第2讲-方匡南的个人网站.PDF

R 语言数据挖掘培训 方匡南 第2 讲 1. 数据读写与预处理 数据读入软件或者从软件里写出来是学习软件和数据分析的重要环节，另 外，在数据分析前往往需要对数据的变量进行变换或者缺失值的处理等。本章主 要介绍R 里如何进行数据读写以及预处理。 5.1 数据的读入 R 的数据读入灵活方便，可以在R 软件中直接输入，也可以读入外部文件。 对于大数据量来说，一般需要从外部读入数据，外部的数据源很多，可以是网络、 电子表格、数据库、文本文件、论文等形式，所以录入数据的方法也就很多。关 于R 的导入导出，可以阅读“R Data Import/Export”，下面我们介绍一下R 读入各 种数据的不同方法，各种方法都有自己的优势，至于哪种方法最好是要根据实际 的数据情况来决定。 5.1.1 直接输入数据 (1). c()函数 c 函数是把各个值联成一个向量或列表，可以形成数值型向量、字符型向量 或其它类型向量，它的使用非常简单。该函数我们在前面已多次使用，例如： x=c(1,2,3,4) x [1] 1 2 3 4 y=c(a,b,c) y [1] a b c (2). scan()函数 scan 函数功能类似于c 函数，scan 实际上是一种键盘输入数据函数。当你输 入scan （），然后按回车键，这时将等待你输入数据，数据之间只要空格分开即 可（c 函数要用逗号分开）。输入完数据，再按回车键，这时数据录入完毕。例 如： x = scan() 1: 1 2 3 4 5 6 7: R 语言数据挖掘培训 方匡南 Read 6 items scan 函数还可以读入外部文本文件。假如你现在有一个文本文件，dat.txt，读入 这个文件的命令是： x=scan(file=dat.txt) 假如原文件的数据之间有逗号等分隔符，用scan 读入应该去掉这些分隔符， 其命令是： x=scan(file=dat.txt，sep=,) 5.1.2 读R 包中的数据 在RStudio 中，虽然可以直接查看，读取和修改数据，但还有一些操作还是 需要使用命令来运行，例如查看当前环境下的数据ls()，删除数据rm() ，查看所 有预先提供的数据data()，查看某个包所有预先提供的数据data(package=””)，读 入数据data(datasetname) 。 如果需要从其他的软件包链接数据，可以使用参数package ，例如我要查看SemiPar 包 里有哪些自带的数据，可以用以下代码来查看： data(package=SemiPar) 如果需要读入SemiPar 包里copper 数据，可以输入以下代码： data(copper,package=”SemiPar”) 如果一个软件包已被library 附加在库中，则这个数据库将自动地被包含在其中，如 library(SemiPar) data() data(fossil) 5.1.3 从外部文件读入数据 (1). 读入文本文件 大的数据对象常常是从外部文件读入，而不是在 R 中直接键入的。读入文 本文件数据的命令是 read.table(file,header=logical_value,sep=”delimiter”,row.names=”name”) file 是一个带分隔符的ASCII 文本文件，header 是一个表明首行是否包含了 变量名，sep 用来指定分隔符。 但它对外部文件常常有特定的格式要求：第一行可以有该数据框的各变量 名，随后的行中第一个条目是行标签，其它条目是各个变量的值。在文件中，第 一行比第二行少一个条目，这样做是被强制要求的，因此一个被看作数据框读入 的文件格式应是这样的。例如将图5-1 中的学生数据存在student.txt 文本文件中， 默认情况下，数值项（除了行标签）以数值变量的形式读入，对应非数值变量则 以因子形式读入，如sex 变量。 s1=read.table(student.txt) s1 V1 V2 V3