R语言数据输入之2：从Excel导入

R语言作为数据分析数据挖掘的利器，第一步要解决的便是如何高效地把数据导入进来。

输入数据挺方便，但当数据量比较大的时候，通过在命令窗口中逐一将数据录入的方法(R语言学习之输入的输入与调用(1))看似是效率低下的，那么，当我已经有了比较大规模的数据，如何导入到R语言中呢？

这里分享两种不错的方法：

从csv文件导入

csv是一个标准格式的，以逗号分隔数据的数据“中转格式”，非常适合将数据导入到R中。基本的步骤就是：在Excel编辑数据>另存为csv格式>在R语言中导入

做一个实例，在excel中做这样的表格，然后另存为aa.csv到工作目录。

data1 <- read.table("aa.csv",header=TRUE,sep=",")

data1

id x y
1 1 5 6
2 2 8 8
3 3 6 7
4 4 3 5
5 5 5 1
6 6 7 3
7 7 4 8
8 8 1 7
9 9 2 4
10 10 9 5

已经可以成功地把数据导入进来了，注意这个命令有相当多的参数设置，全部参数可以通过help(read.table)查看。

file：文件名或包含文件名的路径，默认文件的位置在工作目录里，记得file两侧要带上双引号哦。文件的绝对路径，一定要是这样的：C:\\desktop\\aa.csv，否则R语言不认识的。为了避免路径输入错误，可以用file.choose()函数代替，这样会弹出一个对话框，指定文件

header：TRUE或者FALSE，表明首行是否带有变量名。一个简单的判断依据是：只有当header=TRUE时，导入进来的第一行数据数量才会=总的列数-1。

sep：分隔符，默认是空格，如果你有含有空字段的制表符分割的文件，一定要使用 sep="\t"

quote：有时候字符串中包含引号，quote可以设置R把什么字符当做是引号，默认是双引号

dec：小数点格式，默认是“.”，不过有些国家是把逗号当做逗点来用的

numerals：如果数据中的小数点位数太多，多于双精度的要求时，用这个参数控制精度损失，numerals可以=allow.loss、warn.loss、warn.loss

row.names：设置行名称，可以设置成字符，也可以设置成数字，用以制定行名称在第几列

col.names：设置列名称，默认是V1、V2、V3……

as.is：设置每列的数据类型

还有，如果数据中含有空白字符，则可以用 fill = TRUE来排除字符尾部的空白，用strip.white = TRUE来去掉字符中间的空白。

从Excel文件导入

读取Excel文件最好的方式，就是上述的读取csv

理由有几点：

1.R语言直接读取Excel文件需要额外的插件

install.packages("RODBC")

运行上面这段命令，安装读取office文件的RODBC包

2.读取的命令比较复杂，不容易记忆

3.用ODBC读取Excel的命令，只能用于32位系统中，这个尴尬了，我是64位win8.1，看来是连做个例子试试看的机会都木有了。

不过呢，感谢MiltonDeng提供的总结：http://blog.sina.com.cn/s/blog_6f194ed30101blpy.html

在R里连接ODBC要用到RODBC这个包：

library(RODBC)

然后

conn <- odbcConnectAccess2007(access.file="D:/Data/data.accdb",uid="test",pwd="test")

industries <- sqlQuery(channel=conn,query="SELECT DISTINCT Indcd FROM Company")[[1]]

创建一个通道conn连接到Access2007文件data.accdb。然后用sql索引语言选取数据。

sqlQuery(channel,query)，第一个参数为通道名（此处为刚才创建的conn）；query为索引语句，索引语法为sql语言，其中SELECT DISTINCT 列名称 FROM 表名称，即选取出表Company中Indcd列中所有非重复值。

不过这里一开始我遇到了一点问题，以64bit的R运行时，一直会提示：

Warning messages:

1: In odbcDriverConnect(con, ...) :

[RODBC] ERROR: state IM002, code 0, message [Microsoft][ODBC 驱动程序管理器] 未发现数据源名称并且未指定默认驱动程序

2: In odbcDriverConnect(con, ...) : ODBC connection failed

并且64bit管理数据源ODBC时Access源也会出现加载问题。最后用32bit运行不会出现这个问题，具体原因不太清楚，如果有类似问题的话，直接用32bit的R运行就可以了。在控制面板->管理工具->数据源中可以直接修改64bit的ODBC配置。

64bit系统中32bit的ODBC通常会配置好Access的源。64位系统中修改32bit的ODBC的路径在C:\Windows\SysWOW64\odbcad32.exe。

看来，只有在处理海量数据，不得不使用数据库的时候，才会用到RODBC，待我用到的时候再写写笔记。