初学者使用R语言读取excel/csv/txt的注意事项

2023-11-04

本文首发于：医学和生信笔记，完美观看体验请至公众号查看本文。

文章目录

本文面向R语言初学者，尤其是生物医药领域的初学者，大佬勿喷~

在之前的推文中，我们用两个视频详细介绍了R语言、rtools、Rstudio以及R包的安装，解决新手最先碰到的两大难题！

接下来大家就面临把数据读入R语言、把数据另存为其他格式的问题！

大家在日常生活中遇到的最多的数据应该还是Excel数据，但是对于R语言来说，我们必须要把外部数据读入到R里面，才能进行各种操作。对于我们最后的数据，可能还需要再保存为excel格式。

这两个问题对于会的人来说非常简单，可以有多种方法可以实现，但是对于新手来说却经常遇到报错。今天从一个新手的角度说一说R语言的数据读入和另存问题。

把数据读入R语言

Excel

这个格式太常见了，大家日常生活用的大部分都是这种格式。比如有这么一个excel文件：data.xlsx，它里面的内容是这样的：
示例excel

现在我们需要把它读入R里面。我推荐你使用readxl包读取Excel文件。首先我们要安装这个R包,如果你还不会R包安装常见的4种方式，赶紧去看这个视频：xxxxxxxxxxxxx。

install.packages("readxl")

安装好之后，我们需要加载这个R包才能使用：

library(readxl)

然后我们就可以读入这个文件了，读取时，你必须指明你的文件在哪里！ 如果文件路径没写对，就会出现下面这种类似的报错，一般情况下，它会告诉你，你的路径没写对，或者找不到这个文件，这个文件不存在，不能打开连接等等错误！！

tmp <- read_xlsx("E:/data.xlsx", col_names = T)

## Error: `path` does not exist: ‘E:/R/data.xlsx’

这个时候你就要去确认下，你的这个data.xlsx文件到底在哪里！当你给它正确的路径时，它就不会报错。还要注意/ \ , " "，这些标点一定要在英文状态下输入！

tmp <- read_xlsx("E:/R/data.xlsx", col_names = T)

tmp
## # A tibble: 29 × 6
##     编号 治疗方式 性别   年龄 收缩压  血糖
##    <dbl> <chr>    <chr> <dbl>  <dbl> <dbl>
##  1     1 方法1    男       56    134   6.3
##  2     2 方法2    女       45    123   4.6
##  3     3 方法3    男       67    112   7.4
##  4     4 方法4    女       56    113   8.5
##  5     5 方法5    男       78    115   6.3
##  6     6 方法6    女       56    116   4.6
##  7     7 方法7    男       67    134   7.4
##  8     8 方法8    女       45    123   8.5
##  9     9 方法9    男       67    112   6.3
## 10    10 方法10   女       87    113   4.6
## # … with 19 more rows
## # ℹ Use `print(n = ...)` to see more rows

这样我们就成功把文件读取到R里面了！

除了路径问题，对于新手还有几个点需要注意：

这个示例文件是有列名的，所以在读取的时候加了col_names=T这个参数，没有行名就要改成F；
如果你的数据使用了合并/拆分单元格、各种格式、公式等，会报错！
这个文件是.xlsx格式的，如果不是，那你需要用其他函数，比如read_xls()函数读取.xls结尾的文件；
如果你读取中文遇到乱码问题，那大概率是遇到了编码问题，这是一个很复杂的问题：
- 首先你可以通过点击rstudio中的Tools - Global Options，到达以下界面，把默认编码方式改为utf-8，然后关闭rstudio，重新读取；
  [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0LkHBpNt-1668216404004)(C:\Users\liyue\Desktop\Snipaste_2022-07-31_19-13-14.png)]
- 有时直接升级R包/R/rstudio/，重新保存文件为utf-8等方式也可以解决问题；
- 如果都不行，直接百度！具体情况具体分析！

csv

csv文件是一种逗号分隔文件，打开后和excel看起来一模一样，你不要问为什么看不到逗号…

一般推荐把excel文件另存为csv文件，因为方便R语言读取，不需要安装R包也可以读取~

csv <- read.csv("E:/R/data.csv", header = T)

