作为一种流行的数据科学编程语言，R 需要处理来自各种数据源的数据，如何将不同数据源中具有不同格式的数据导入到 R 中，并且转换为 R 能够处理的格式，是我们开始正式工作前的首要任务（如何获取数据是一个更大更复杂的问题，暂且不论），而如果 R 不是工作流程的最后一步，我们可能还需要将处理好的数据输出为各种格式。下面简单介绍 R 中一些常用的数据输入输出方式，而如果想要了解更详细的关于数据输入输出的内容，可以参阅 R 官方文档的HTML版本或者PDF版本。

数据输入

R 可以从多种不同数据源导入数据，例如各种文本格式或者二进制格式的文件，Web 服务或者网页抓取，各种数据库管理系统，其他统计软件，或者是从键盘输入数据。下面介绍几种 R 中常用的数据输入方法：

使用键盘输入数据

最简单的方法就是使用键盘输入数据，当数据量很小时，用键盘手动输入数据也是可行的，这主要有两种方法：使用文本编辑器手动输入数据以及直接在代码中嵌入数据。

文本编辑器输入

使用文本编辑器输入数据的流程是：创建一个指定格式的空数据结构，再调用 edit() 函数编辑具体的数据，并重新赋值给该数据结构。例如：

# 使用numeric()，character()和logical()函数来创建指定数据类型的空值
mydata <- data.frame(age=numeric(0), gender=character(0),
                     weight=numeric(0), marriage=logical(0))
mydata <- edit(mydata)

上述代码会打开一个如下图所示的窗口，以供从键盘手动输入数据：

另一种更简洁的等价写法是使用fix()函数：

fix(mydata)

在代码中嵌入数据

对于较小的数据集，可以直接创建一个变量来从键盘输入数据，再利用输入数据的函数来读取，例如从键盘输入一个简易的表格型数据集：

mydatatxt <- "age gender weight marriage
25 m 70 F
30 f 58 T
18 f  50 F"
mydata <- read.table(header=T, text = mydatatxt)
mydata

从 .csv 文件导入数据

.csv 文件指的是带有分隔符的文本文件(Comma-Separated Values)，可以通过read.table()函数或者read.csv()函数来读取，两者的区别仅仅在于参数默认取值，read.table()函数适用于导入各种表格型数据，而read.csv()函数的默认参数设置针对 .csv 文件，两者都会返回一个数据框。类似的函数还有read.csv2()和read.delim()等等，见read.table()函数的帮助文档。

read.table()函数的可选参数很多，详情参考帮助文档，这里列出几个常用的重要参数：

  • file：待导入的文件路径；

  • header：逻辑值参数，表示文件内第一行是否为变量名；

  • sep：指定分隔符，默认为sep=" "，表示一个或多个空格、制表符、换行或者回车；

  • na.strings：接受一个向量，表示将哪些值转换为缺失值 NA；

  • colClasses：接受一个指定各列类型的的向量，可以显著提升处理速度；

  • skip：指定跳过多少行数据，可以用来跳过一些文件自带的注释说明；

  • stringAsFactors：逻辑值参数，指定是否将所有字符变量转换成因子，默认取FALSE；

  • text：仅当file参数缺失时使用，接收一个字符串作为输入（上面的代码就是一个例子）。

除了直接导入，R 中还有一系列函数支持通过连接导入数据，详情参见file()函数的帮助文档。

以上方法均为 base R 自带，实际上，还有一个功能强大的 R 包readr可以读取 .csv 文件，它是tidyverse的核心包之一，详情参考read_delim()函数的帮助文档。readr的一系列数据导入函数在处理速度上有巨大的优势，因此在处理大量数据时应当予以考虑，此外这些函数还能自行推测每一列的数据类型。另外，作为tidyverse生态系统的一部分，这些函数的返回值是 tibble 数据框。

导入 Excel 数据

从 Microsoft Excel 导入数据时，可以在 Excel 内先将数据导出为 .csv 文件，再用上述方式导入 R 中，或者使用readxl包中的read_excel()函数（当明确文件类型是 .xls 还是 .xlsx 时，直接使用read_xls()函数或read_xlsx()函数）。

