1.4.4 數(shù)據(jù)的導(dǎo)入導(dǎo)出

1．?dāng)?shù)據(jù)文件的導(dǎo)入與導(dǎo)出

我們常用外部保存的數(shù)據(jù)文件來繪制圖表。此時，就需要借助可以導(dǎo)入數(shù)據(jù)的函數(shù)導(dǎo)入不同格式的數(shù)據(jù)，包括CSV、TXT，以及Excel、SQL、HTML等數(shù)據(jù)文件。有時候，我們也需要將處理好的數(shù)據(jù)從R語言中導(dǎo)出保存。其中，我們在數(shù)據(jù)可視化中使用最多的就是前3種格式的數(shù)據(jù)文件。

（1）CSV格式數(shù)據(jù)的導(dǎo)入與導(dǎo)出

使用read.csv()函數(shù)，可以導(dǎo)入CSV格式的數(shù)據(jù)，并存儲為數(shù)據(jù)框形式。需要注意是：當(dāng)stringsAsFactors=TRUE時，R會自動將讀入的字符型變量轉(zhuǎn)換成因子，但是這樣很容易導(dǎo)致數(shù)據(jù)只按默認(rèn)字母順序展示。在導(dǎo)入大批量數(shù)據(jù)時，為了提高性能，盡可能分兩步走：

①顯式指定“stringsAsFactors = FALSE”；

②依次將所需要的數(shù)據(jù)列（向量）轉(zhuǎn)換為因子。

        mydata<-read.csv（＂Data.csv＂, sep=＂, ＂, na.strings=＂NA＂, stringsAsFactors=FALSE）

使用write.csv()函數(shù)，可以將data.frame的數(shù)據(jù)存儲為CSV文件

        write.csv（mydata, file = ＂File.csv＂）

CSV文件主要有以下3個特點(diǎn)。

①文件結(jié)構(gòu)簡單，基本上和TXT文本的差別不大；

②可以和Excel進(jìn)行轉(zhuǎn)換，這是一個很大的優(yōu)點(diǎn)，很容易進(jìn)行查看模式轉(zhuǎn)換，但是其文件的存儲大小比Excel小。

③由于其簡單的存儲方式，一方面可以減少存儲信息的容量，這樣有利于網(wǎng)絡(luò)傳輸以及客戶端的再處理；另一方面，由于是一堆沒有任何說明的數(shù)據(jù)，其具備基本的安全性。所以相比TXT和Excel數(shù)據(jù)文件，我們更加推薦使用CSV格式的數(shù)據(jù)文件進(jìn)行導(dǎo)入與導(dǎo)出操作。

（2）TXT格式數(shù)據(jù)的導(dǎo)入與導(dǎo)出

使用read.table()函數(shù)不僅可以導(dǎo)入CSV格式的文件數(shù)據(jù)，還可以導(dǎo)入TXT格式的文件數(shù)據(jù)，并存儲為數(shù)據(jù)框數(shù)據(jù)。

        mydata<-read.table（＂Data.txt＂, header = TRUE）

使用write.table()函數(shù)可以將data.frame的數(shù)據(jù)存儲為CSV文件：

        write.table（mydata, file = ＂File.txt＂）

（3）Excel格式數(shù)據(jù)的導(dǎo)入與導(dǎo)出

使用xlsx包的read.xlsx()函數(shù)和read.xlsx2()函數(shù)可以導(dǎo)入XLSX格式的數(shù)據(jù)文件。但是更推薦使用CSV格式導(dǎo)入數(shù)據(jù)文件。

        mydata<- read.xlsx（＂Data.xlsx＂, sheetIndex=1）

也可以使用write.xlsx()函將數(shù)據(jù)文件導(dǎo)出為XLSX格式：

        write.xlsx（mydata, ＂Data.xlsx＂, sheetName=＂Sheet Name＂）

需要注意的是：使用R ggplot2繪圖時，通常使用一維數(shù)據(jù)列表的數(shù)據(jù)框。但是如果有時候?qū)氲臄?shù)據(jù)表格是二維數(shù)據(jù)列表，那么我們需要使用reshape2包的melt()函數(shù)或者tidyr包的gather()函數(shù)，可以將二維數(shù)據(jù)列表的數(shù)據(jù)框轉(zhuǎn)換成一維數(shù)據(jù)列表。

一維數(shù)據(jù)列表和二維數(shù)據(jù)列表的區(qū)別

一維數(shù)據(jù)列表就是由字段和記錄組成的表格。一般來說字段在首行，下面每一行是一條記錄。一維數(shù)據(jù)列表通常可以作為數(shù)據(jù)分析的數(shù)據(jù)源，每一行代表完整的一條數(shù)據(jù)記錄，所以可以很方便地進(jìn)行數(shù)據(jù)的錄入、更新、查詢、匹配等，如圖1-4-3所示。

圖1-4-3 一維數(shù)據(jù)列表

二維數(shù)據(jù)列表就是行和列都有字段，它們相交的位置是數(shù)值的表格。這類表格一般是由分類匯總得來的，既有分類，又有匯總，所以是通過一維數(shù)據(jù)列表加工處理過的，通常用于呈現(xiàn)展示，如圖1-4-4所示。

圖1-4-4 二維數(shù)據(jù)列表

一維數(shù)據(jù)列表也常被稱為流水線表格，它和二維數(shù)據(jù)列表做出的數(shù)據(jù)透視表最大的區(qū)別在于“行總計(jì)”。判斷數(shù)據(jù)是一維數(shù)據(jù)列表還是二維數(shù)據(jù)列表的一個最簡單的辦法，就是看其列的內(nèi)容：每一列是否是一個獨(dú)立的參數(shù)。如果每一列都是獨(dú)立的參數(shù)那就是一維數(shù)據(jù)列表，如果每一列都是同類參數(shù)那就是二維數(shù)據(jù)列表。

注意為了后期更好地創(chuàng)建各種類型的數(shù)據(jù)透視表，建議用戶在數(shù)據(jù)錄入時，采用一維數(shù)據(jù)列表形式的進(jìn)行數(shù)據(jù)錄入，避免采用二維數(shù)據(jù)列表的形式對數(shù)據(jù)進(jìn)行錄入。

2．缺失值的處理

有時候，我們導(dǎo)入的數(shù)據(jù)存在缺失值。另外，在統(tǒng)計(jì)與計(jì)算中，缺失值也起著至關(guān)重要的作用。R語言中主要有兩種類型的缺失數(shù)據(jù)：NA和NULL。

（1）NA

在R中，使用NA代替缺失數(shù)據(jù)作為向量中的另外一種元素出現(xiàn)。我們可以使用is.na()函數(shù)來檢查向量或數(shù)據(jù)框中的每個元素是否缺失數(shù)據(jù)。我們先構(gòu)造一個含有缺失數(shù)據(jù)的數(shù)據(jù)框，然后講解使用tidyr包實(shí)現(xiàn)常用的缺失數(shù)據(jù)的處理方法，如表1-4-4所示。

表1-4-4 缺失值的處理

（2）NULL

NULL就是沒有任何東西，表示數(shù)據(jù)的空白，而并非數(shù)據(jù)的缺失，也不能成為向量或者數(shù)據(jù)框的一部分。在函數(shù)中，參數(shù)有可能是NULL，返回的結(jié)果也可能是NULL。我們可以使用is.null()函數(shù)判定變量是否為NULL。