csv
##    编号 治疗方式 性别 年龄 收缩压 血糖
## 1     1    方法1   男   56    134  6.3
## 2     2    方法2   女   45    123  4.6
## 3     3    方法3   男   67    112  7.4
## 4     4    方法4   女   56    113  8.5
## 5     5    方法5   男   78    115  6.3
## 6     6    方法6   女   56    116  4.6
## 7     7    方法7   男   67    134  7.4
## 8     8    方法8   女   45    123  8.5
## 9     9    方法9   男   67    112  6.3
## 10   10   方法10   女   87    113  4.6
## 11   11   方法11   男   56    115  7.4
## 12   12   方法12   女   78    116  8.5
## 13   13   方法13   男   67    134  6.3
## 14   14   方法14   女   56    123  4.6
## 15   15   方法15   男   78    112  7.4
## 16   16   方法16   女   56    113  8.5
## 17   17   方法17   男   45    115  6.3
## 18   18   方法18   女   67    116  4.6
## 19   19   方法19   男   56    134  7.4
## 20   20   方法20   女   78    123  8.5
## 21   21   方法21   男   56    112  6.3
## 22   22   方法22   女   67    113  4.6
## 23   23   方法23   男   45    115  7.4
## 24   24   方法24   女   67    116  8.5
## 25   25   方法25   男   87    134  6.3
## 26   26   方法26   女   56    123  4.6
## 27   27   方法27   男   78    112  7.4
## 28   28   方法28   女   67    113  8.5
## 29   29   方法29   男   56    115  6.3

或者用read.table()函数读取。

csv <- read.table("E:/R/data.csv", header = T,
                  sep = "," # 指定分隔符！！
                  )

csv
##    编号 治疗方式 性别 年龄 收缩压 血糖
## 1     1    方法1   男   56    134  6.3
## 2     2    方法2   女   45    123  4.6
## 3     3    方法3   男   67    112  7.4
## 4     4    方法4   女   56    113  8.5
## 5     5    方法5   男   78    115  6.3
## 6     6    方法6   女   56    116  4.6
## 7     7    方法7   男   67    134  7.4
## 8     8    方法8   女   45    123  8.5
## 9     9    方法9   男   67    112  6.3
## 10   10   方法10   女   87    113  4.6
## 11   11   方法11   男   56    115  7.4
## 12   12   方法12   女   78    116  8.5
## 13   13   方法13   男   67    134  6.3
## 14   14   方法14   女   56    123  4.6
## 15   15   方法15   男   78    112  7.4
## 16   16   方法16   女   56    113  8.5
## 17   17   方法17   男   45    115  6.3
## 18   18   方法18   女   67    116  4.6
## 19   19   方法19   男   56    134  7.4
## 20   20   方法20   女   78    123  8.5
## 21   21   方法21   男   56    112  6.3
## 22   22   方法22   女   67    113  4.6
## 23   23   方法23   男   45    115  7.4
## 24   24   方法24   女   67    116  8.5
## 25   25   方法25   男   87    134  6.3
## 26   26   方法26   女   56    123  4.6
## 27   27   方法27   男   78    112  7.4
## 28   28   方法28   女   67    113  8.5
## 29   29   方法29   男   56    115  6.3

