R 数据导入

readr 包的多数函数用于将平面文件（可以简单地理解为通用数据文件）转换为 tibble ：

• read_csv() ：读取逗号文件
• read_csv2() ：读取分号文件
• read_tsv() ：读取制表符分隔文件
• read_delim() ：读取任意分隔符的文件
• read_fwf() ：读取固定宽度的文件

• read_log()：读取 Apache 风格的日志文件（需 webreadr 包支持）

这些函数的语法基本相同。

read_csv() 函数的第一参数为读取文件的路径（以字符串形式给出）。

此外，read_csv() 函数还允许接受一个行内 CSV 文件，如：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

> read_csv("func, index, val
>          sin(), i, 1
>          cos(), j, 2
>          tan(), k, 3")
#> Rows: 3 Columns: 3                               
#>                              
#> -- Column specification ---------------------------------------
#> Delimiter: ","
#> chr (2): func, index
#> dbl (1): val
#> 
#> i Use `spec()` to retrieve the full column specification for this data.
#> i Specify the column types or set `show_col_types = FALSE` to quiet this message.
#> # A tibble: 3 x 3
#>   func  index   val
#>   <chr> <chr> <dbl>
#> 1 sin() i         1
#> 2 cos() j         2
#> 3 tan() k         3

由于大部分文件的内容是以文本形式给出的，因此处理字符（串）是相当常见的操作。readr 包中含有 parse_*() 辅助函数族，其接受一个字符向量，并返回该向量的其它类型向量：

• parse_logical() ：返回给定字符向量的逻辑向量
• parse_integer() ：返回给定字符向量的整数向量
• parse_double() 和 parse_number() ：分别返回给定字符向量的数值型向量和数字型向量，两者大致相同但前者对数据的要求更为严格
• parse_character() ：返回给定字符向量的字符向量，常用于解决字符编码问题
• parse_factor() ：返回给定字符向量的因子向量
• parse_datetime() 、 parse_date() 和 parse_time() ：分别返回给定字符向量的日期时间向量、日期向量和时间向量

这些函数带有 na 参数，该参数接收一个字符串，并将第一参数（字符向量）中与该参数的值相同的参数转换为 NA。

解析数值

由于地区的原因，数字在某些情况下可能会发生小数点歧义、单位歧义和分组歧义等。因此为了更好地解析数值，parse_double() 和 parse_number() 有参数 locale 和辅助参数 locale() 来实现消歧义功能。

常见的形式为：locale = locale(decimal_mark = ".", grouping_mark = ",") 。这里面两个参数的值可以更换为其他符号，该例表示解析数值时将 . 识别为小数点，将 , 识别为分组符。即数字 123,456.78 会识别为 123456.78 。

解析字符串

由于计算机系统的原因，同样的文本信息在一台计算机上显示正常，在另一台计算机上可能会乱码。由于 readr 默认数据是 UTF-8 编码的，所以当数据来源不是该编码方式时，需要指定编码方式：parse_character(x, locale = locale(encoding = "<coding_sys>")) 。这个例子会将 x 按 <coding_sys> 编码系统进行读取。

在不知道原数据的编码方式时，可以使用 guess_encoding(charToRaw(x)) 推测数据集 x 的编码方式。

因子

R 使用因子表示取值范围是已知集合的分类变量（类似于 C++ 中的枚举类型）。 parse_factor(x, levels = NULL) 会将字符向量 x 解析为因子。默认情况下会以 x 中的唯一值转换为因子，若将一个字符向量赋值给参数 levels 时，该函数会将 x 中符合该参数中的元素的值进行转换，并在 x 中存在不符合元素的状况下给出警告信息。

日期时间、日期与时间

该部分的内容较为复杂，值得注意的一点是数据 x 为默认符合 ISO 8601 标准的日期时间。

可以使用 guess_parser(x) 来让 readr 猜测字符向量 x 应被解析为何种数据类型。

可以使用 write_csv() 和 write_tsv() 将数据写入逗号分隔值文件和制表符分隔值文件。这两个函数中的第一参数和第二参数必须明确给定，分别是对象名和文件路径名（以字符方式）。

由于使用以上方式存储数据会导致列类型信息丢失，因此可以使用以下两种方式来避免这一结果：

• write_rds(x, file) 和 read_rds(file) 可以将数据 x 保存为 RDS 格式和读取 RDS 格式文件

• write_feather(x ,file) 和 read_feather(x) 可以实现一种快速二进制格式，该格式可以在多个编程语言间共享