任务8:data import

  1. 数据读取，简单概括了以下三个特点：
    1. 根据数据类型的不同，选择不同的函数
    2. 根据数据的大小不同，选择不同的函数
    3. 根据时本地还是网络爬取，选择不同的函数
  2. 那么R中有哪些常见的数据格式呢？及其对应读取的基础函数呢？
    1. .txt: read.table()【读取空格/t分隔文件】
    2. .csv: 基础包的read.csv()，或者readr::read_csv()【读取逗号分隔文件】
    3. .xls or .xlsx: readxl::read_excel()【读取excel表格】
    4. Rdata/Rda: load()【读取Rdata】
    5. .rds: readRDS或者readr::read_rds【与Rdata类似，但是Rdata可以一次保存读取多个对象，rds一次只能操作一个对象】
  1. readr是一个常用的数据读取的包，简单介绍一下常用函数
    1. read_csv(): 读取逗号comma分隔文件
    2. read_csv2(): 读取分号semicolon分隔文件
    3. read_tsv(): 读取空格分隔文件
    4. read_delim():读取任何分隔文件（any delimiter）
    5. read_fwf():读取固定宽度文件,你可以指定读取文件的宽度
    6. 这些函数都有相同的语法，可以先熟悉一个，其他就慢慢都熟悉了
    7. 下面以read_csv举例，可以自动打印行名及其类型 ``` x <- read_csv(“path/file.csv”, skip = 2, comment = “#”， col_names = FALSE, na = “.”)

x <- read_csv(“path/file.csv”, skip = 2, comment = “#”， col_names = c(“age”, “grade”)

  2.       8. 参数，结合上面举例的代码解读
  3.          - file/file: 路径和文件名
  4.          - skip: 跳过前2行，比如有的数据前几行是metadata时，就可以skip
  5.          - comment：去除带#注释的行
  6.          - col_names：是否以第一行作为行名，false表示不，也可以自定义colnames见line3
  7.          - na: 将数据中出现的na值赋值为"."，用来表示缺失值
  8. 3. readr包与基础函数中的read.csv有什么区别呢？
  9.    1. readr更快（是base基础函数的～10倍）
  10.    1. 输出的格式是tibbels，不用担心将字符转为因子，或者行列名信息变换不全
  11.    1. 与base包相比，更稳定
  14. 4. 根据数据大小不同选择函数
  15.    1. 体量很大的数据时，推荐data.table::fread()
  17. 5. 根据本地/网络选择函数
  18.    1. 以上介绍的函数，即可针对针对本地，也可结合网络爬取读取函数
  19.    1. 网络爬取数据常用的包：

library(RCurl) library(XML) library(rvest)

  2.       - rvst::read_html() 读取html文档的函数，其输入可以是线上的url，也可以是本地的html文件，甚至是包含html的字符串也可以
  3.       - r爬数据我也不太会，这里就略啦，大家需要的时候可以谷歌包的用法试试看。。。
  5. **任务9: tibbles和data.frame的区别**
  7. 1. tibble是啥：
  8.    1. 也是data.frame， 但是使用更方便，主要服务tidyverse包。可以理解美化后的data.frame
  9.    1. 优点：
  10.       1. 不用担心将字符转为因子，或者行列名信息变换不全
  11.       1. 可以直接打印数据的基本信息，打印前10行的所有列（适应窗口的大小），并且会报告对应列的名字和类型
  12.       1. 与tidyverse更兼容
  13. 2. 常用语tibble相关函数
  14. - as_tibble

library(tidyverse) as_tibble(iris)

A tibble: 150 × 5

Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa 2 4.9 3 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5 3.6 1.4 0.2 setosa 6 5.4 3.9 1.7 0.4 setosa 7 4.6 3.4 1.4 0.3 setosa 8 5 3.4 1.5 0.2 setosa 9 4.4 2.9 1.4 0.2 setosa 10 4.9 3.1 1.5 0.1 setosa

… with 140 more rows

  2. -  创建tibble: 和创建data.frame一样的方法

tibble(x = 1:3,

  • y = 2:4,
  • z = x*y+1)

    A tibble: 3 × 3

    x y z 1 1 2 3 2 2 3 7 3 3 4 13 ```

2021.12.1
I one