是不是很简单，注意点和excel一样~

txt

txt文件也是我们常见的文件类型，通常这种数据也是可以直接读取的，不同安装R包。

现在我们有一个这样的txt文件，它可能看起来不规整，但其实是规整的哦~~，不要被表象迷惑，也千万不要试图用空格键把它对齐！！

txt是tab键分隔的文件，在读取时，一定要指定分隔符：

tmp <- read.table("tmp.txt",sep = "\t", # 必须要指定分隔符
                  header = T)
tmp
##    编号 治疗方式 性别 年龄 收缩压 血糖
## 1     1    方法1   男   56    134  6.3
## 2     2    方法2   女   45    123  4.6
## 3     3    方法3   男   67    112  7.4
## 4     4    方法4   女   56    113  8.5
## 5     5    方法5   男   78    115  6.3
## 6     6    方法6   女   56    116  4.6
## 7     7    方法7   男   67    134  7.4
## 8     8    方法8   女   45    123  8.5
## 9     9    方法9   男   67    112  6.3
## 10   10   方法10   女   87    113  4.6
## 11   11   方法11   男   56    115  7.4
## 12   12   方法12   女   78    116  8.5
## 13   13   方法13   男   67    134  6.3
## 14   14   方法14   女   56    123  4.6
## 15   15   方法15   男   78    112  7.4
## 16   16   方法16   女   56    113  8.5
## 17   17   方法17   男   45    115  6.3
## 18   18   方法18   女   67    116  4.6
## 19   19   方法19   男   56    134  7.4
## 20   20   方法20   女   78    123  8.5
## 21   21   方法21   男   56    112  6.3
## 22   22   方法22   女   67    113  4.6
## 23   23   方法23   男   45    115  7.4
## 24   24   方法24   女   67    116  8.5
## 25   25   方法25   男   87    134  6.3
## 26   26   方法26   女   56    123  4.6
## 27   27   方法27   男   78    112  7.4
## 28   28   方法28   女   67    113  8.5
## 29   29   方法29   男   56    115  6.3

其他

如果是spss软件产生的.sav文件，可以使用foreign包中的read.spss()函数读取，或者使用haven包中的read_sav()。

这两个包在使用前需要先安装哦~

# foreign包读取
library(foreign)
spss <- foreign::read.spss("例03-05.sav",to.data.frame = T)

spss
##    no  hb
## 1   1 112
## 2   2 137
## 3   3 129
## 4   4 126
## 5   5  88
## 6   6  90
## 7   7 105
## 8   8 178
## 9   9 130
## 10 10 128
## 11 11 126
## 12 12 103
## 13 13 172
## 14 14 116
## 15 15 125
## 16 16  90
## 17 17  96
## 18 18 162
## 19 19 157
## 20 20 151
## 21 21 135
## 22 22 113
## 23 23 175
## 24 24 129
## 25 25 165
## 26 26 171
## 27 27 128
## 28 28 128
## 29 29 160
## 30 30 110
## 31 31 140
## 32 32 163
## 33 33 100
## 34 34 129
## 35 35 116
## 36 36 127

# haven包读取
library(haven)
spss <- read_sav("例03-05.sav")

spss
## # A tibble: 36 × 2
##       no    hb
##    <dbl> <dbl>
##  1     1   112
##  2     2   137
##  3     3   129
##  4     4   126
##  5     5    88
##  6     6    90
##  7     7   105
##  8     8   178
##  9     9   130
## 10    10   128
## # … with 26 more rows
## # ℹ Use `print(n = ...)` to see more rows

这个例子是比较简单的，有时候需要指定特定的编码方式，可以通过使用?read_sav/?read.spss查看更改编码的方式。

haven这个包是专门设计用来读取spss/SAS/STATA格式的文件的~

如果是rdata/Rdata/RData文件，这个是R自带的格式，直接load()即可，但是要注意一定要写对文件路径！！ 或者也可以直接双击rdata/Rdata/RData文件！

load(file = "tmp.rdata")
tmp
##    编号 治疗方式 性别 年龄 收缩压 血糖
## 1     1    方法1   男   56    134  6.3
## 2     2    方法2   女   45    123  4.6
## 3     3    方法3   男   67    112  7.4
## 4     4    方法4   女   56    113  8.5
## 5     5    方法5   男   78    115  6.3
## 6     6    方法6   女   56    116  4.6
## 7     7    方法7   男   67    134  7.4
## 8     8    方法8   女   45    123  8.5
## 9     9    方法9   男   67    112  6.3
## 10   10   方法10   女   87    113  4.6
## 11   11   方法11   男   56    115  7.4
## 12   12   方法12   女   78    116  8.5
## 13   13   方法13   男   67    134  6.3
## 14   14   方法14   女   56    123  4.6
## 15   15   方法15   男   78    112  7.4
## 16   16   方法16   女   56    113  8.5
## 17   17   方法17   男   45    115  6.3
## 18   18   方法18   女   67    116  4.6
## 19   19   方法19   男   56    134  7.4
## 20   20   方法20   女   78    123  8.5
## 21   21   方法21   男   56    112  6.3
## 22   22   方法22   女   67    113  4.6
## 23   23   方法23   男   45    115  7.4
## 24   24   方法24   女   67    116  8.5
## 25   25   方法25   男   87    134  6.3
## 26   26   方法26   女   56    123  4.6
## 27   27   方法27   男   78    112  7.4
## 28   28   方法28   女   67    113  8.5
## 29   29   方法29   男   56    115  6.3