此外，还有其他包可以用来导入 Excel 数据，例如xlsx，XLConnect和openxlsx，其中xlsx和XLConnect需要依赖 Java。

在 RStudio 中，从 Excel 或者文本格式导入数据的操作，可以通过点击

从其他统计软件导入数据

haven包提供了从其他统计软件导入数据的函数：

  • 从 SPSS 导入：使用read.spss()函数；

  • 从 SAS 导入：使用read_sas()函数；

  • 从 Stata 导入：使用read_dta()函数。

从网页获取数据

从网页获取数据主要有两种方式，一种是通过 Web API，一种是通过网页抓取(Web Scraping)。

Web API

可以参考CRAN上的 Web Technologies and Services 任务列表，其中列出了各种从网络获取数据资源的 R 包，例如常见的社交网站 Twitter，Facebook，Instagram，LinkedIn 等等。

网页抓取

比如使用readLines()函数从网页获取文本，再使用grep()，gsub()等函数处理字符串。R 包rvest提供了一些可以简化网页抓取的函数（参考了 Python 库beautifulsoup4），是一个流行的网页抓取包，此外还有RCurl和XML包等等。更多关于用 R 进行网页抓取的内容可以参考这篇博客。

导入 JSON 数据

可以使用jsonlite，rjson，tidyjson等包。

访问数据库管理系统

ODBC 接口

在 R 中访问一个数据库最常见的方式就是通过开放数据库连接(Open Database Connectivity, ODBC)，这需要在计算机上先安装与自己系统和数据库相应的 ODBC 驱动，然后安装并且使用RODBC包。在 RStudio 中，点击右上角的窗口中的”Connections”按钮，就可以通过调用odbc包来访问数据库，如下图所示。

DBI 相关包

除了 ODBC 外，还可以基于数据库接口(Database Interface, DBI) 访问数据库，例如通过Java数据库连接(Java Database Connectivity, JDBC)，这需要在计算机上先安装与自己系统和数据库相应的 JDBC 驱动，然后安装并且使用RJDBC包。除了RJDBC包外，还有其他基于DBI的包，如RMySQL，ROracle，RPostgreSQL和RSQLite。

在 RStudio 中导入数据

在RStudio 中，上述许多操作都可以通过点击右上角的窗口中的”Import Dataset”按钮来完成，如下图所示。RStudio 会自动生成相应的代码来导入文件。

通过 Stat/Transfer 导入数据

Stat/Transfer 是一款功能强大的数据格式转换软件，可以完成前面的几乎所有格式转换和导入导出任务，唯一的缺点是，它不是免费的。

数据输出

最后来简单介绍一下如何使用 R 输出数据，相比于输入数据，我们往往不是那么关心输出数据，下面主要介绍三种输出格式。

输出为 .csv 文件

使用write.table()函数，或者使用write.csv()和write.csv2()函数，三者之间的关系类似read.table()，read.csv()和read.csv2()函数。

语法为：

write.table(x, file = "", quote = TRUE, sep= " ", na = "NA")

其中x是待导出的 R 对象，file接收输出文件的保存路径，逻辑值参数quote表示是否将字符串用引号括起来，默认取TRUE，sep表示分隔符，默认为" "，na指定用什么字符表示缺失值NA。这里只列出了基本的常用参数，更多可选参数见帮助文档。

输出为 Excel 表格

xlsx包里的write.xlsx()函数可以将数据框导出到 Excel 2007 工作簿，或者可以使用writexl包中的write_xlsx()函数，openxlsx包也提供了解决方案，具体用法见帮助文档。

导出到其他统计软件

foreign包提供了write.foreign()函数，可以生成包含数据的任意格式的文本文件，并同时生成可读取该数据的目标软件的可执行代码文件，语法为：

write.foreign(df, datafile, codefile,
              package = c("SPSS", "Stata", "SAS"), ...)

参数df为数据框，datafile指定文本文件的存储路径，codefile指定代码文件的存储路径，package指定导入的目标统计软件。