library(tidyverse)위 코드 실행 시, ‘tidyverse’ 페키지 없음 오류 메시지 뜨면, 페키지 설치 후 ’libary()’를 실행한다.
install.packages("reader")
libary(tidyverse)플랫 파일을 데이터프레임으로 바꾸는 것과 연관이 있다.(플랫 파일이란 구조화되어 있지 않은 파일을 말한다)
read_cuv()는 쉼표로 구분된 파일을 읽고, read_cuv2()는 세미클론으로 구분된 파일을 읽으며, read_tsv()는 텝-구분 파일을 읽는다, read_delim()은 임의의 구분자로 된 파일을 읽는다.
read_fwf()는 고정 너비 파일을 읽는다. 필드 너비는 fwf_widths()를 이용하여, 필드 위치는 fwf_positions()를 이용하여 지정할 수 있다. read table()은 고정 너비 파일의 일반적 변형 형태인 열이 공백으로 구분된 파일을 읽는다.
read_log()는 Apache 스타일의 로그 파일을 읽는다. (하지만 read_log()위에 구축되어 더많은 유용한 도구를 제공하는 webreadr도 확인하라.) https://github.com/Ironholds/webreadr
이 함수들은 문법이 모두 비슷하다. 하나를 익히면 나머지는 쉽게 사용할 수 있다. 이 장의 나머지 부분에서 read_csv()에 초점을 맞출 것이다. csv 파일은 가장 일반적인 형태의 데이터 저장 형태일 뿐 아니라 read_csv()를 이해하면 readr의 모든 함수에 쉽게 적용할 수 있다.
read_csv()의 첫 번쨰 인수가 가장 중요한데 바로 읽으려고 하는 파일의 경로다.
library(tidyverse)
heights <- read_csv("heights.csv")참고
-https://github.com/hadley/r4ds/tree/master/data heights.csv 데이터를 받을 수 있는 깃허브
-https://korbillgates.tistory.com/215 깃허브에서 데이터를 다운받는 자세히 나와있다.
read_csv()를 실행하면 각 열의 이름과 유형을 제공하는 열 사양이 화면 출력된다. 이는 readr에서 중요한 부분이다. 137쪽의 ‘파일 파싱하기’에서 다시 살펴보겠다. 인라인 csv파일을 넣을 수도 있다. 이것은 readr로 실험해볼 때와 다른 사람들과 공유할 재현 가능한 예제를 만들 때 유용하다.
read_csv("a,b,c
1,2,3
4,5,6")## # A tibble: 2 x 3
## a b c
## <dbl> <dbl> <dbl>
## 1 1 2 3
## 2 4 5 6두 경우 모두 read_csv()는 데이터의 첫 번쨰 줄을 열 이름으로 사용한다. 이는 매우 일반적인 규칙이다. 이는 매우 일반적인 규칙이다. 이 동작을 조정해야 하는 경우는 두 가지이다.
파일 앞 부분에 메타 데이터 몇 줄이 있는 경우가 있다. skip = n을 사용하여 첫 n줄을 건너 뛸 수 있다. 또는 comment = “#”을 사용하여 #으로 시작하는 모든 줄을 무시할 수 있다.
read_csv("메타 데이터 첫 번쨰 행
메타 데이터 두 번쨰 행
x,y,z
1,2,3", skip = 2)## # A tibble: 1 x 3
## x y z
## <dbl> <dbl> <dbl>
## 1 1 2 3read_csv("# 건너뛰고 싶은 주석
x,y,z
1,2,3", comment = "#")## # A tibble: 1 x 3
## x y z
## <dbl> <dbl> <dbl>
## 1 1 2 3read_csv("1,2,3\n4,5,6", col_names = FALSE)## # A tibble: 2 x 3
## X1 X2 X3
## <dbl> <dbl> <dbl>
## 1 1 2 3
## 2 4 5 6“\n”은 새줄을 추가하는 편리한 단축키이다. 195쪽의 ‘문자열 기초’에서 이 단축어와 문자열 이스케이프의 다른 유형에 대해 자세히 배운다.) 다른 방법으로는 col_names에 열 이름으로 사용할 문자형 백터를 전달할 수도 있다.read_csv("1,2,3\n4,5,6", col_names = c("x", "y", "z"))## # A tibble: 2 x 3
## x y z
## <dbl> <dbl> <dbl>
## 1 1 2 3
## 2 4 5 6옵션은 na이다. 파일에서 결측값을 나타내는데 사용되는 값(들)을 지정한다.read_csv("a,b,c\n1,2,.", na = ".")## # A tibble: 1 x 3
## a b c
## <dbl> <dbl> <lgl>
## 1 1 2 NAR을 이전부터 사용한 사람은 우리가 read.csv()를 사용하지 않는 이유가 궁금할 것이다. 다음과 같은 몇 가지 타당한 이유로 베이스 함수보다 readr 함수를 선호한다.
data.table::fread()를 사용해보라. 이함수는 tidtvers에 잘 어울리지는 않지만, 훨씬 더 빠를 수 있다.readr이 디스크에서 파일을 읽는 방법에 대해 깊이 알아보기 전에, 잠깐 벗어나서 parse_*() 함수에 대해 살펴볼 필요가 있다. 이 함수들은 문자형 백터를 일력으로 하여 논리형, 정수형 또는 날짜형과 같은 좀 더 특수화된 백터를 반환한다.