如果是rds文件，这个也是R常用的格式，使用readRDS()函数即可，也要注意文件路径。

tmp <- readRDS(file = "tmp.rds") 
tmp
##    编号 治疗方式 性别 年龄 收缩压 血糖
## 1     1    方法1   男   56    134  6.3
## 2     2    方法2   女   45    123  4.6
## 3     3    方法3   男   67    112  7.4
## 4     4    方法4   女   56    113  8.5
## 5     5    方法5   男   78    115  6.3
## 6     6    方法6   女   56    116  4.6
## 7     7    方法7   男   67    134  7.4
## 8     8    方法8   女   45    123  8.5
## 9     9    方法9   男   67    112  6.3
## 10   10   方法10   女   87    113  4.6
## 11   11   方法11   男   56    115  7.4
## 12   12   方法12   女   78    116  8.5
## 13   13   方法13   男   67    134  6.3
## 14   14   方法14   女   56    123  4.6
## 15   15   方法15   男   78    112  7.4
## 16   16   方法16   女   56    113  8.5
## 17   17   方法17   男   45    115  6.3
## 18   18   方法18   女   67    116  4.6
## 19   19   方法19   男   56    134  7.4
## 20   20   方法20   女   78    123  8.5
## 21   21   方法21   男   56    112  6.3
## 22   22   方法22   女   67    113  4.6
## 23   23   方法23   男   45    115  7.4
## 24   24   方法24   女   67    116  8.5
## 25   25   方法25   男   87    134  6.3
## 26   26   方法26   女   56    123  4.6
## 27   27   方法27   男   78    112  7.4
## 28   28   方法28   女   67    113  8.5
## 29   29   方法29   男   56    115  6.3

常见的就是这些，当你掌握这些简单的之后，你可以尝试更加复杂的，以后肯定也会遇到，不过有了这些简单的作为基础，相信你能更快的解决这类问题~

写出文件（从R语言另存为其他格式）

写出文件我觉得比读取文件要简单一点，如果你实在不知道怎么保存，有个简便方法，在这个地方：
一键保存所有

直接点击保存，就会在你当前工作目录产生一个RData文件，下次直接load或者双击即可快速打开你的所有东西！！！

不太推荐直接保存为excel格式，建议使用csv格式。

如果是想把当前文件保存为csv文件，可以使用以下函数：

# 把tmp这个数据框保存为csv
write.csv(tmp, # 要保存的对象
          file = "D:/111.csv", # 保存到哪里，保存为什么格式，.csv不要忘记！
          quote = F, # 不加引号
          row.names = F, # 行名
          col.names = T # 列名
          )

write.table(tmp,
            file = "D:/111.csv", # 保存到哪里，保存为什么格式，.csv不要忘记！
            sep = ",",  # 必须指定分隔符！！！
            quote = F, # 不加引号
            row.names = F, # 行名
            col.names = T # 列名
            )

如果要保存为或者txt文件，可以使用以下函数：

write.table(tmp,
            file = "D:/222.txt",
            sep = "\t", # 千万别忘记指定分隔符！！
            quote = F, # 不加引号
            row.names = F, # 行名
            col.names = T # 列名
            )

如果要保存为rdata/Rdata/RData文件，直接用save()函数，简单方便，下次直接load即可，还可以同时保存多个对象！！

推荐大家平时保存时选择rdata/Rdata/RData/rds，方便，官方！

save(tmp,csv, # 同时保存多个对象
     file = "tmp1.rdata")

保存为rds格式：

saveRDS(tmp, file = "tmp.rds")

以上就是常见的数据读取和写出，最后再说一遍注意点：

输入法需要是英文状态下的标点符号！
文件路径必须写对！
注意不同文件的分隔符！
不同文件使用不同函数读取/写出！不要所有的格式都用一个！
如果碰到不知道的格式读取，直接百度！！99.999%能解决你的问题！

希望大家以后再也不要碰到数据读取问题！

本文首发于：医学和生信笔记，完美观看体验请至公众号查看本文。

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)