R|R for data Science（六）(readr 进行数据导入) RfordataScience（六）(readr进行数

数据整理
文章图片
image 这周我们进入该书第二部分，讲解数据的整理和清理数据分为三个部分：

Tibbles
data import
tidy data

我们主要针对三种类型的数据：

关系型数据
字符型数据
时间型数据

Tibbles
在这本书中，我们使用的是“tibbles”，而不是R的传统的 data.frame。Tibbles是数据框架，但是它们会调整一些旧的行为，使用者更方便。 Creating tibbles 将数据框转变成 tibbles用as_tibble()

library(tidyverse) as_tibble(iris)

文章图片
image 当然我们也可以利用自己的数据创造tibble

tibble(x = 1:5, y = 1, z = x ^ 2 + y)

Tibbles vs. data.frame
二者最主要的区别有两点

打印方式不同

Tibbles有一个改进的打印方法，只显示前10行，以及适合屏幕的所有列。这使得处理大数据变得更加容易。除了名称外，每个列都报告其类型，这是借鉴str()的一个很好的特性当然也可以通过设置下列参数来控制默认的打印方式：

options(tibble.print_max = n, tibble.print_min = m) #if more than m rows, print only n rows. options(dplyr.print_min = Inf) #show all rows.options(tibble.width = Inf) # print all columns, regardless of the width of the screen

取子集方式不同

如果你想要筛选标量,你可以使用 $ 和 [[. 和[[ 来提取名字或者位置与数据集相比，tibbles更严格:它们从不进行部分匹配，如果您试图访问的列不存在，它们将生成一个警告。 Data import 数据导入采取的reader包，这是tidyverse的核心部分大部分readr函数都会使得数据变为 tibble

read_csv()读取逗号分隔的文件，默认col_names=T
read_csv2()读取分号分隔的文件(在那些被用作小数点的国家通用)，
read_tsv()读取制表符分隔的文件，
read_delim()读取带有任何分隔符的文件。
read_fwf()读取固定宽度的文件使用fwf_widths()或其在fwf_position()的位置指定字段
read_table()读取固定宽度文件的常见变体，其中列之间用空格分隔。
read_log()读取Apache风格的日志文件

下面的章节，我们主要集中在read_csv函数

文章图片
image

read_csv() 函数默认使用第一行作为列名称

skip=n skip 参数代表跳过前n行，从第n+1行开始读取

comment 参数
comment="#",代表丢弃所有以"#"开头的行

数据中没有列名称。可以使用col_names=F,来告诉read_csv()，不要将第一行作为列标题，
而是将各列依次标注为X1到Xn：

有时候，文件顶部有几行元数据。可以使用skip = n跳过前n行; 或者使用comment = "#"删除以#开头的所有行

read_csv("The first line of metadataThe second line of metadatax,y,z1,2,3", skip = 2)

文章图片
image

read_csv("# A comment I want to skipx,y,z1,2,3", comment = "#")

文章图片
image
数据可能没有列名。您可以使用col_names = FALSE来告诉read_csv()不要将第一行作为标题，而是将它们按顺序标记为X1到Xn

read_csv("1,2,3\n4,5,6",col_names =F)

文章图片
image.png 添加列名。数据可能没有列名,我们可以向col_names传递一个字符向量，以用作列名称：

read_csv("1,2,3\n,4,5,6",col_names=c("x","y","z"))

文章图片
image.png na值处理，用来定义文件中哪些值是缺失值

read_csv("a,b,c\n1,2,.", na = ".")

文章图片
image.png

有时候csv文件中的字符串会包含逗号。为了防止引发问题，需要用引号（如 "或' ）将逗号围起来。按照惯例，read_csv() 默认引号为", 如果想要改变默认值，就要转而使用read_delim() 函数。要想将以下文本读进入一个数据框，需要设定什么?

read_delim(x,delim = ",",quote = "'")

文章图片
image.png read_csv() now supports a quote argument, so the following code works.

read_csv(x,quote = "'")

文章图片
image.png 写入文件 Writing to a file

【R|R for data Science（六）(readr 进行数据导入)】write_csv
write_tsv
write_excel_csv (该函数会在文本开头写入一个特殊的字符（字节顺序标记），告诉Excel这个文件使用UTF-8编码 )
它们总是使用UTF-8对字符串进行编码
它们使用ISO 8601格式来保存日期和日期时间数据，以便这些数据不论在何种环境下都更容易被解析