.3,2012-01-01,IT
2,Dan,515.2,2013-09-23,Operations
3,Michelle,611,2014-11-15,IT
4,Ryan,729,2014-05-11,HR
,Gary,843.25,2015-03-27,Finance
6,Nina,578,2013-05-21,IT
7,Simon,632.8,2013-07-30,Operations
8,Guru,722.5,2014-06-17,Finance讀取CSV文件
以下是*read.csv()*函數的一個簡單示例，用於讀取當前工作目錄中可用的CSV文件 -
setwd("F:/worksp/R")
data <- read.csv("input.csv")
print(data)當我們執行上述代碼時，會產生以下結果 -
> data <- read.csv("input.csv")
> print(data)
id name salary start_date dept
1 1 Rick 623.30 2012-01-01 IT
2 2 Dan 515.20 2013-09-23 Operations
3 3 Michelle 611.00 2014-11-15 IT
4 4 Ryan 729.00 2014-05-11 HR
5 NA Gary 843.25 2015-03-27 Finance
6 6 Nina 578.00 2013-05-21 IT
7 7 Simon 632.80 2013-07-30 Operations
8 8 Guru 722.50 2014-06-17 Finance分析CSV文件
默認情況下，read.csv()函數將輸出作爲數據幀。這可以很容易地查看到，此外，我們可以檢查列和行的數量。
setwd("F:/worksp/R")
data <- read.csv("input.csv")
print(is.data.frame(data))
print(ncol(data))
print(nrow(data))當我們執行上述代碼時，會產生以下結果 -
[1] TRUE
[1] 5
[1] 8當我們在數據幀中讀取數據，可以應用所有適用於數據幀的函數，如下一節所述。
獲得最高工資
# Create a data frame.
data <- read.csv("input.csv")
# Get the max salary from data frame.
sal <- max(data$salary)
print(sal)當我們執行上述代碼時，會產生以下結果 -
[1] 843.25獲得最高工資的人員的詳細信息
可以使用過濾條件獲取符合特定的行，類似於SQL的where子句。
setwd("F:/worksp/R")
# Create a data frame.
data <- read.csv("input.csv")
# Get the max salary from data frame.
sal <- max(data$salary)
# Get the person detail having max salary.
retval <- subset(data, salary == max(salary))
print(retval)當我們執行上述代碼時，會產生以下結果 -
id name salary start_date dept
5 NA Gary 843.25 2015-03-27 Finance獲取IT部門的所有人員
# Create a data frame.
data <- read.csv("input.csv")
retval <- subset( data, dept == "IT")
print(retval)當我們執行上述代碼時，會產生以下結果 -
id name salary start_date dept
1 1 Rick 623.3 2012-01-01 IT
3 3 Michelle 611.0 2014-11-15 IT
6 6 Nina 578.0 2013-05-21 IT獲取IT部門薪水在600以上的人員
setwd("F:/worksp/R")
# Create a data frame.
data <- read.csv("input.csv")
info <- subset(data, salary > 600 & dept == "IT")
print(info)當我們執行上述代碼時，會產生以下結果 -
id name salary start_date dept
1 1 Rick 623.3 2012-01-01 IT
3 3 Michelle 611.0 2014-11-15 IT獲得在2014年或以後入職的人員
setwd("F:/worksp/R")
# Create a data frame.
data <- read.csv("input.csv")
retval <- subset(data, as.Date(start_date) > as.Date("2014-01-01"))
print(retval)當我們執行上述代碼時，會產生以下結果 -
id name salary start_date dept
3 3 Michelle 611.00 2014-11-15 IT
4 4 Ryan 729.00 2014-05-11 HR
5 NA Gary 843.25 2015-03-27 Finance
8 8 Guru 722.50 2014-06-17 Finance寫入CSV文件
R可以從現有數據幀中來創建csv文件。write.csv()函數用於創建csv文件。 該文件在工作目錄中創建。參考以下示例代碼 -
setwd("F:/worksp/R")
# Create a data frame.
data <- read.csv("input.csv")
retval <- subset(data, as.Date(start_date) > as.Date("2014-01-01"))
# print(retval)
# Write filtered data into a new file.
write.csv(retval,"output.csv")
newdata <- read.csv("output.csv")
print(newdata)當我們執行上述代碼時，會產生以下結果 -
X id name salary start_date dept
1 3 3 Michelle 611.00 2014-11-15 IT
2 4 4 Ryan 729.00 2014-05-11 HR
3 5 NA Gary 843.25 2015-03-27 Finance
4 8 8 Guru 722.50 2014-06-17 Finance這裏列X來自數據集更新器。在編寫文件時可以使用其他參數來刪除它。
setwd("F:/worksp/R")
# 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)當我們執行上述代碼時，會產生以下結果 -
id name salary start_date dept
1 3 Michelle 611.00 2014-11-15 IT
2 4 Ryan 729.00 2014-05-11 HR
3 NA Gary 843.25 2015-03-27 Finance
4 8 Guru 722.50 2014-06-17 Finance