R语言处理CSV文件

在R语言中，我们可以看到R从环境外部存储读取文件数据。 我们还可以将数据写入到存储并由操作系统访问的文件。R语言能够读取和写入到不同的文件格式，如 csv, excel, xml 等.

在本章中，我们将学习如何来自一个CSV文件中读取数据，然后将数据写入到CSV文件中。文件应该存在于当前的工作目录中，以便R能够读取它。当然我们也可以设置自己的目录，并从那里读取文件。

获取和设置工作目录

可以获得 R 的工作空间目录指向使用 getwd()函数。也可以使用 setwd()函数来设置一个新的工作目录。

# Get and print current working directory.
print(getwd())

# Set current working directory.
setwd("/web/com")

# Get and print current working directory.
print(getwd())

当我们上面的代码执行时，它产生以下结果：

[1] "/web/com/1441086124_2016"
[1] "/web/com"

这一结果取决于你的操作系统和当前工作目录。

输入为CSV文件

CSV文件是以一个以列值是用逗号分隔的文本文件。让我们考虑目前命名文件：input.csv 的文件中的以下数据。

可以使用Windows记事本通过复制创建该文件，并粘贴这些数据到记事本中。使用另存为所有文件(*.*) ，在记事本选项将文件保存为：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
,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

读一个CSV文件

以下是 read.csv()函数的一个简单的例子，它读取在当前工作目录的可用的 CSV 文件：

data <- read.csv("input.csv")
print(data)

当我们上面的代码执行时，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

分析CSV文件

默认情况下，read.csv()函数给出一个数据帧的输出。这可以容易地确认如下。此外，我们可以检查列和行的数。

data <- read.csv("input.csv")

print(is.data.frame(data))
print(ncol(data))
print(nrow(data))

当我们上面的代码执行时，它产生以下结果：

[1] TRUE
[1] 5
[1] 8

一旦我们读出的数据在一个数据帧中，就可以作为后续部分中说明应用所有适用于数据帧的功能。

获得的最高薪水

# Create a data frame.
data <- read.csv("input.csv")

# Get the max salary from data frame.
sal <- max(data$salary)
print(sal)

当我们上面的代码执行时，它产生以下结果：

[1] 843.25

找最大薪水的人的细节信息

我们可以获取符合特定筛选条件的行，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)

当我们上面的代码执行时，它产生以下结果：

      id    name salary start_date    dept
5     NA    Gary  843.25 2015-03-27 Finance

获取所有的IT部门工作的人

# Create a data frame.
data <- read.csv("input.csv")

retval <- subset( data, dept == "IT")
print(retval)

当我们上面的代码执行时，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

获取在IT部门的薪水大于600的人

# Create a data frame.
data <- read.csv("input.csv")

info <- subset(data, salary > 600 & dept == "IT")
print(info)

当我们上面的代码执行时，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

获取2014年后加入的人

# Create a data frame.
data <- read.csv("input.csv")

retval <- subset(data, as.Date(start_date) > as.Date("2014-01-01"))
print(retval)

当我们上面的代码执行时，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

写入到CSV文件

R语言能够从现有的数据帧来创建 csv 文件。write.csv()函数用于创建CSV文件。这个文件会在工作目录中创建。

# 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)

当我们上面的代码执行时，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

这里列 X 从数据集 newper 中附带。这可以通过使用额外的参数删除当在写入文件时。

# 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)

当我们上面的代码执行时，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

CDA学员免费下载查看报告全文：2026全球数智化人才指数报告【CDA数据科学研究院】.pdf