数据读入(readr包)

R版本与运行环境信息

  1. Date:2021-6-14
  2. R version 4.0.3 (2020-10-10)
  3. Platform: x86_64-w64-mingw32/x64 (64-bit)
  4. Running under: Windows 10 x64 (build 18363)

载入相关包

  1. library(tidyverse)
  2. setwd("G:\\Desktop\\s_note\\data\\data2clean")

使用readr读入数据

readr的优点

reader包的优点，速度快要比R基础包的函数读取速度快10倍，在读取大文件时有很大的优势，读取的数据会转换为tibble不会使用行名称也不会更改列名称，也不会将字符向量自动转换为因子

基本数据的读入

使用以下函数可以实现对不同分隔符的数据进行读入

read_csv()：读入以逗号分隔的csv文件

read_csv2()：读入以分号;分隔的文件

read_tsv()：读入以制表符\t为分隔符号的文件

read_delim()：读入任意分隔符的文件，与read.delim()不同，后者默认读入文件分隔符为制表符

  1. #基本的文件读入
  2. df <- read_csv("otutable.csv")
  3. #读入后readr_csv函数会返回数据表的总结信息，如下，包含了数据中每一列的数据类型
  4. -- Column specification ---------
  5. cols(
  6.   OTU_ID = col_character(),
  7.   CK_1 = col_double(),
  8.   CK_2 = col_double(),
  9.   CK_3 = col_double(),
  10.   CK_4 = col_double(),
  11.   CK_6 = col_double(),
  12.   CK_7 = col_double(),
  13.   CK_8 = col_double(),
  14. ......

常见的选项参数(适用于一些系列的readr函数)

  • skip = n: 可以通过该选项来指定跳过前几行
  • comment = "#": 可以用于指定跳过以某些字符开头的行, 如，读入数据时候跳过以#开头的行
  • skip_empty_rows=TURE: 跳过数据框中的空格
  • col_name = TURE: 指定第一行为列名，相当于header = TURE, 也可以指定一组与列数相等的向量来作为列名
  • na =: 表示文件的某个符号应作为NA处理
  1. #跳过前两行读取数据，数据中有#开头的行，因此使用两种方法跳过
  2. df2 <- read_csv("otutable2.csv",skip = 2)
  3. df2 <- read_csv("otutable2.csv",comment = "#")
  4. #均读入成功
  5. #读入后readr_csv函数会返回数据表的总结信息，如下，包含了数据中每一列的数据类型
  6. -- Column specification ---------
  7. cols(
  8.   OTU_ID = col_character(),
  9.   CK_1 = col_double(),
  10.   CK_2 = col_double(),
  11.  .....
  13. #使用readr_csv()构建数据，并指定列名
  14. df3 <- read_csv("1,2,3\n4,5,6",col_names = c("A","B","C"))
  15. df3
  16. > df3
  17. # A tibble: 2 x 3
  18.       A     B     C
  19.   <dbl> <dbl> <dbl>
  20. 1     1     2     3
  21. 2     4     5     6
  23. #如将点替换为NA
  24. df3 <- read_csv("1,2,3\n4,5,.",col_names = c("A","B","C"),na = ".")
  25. > df3
  26. # A tibble: 2 x 3
  27.       A     B     C
  28.   <dbl> <dbl> <dbl>
  29. 1     1     2     3
  30. 2     4     5    NA