京公网安备 11010802034615号
经营许可证编号:京B2-20210330
R语言之读取Excel及csv数据
1、读取R内置数据 data()
data() #查看数据集列表
data(mtcars) #载入数据集
如用library()载入程序包后,可用data(package=”“)查看包内附带的数据集。
library(vcd)
data(package="vcd") #查看vcd包中的数据集
data(Arthritis,package = "vcd") #载入数据集Arthritis
2、键盘输入数据
a、调用文本编辑器edit()。
首先必须创建一个空的数据框或者矩阵,且数据框或者矩阵中的变量名与变量类型必须与最终数据集一致。下列代码创建了一个名为mydata的数据框,数据框里保存了姓名,英语成绩,数学成绩三个变量,且通过调用文本编辑器edit()可修改或增加变量。
mydata<-data.frame(name=character(0),English=numeric(0),Math=numeric(0)) #创建一个空的数据框
mydata<-edit(mydata)
mydata
程序运行结果如下:

可在此数据编辑器中直接输入数据,或者通过单击来修改变量名或者变量类型,也可以增加变量。
b、直接在程序中嵌入数据,代码如下:
> mydatatext<-"
+ name English Math
+ 张三 92 93
+ 李四 80 92
+ "
> mydata<-read.table(header=T,text=mydatatext)
> mydata
name English Math
1 张三 92 93
2 李四 80 92
3、导入带分隔符的文本文件(ASCII)
使用read.table()导入一个带分隔符的文本文件,其输出类型为数据框。语法如下:
read.table(file , header=F , sep=”” ,quote , row.names , col.names , na.strings=”NA” , colClasses , skip , stringsAsFactors=T, blank.lines.skip=T, strip.white=F, text,…)
下面使用read.table()来读取一个分隔符为逗号,名为“分数”的csv文件,代码如下:
>mydata<-read.table(header=T,file="C:\\Users\\mx\\Desktop\\分数.csv",sep=",") #路径中的单右斜杠“\”需换成双右斜杠“\\”或者单左斜杠“/”。文件名后一定要加上扩展名
> mydata
name English Math
1 张三 92 93
2 李四 80 92
与read.table()用法类似的函数还有read.csv(),read.delim()。
*
*4、读取Excel数据read.xlsx()
a、将其保存为csv格式,用前文所描述的方法读取
b、直接用read.xlsx()读取。读取前确保已安装“xlsxjars”,”rJava”,”xlsx”包,且第一次使用前需确保配置了Java环境。下载安装的Java的位数必须与电脑位数、R的位数一致。
语法: read.xlsx(file, n),其中n表示要读取的工作表序号。
如用read.xlsx()读取以上名为“分数”的.xlsx形式,代码如下:
> library(xlsxjars)
> library(rJava)
> library(xlsx)
> mydata<-read.xlsx("C:\\Users\\mx\\Desktop\\分数.xlsx",1,encoding="UTF-8") #encoding="UFT-8"调整中文字集符,防止表格中的中文读取时乱码
> mydata
name English Math
1 张三 92 93
2 李四 80 92
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14