str(parse_logical(c("TRUE", "FALSE", "NA")))## logi [1:3] TRUE FALSE NAstr(parse_integer(c("1", "2", "3")))## int [1:3] 1 2 3str(parse_date(c("2010-01-01", "1979-10-14")))## Date[1:2], format: "2010-01-01" "1979-10-14"parse_integer(c("1", "231", ".", "456"), na = ".")## [1] 1 231 NA 456x <- parse_integer(c("123,", "345", "abc", "123.45" ))x## [1] NA 345 NA NA
## attr(,"problems")
## # A tibble: 3 x 4
## row col expected actual
## <int> <int> <chr> <chr>
## 1 1 NA no trailing characters ,
## 2 3 NA an integer abc
## 3 4 NA no trailing characters .45problems(x)## # A tibble: 3 x 4
## row col expected actual
## <int> <int> <chr> <chr>
## 1 1 NA no trailing characters ,
## 2 3 NA an integer abc
## 3 4 NA no trailing characters .45파서를 잘 활용하려면 어떤 종류가 있는지, 각종 입력 유형을 어떻게 다루는지를 잘 이해해야 한다. 특별히 중요한 8개의 파서가 있다.
숫자 파싱은 간단해 보이지만, 다음의 세가지 문제 떄문에 까다롭다.
첫 번째 문제를 해결하기 위해서 readr은 지역에 따라 파싱 옵션을 지정하는 객체인 ‘로캘(locale)’이라는 개념을 사용한다. 숫자를 파싱할 때 가장 중요한 옵션은 소수점으로 사용하는 문자이다. 새로운 로캘을 생성하고 decimal_mark 인수를 설정하여 기본값인 .를 다른값으로 재정의할 수 있다.
parse_double("1.23")## [1] 1.23parse_double("1,23", locale = locale(decimal_mark = ","))## [1] 1.23readr의 기본 로캘은 미국 중심인데, 왜냐하면 일반적으로 R은 미국 중심이기 때문이다(즉, 베이스R의 문서가 미국식 영어로 작성되었다). 다른 방법은 운영체제의 기본값을 추측하여 시도하는 것이다. 이러한 방법은 잘 동작하지 않고, 더 중요한 코드가 취약하게 된다. 자신의 컴퓨터에서 동작하더라도 코드를 다른 국가의 동료에게 이메일로 보낼 때 오류가 발생할 수 있다.
두 번째 문제를 처리하는 parse_number()는 숫자 앞뒤의 비수치 문자(non-nu-meric character)를 무시한다. 통화 및 백분율에 특히 유용하지만, 텍스트에 포함된 숫자를 추출하는데도 효과적이다.
parse_number("$100")## [1] 100parse_number("20%")## [1] 20parse_number("It cost $123.45")## [1] 123.45마지막 문제는 parse_number()와 로캘을 조합하여 parse_number()가 ‘그룹화 마크’를 무시하도록 함으로써 해결할 수 있다.
-미주 방식
parse_number("$123,456,789")## [1] 123456789-유럽의 많은 국가 방식
parse_number(
"123.456.789",
locale = locale(grouping_mark = ".")
)## [1] 123456789스위스 방식
parse_number(
"123'456'789",
locale = locale(grouping_mark = "'")
)## [1] 123456789parse_character()는 정말 단순해 보인다. 입력을 단순히 반환하는 것 아닌가. 그런데 불행하게도 삶은 그렇게 호락호락하지 않다. 같은 문자열을 나타내는 방법은 여러 가지이다. 이게 무슨 이야기인지 이해하려면 컴퓨터가 문자열을 표시하는 방법에 대해 깊고 상세하게 들어가야 한다. R에서는 charToRaw()를 사용하여 문자열의 기본 표현을 볼 수 있다. (charToRaw() = 원시 벡터로 또는 원시 벡터로 변환)
charToRaw("Hadley")## [1] 48 61 64 6c 65 79각 16진수 값은 정보 바이트를 나타낸다. 예를 들면 48은 H를 나타내고, 61은 a를 나타낸다. 16진수 수치를 문자로 매핑하는 것을 인코딩이라고 하며, 앞의 인코딩은 ASCII(아스키)라고 한다. ASCII는 정보 교환을 위한 미국 표준 코드(American Standard Code for Information Interchange)의 줄임말이며 따라서 영문자를 잘 표현한다.
