1.5　數據存取與抽樣

前面介紹了各類R數據的創建方法，而在實際工作中，要分析或繪圖的數據是已有數據，因此在分析前，只需要將這類數據讀入R即可。R可以讀取多種類型的數據，也可以讀取數據庫中的數據，還可以在網上爬取數據。

1.5.1　數據存取

圖表繪制通常使用外部保存的數據文件，R可以讀取不同格式（包括CSV、TXT，以及Excel、SQL、HTML等數據文件）的外部數據。

1．讀入R格式的數據

R語言系統除自帶數據集外，本身還提供*.RData和*.rds兩種數據存儲格式。通過load()函數和readRDS()函數可以分別實現*RData格式和*rds格式數據的讀取。

（1）RData格式文件屬于非標準化存儲，既可以存儲數據，又可以存儲當前工作空間中的所有變量。

（2）RDS格式文件屬于標準化存儲，僅用于存儲單個R對象，且存儲時可以創建標準化檔案。

當數據本身為R格式，或已將其他格式數據保存為R格式，可以直接使用load()函數將指定路徑下的數據讀入（加載）R中。

2．讀取CSV/TXT格式的數據

CSV或TXT格式的數據是學習或工作中常見的文本型數據。其中，CSV格式數據是一種通用的數據格式，其他很多類型的數據均可轉換為CSV格式。使用read.table()與read.csv()函數可以很容易將CSV、TXT格式數據讀入R中，這里只介紹read.csv()。

部分參數的含義如表1-3所示。

【例1-18】文件讀取示例。

輸入代碼如下：

3．讀取Excel格式數據

使用xlsx包中的read.xlsx()函數和read.xlsx2()函數導入.xlsx格式的數據文件。在實際工作中建議使用CSV格式導入數據文件。

    TableA <- read.xlsx("D:/Rdata/Data.xlsx",sheetIndex=1)

也可以使用write.xlsx()函將數據文件導出為XLSX格式：

    write.xlsx(TableA," D:/Rdata/Data.xlsx",sheetName="Sheet Name")

4．保存數據

當在R中錄入新數據，或者想要對讀入的數據以指定格式保存在指定的路徑中時，可以使用write.table()函數。當需要以CSV格式保存在指定的路徑中時，建議使用write.csv()函數。

部分參數的含義如表1-4所示。

【例1-19】文件保存示例。

輸入代碼如下：

1.5.2　數據抽樣

1．生成隨機數

工作中，有時需要生成各類分布的隨機數做模擬分析，R中產生隨機數時，只需在相應分布函數前加字母“r”即可，如生成均值為0、標準差為1的正態分布隨機數，代碼如下：

如果需要每次運行都產生相同的一組隨機數，可在生成隨機數之前使用set.seed()函數設定隨機數種子。例如：

    set.seed(9)

使用相同的隨機數種子，每次運行都會產生一組相同的隨機數。

【例1-20】產生隨機數示例。

輸入代碼如下：

2．隨機抽樣

實驗獲取的數據會比較龐大，實際應用需要從中抽取一個簡單隨機樣本以作為分析樣本。R的sample()函數可以實現隨機抽樣，其語法格式為：

    sample(x,size,replace=FALSE,prob=NULL)

其中，x是由一個或多個元素組成的向量，size是要抽取的元素個數（樣本量），replace確定是否采取放回抽樣，設置為TRUE表示有放回抽樣，默認為FALSE（不放回抽樣），prob是要抽取元素的概率權重向量。

【例1-21】隨機抽樣示例。

輸入代碼如下：