在R中，我们可以从存储在R环境之外的文件中读取数据.我们还可以将数据写入文件，这些文件将由操作系统存储和访问. R可以读写各种文件格式，如csv，excel，xml等.
在本章中，我们将学习从csv文件中读取数据，然后将数据写入csv文件.该文件应存在于当前工作目录中，以便R可以读取它.当然我们也可以设置我们自己的目录并从那里读取文件.
你可以检查R的目录工作区指向使用 getwd()函数.您还可以使用 setwd()函数设置新的工作目录.
# Get and print current working directory.
print(getwd())
# Set current working directory.
setwd("/web/com")
# Get and print current working directory.
print(getwd())当我们执行上面的代码时，它产生以下结果 :
[1] "/web/com/1441086124_2016" [1] "/web/com"
此结果取决于您的操作系统和当前工作目录.
csv文件是一个文本文件，其中列中的值用逗号分隔.让我们考虑名为 input.csv 的文件中存在以下数据.
您可以通过复制和粘贴此数据，使用Windows记事本创建此文件.使用记事本中的"另存为所有文件(*.*)"选项将文件另存为 input.csv .
id,name,salary,start_date,dept 1,Rick,623.3,2012-01-01,IT 2,Dan,515.2,2013-09-23,Operations 3,Michelle,611,2014-11-15,IT 4,Ryan,729,2014-05-11,HR 5,Gary,843.25,2015-03-27,Finance 6,Nina,578,2013-05-21,IT 7,Simon,632.8,2013-07-30,Operations 8,Guru,722.5,2014-06-17,Finance
以下是 read.csv()函数的简单示例当前工作目录中可用的CSV文件 :
<pre class ="prettyprint notranslate""> data< - read.csv("input.csv")print(data)
当我们执行上面的代码时，它产生以下结果 :
id, name, salary, start_date, dept 1 1 Rick 623.30 2012-01-01 IT 2 2 Dan 515.20 2013-09-23 Operations 3 3 Michelle 611.00 2014-11-15 IT 4 4 Ryan 729.00 2014-05-11 HR 5 NA Gary 843.25 2015-03-27 Finance 6 6 Nina 578.00 2013-05-21 IT 7 7 Simon 632.80 2013-07-30 Operations 8 8 Guru 722.50 2014-06-17 Finance
默认情况下， read.csv()函数将输出作为数据框.这可以很容易地检查如下.我们也可以检查列数和行数.
data <- read.csv("input.csv")
print(is.data.frame(data))
print(ncol(data))
print(nrow(data))当我们执行上面的代码时，它产生以下结果 :
[1] TRUE [1] 5 [1] 8
一旦我们读取数据帧中的数据，我们就可以应用所有适用于数据帧的函数，如后续部分.
# Create a data frame.
data <- read.csv("input.csv")
# Get the max salary from data frame.
sal <- max(data$salary)
print(sal)当我们执行上面的代码时，它产生了以下结果 :
[1] 843.25
我们可以获取符合特定过滤条件的行，类似于SQL where子句.
# Create a data frame.
data <- read.csv("input.csv")
# Get the max salary from data frame.
sal <- max(data$salary)
# Get the person detail having max salary.
retval <- subset(data, salary == max(salary))
print(retval)当我们执行在上面的代码中，它产生以下结果 :
id name salary start_date dept 5 NA Gary 843.25 2015-03-27 Finance
# Create a data frame.
data <- read.csv("input.csv")
retval <- subset( data, dept == "IT")
print(retval)当我们执行上面的代码时，它产生以下结果 :
id name salary start_date dept 1 1 Rick 623.3 2012-01-01 IT 3 3 Michelle 611.0 2014-11-15 IT 6 6 Nina 578.0 2013-05-21 IT
# Create a data frame.
data <- read.csv("input.csv")
info <- subset(data, salary > 600 & dept == "IT")
print(info)当我们执行上面的代码时，它产生以下结果 :
id name salary start_date dept 1 1 Rick 623.3 2012-01-01 IT 3 3 Michelle 611.0 2014-11-15 IT
# Create a data frame.
data <- read.csv("input.csv")
retval <- subset(data, as.Date(start_date) > as.Date("2014-01-01"))
print(retval)当我们执行上面的代码时，它产生以下结果 :
id name salary start_date dept 3 3 Michelle 611.00 2014-11-15 IT 4 4 Ryan 729.00 2014-05-11 HR 5 NA Gary 843.25 2015-03-27 Finance 8 8 Guru 722.50 2014-06-17 Finance
R可以从现有数据框创建csv文件. write.csv()函数用于创建csv文件.此文件在工作目录中创建.
# Create a data frame.
data <- read.csv("input.csv")
retval <- subset(data, as.Date(start_date) > as.Date("2014-01-01"))
# Write filtered data into a new file.
write.csv(retval,"output.csv")
newdata <- read.csv("output.csv")
print(newdata)当我们执行上面的代码时，它产生以下结果 :
X id name salary start_date dept 1 3 3 Michelle 611.00 2014-11-15 IT 2 4 4 Ryan 729.00 2014-05-11 HR 3 5 NA Gary 843.25 2015-03-27 Finance 4 8 8 Guru 722.50 2014-06-17 Finance
此处列X来自数据集newper.在写入文件时可以使用其他参数删除它.
# Create a data frame.
data <- read.csv("input.csv")
retval <- subset(data, as.Date(start_date) > as.Date("2014-01-01"))
# Write filtered data into a new file.
write.csv(retval,"output.csv", row.names = FALSE)
newdata <- read.csv("output.csv")
print(newdata)当我们执行上面的代码时，它产生以下结果 :
id name salary start_date dept 1 3 Michelle 611.00 2014-11-15 IT 2 4 Ryan 729.00 2014-05-11 HR 3 NA Gary 843.25 2015-03-27 Finance 4 8 Guru 722.50 2014-06-17 Finance