영어가 아닌 다른 언어의 경우 더욱 복잡해진다. 컴퓨터 시대 초창기에는 비영어권 문자 인코딩을 위한 여러 표준 규격이 있었다. 문자열을 정확하게 해석하기 위해서는 값과 인코딩을 모두 알아야했다.
예를 들어 두 가지 일반적인 인코딩은 Latinl(ISO-8859-1, 서유럽 언어들에서 사용)과 Latin2(ISO-8859-2, 동유럽 언어들에서 사용)이다. Latinl에서 바이트b1은 ‘±’이지만, Latin2에서는 ‘ą’이다. 다행히 오늘날에는 거의 모든 곳에서 지원되는 하나의 표준인 UTF-8이 있다. UTF-8은 오늘날 인간이 사용하는 거의 모든 문자와 기타 기호들(예: 이모티콘)을 인코딩할 수 있다. readr은 모든 곳에서 UTF-8을 사용한다. 데이터를 읽을 때 UTF-8이라고 가정하며, 쓸 때는 항상 사용한다. UTF-8은 좋은 기본값이지만, 이를 인식하지 못하는 구형 시스템에서 생성된 데이터에 사용할 수 없다. 이런 상황이면 문자열을 화면 출력할 때 이상하게 보인다. 한두 개의 문자만 엉망이 될 수도 있고, 완전히 외계어들을 볼 수도 있다. 다음의 예를 보자.
x1 <- " El Ni\xf1o was particularly bad this year"
x2 <- "\x82\xb1\x82\xf1\x82\xc9\x82\xbf\x82\xcd"
x1## [1] " El Ni\xf1o was particularly bad this year"x2## [1] "궞귪궸궭궼"문제를 해결하려면 parse_character()에서 인코딩을 지정해야 한다.
parse_character(x1, locale = locale(encoding = "latin1"))## [1] "El Nino was particularly bad this year"parse_character(x2, locale = locale(encoding = "shift-JIS"))## [1] "こんにちは"올바른 인코딩을 어떻게 찾을 수 있을까? 운이 좋다면 데이터 문서의 어딘가에 포함되었을 것이다. 하지만 불행하게도 그런 경우는 거의 없으므로, readr는 guess-encoding()을 제공하여 사용자가 알아낼 수 있도록 도와준다. 이것은 완벽하지도 않고, (앞의 사례와 달리) 텍스트가 많아야 더 잘 작동하지만, 한번 시도 해볼 만한 방법이다. 올바른 인코딩을 찾기 전에 몇 가지 다른 인코딩을 시도해 보라.
guess_encoding(charToRaw(x1))## # A tibble: 3 x 2
## encoding confidence
## <chr> <dbl>
## 1 ISO-8859-1 0.52
## 2 ISO-8859-2 0.22
## 3 ISO-8859-9 0.22guess_encoding(charToRaw(x2))## # A tibble: 1 x 2
## encoding confidence
## <chr> <dbl>
## 1 KOI8-R 0.42guess_encoding()의 첫 번째 인수로는 파일의 경로 혹은, 이 예제와 같이 원시벡터(문자열이 이미 R에 있는 경우 유용함)가 될 수 있다. 인코딩은 방대하고 복잡한 주제이며, 여기서 우리는 단지 겉핥기만 한 것이다. 더 배우고 싶으면 https://kunststube.net/encoding 에서 자세한 설명을 읽어 보길 추천한다.
R은 팩터형을 사용하여, 가질 수 있는 값을 미리 알고 있는 범주형 변수를 나타낸다. 예상치 못한 값이 있을 때마다 경고를 생성하려면 parse_factor()에 가질 수 있는 레벨의 백터를 제공하면 된다.
fruit <- c("apple", "banana")
parse_factor(c("apple", "banana", "bananana"), levels = fruit)## [1] apple banana <NA>
## attr(,"problems")
## # A tibble: 1 x 4
## row col expected actual
## <int> <int> <chr> <chr>
## 1 3 NA value in level set bananana
## Levels: apple banana그러나 입력값에 문제가 많이 있는 경우에는, 그 입력값을 우선 문자형 백터로 남겨두고 11장과 12장에서 배울 도구를 사용하여 정리하는 것이 쉬울 때가 많다.
원하는 것이 날짜(1970-01-01 이후의 일 수) 날짜-시간(1970-01-01 자정 이후의 초 수), 시간(자정 이후의 초 수)인지에 따라 세 가지 파서 중에서 선택하면 된다. 추가 인수 없는 각 파서의 동작은 다음과 같다 - parse_datetime()은 ISO 8601 날짜-시간을 입력으로 한다. ISO 8601은 국제 표준인데 날짜가 가장 큰 것부터 가장 작은 것(즉, 년, 월, 일, 시, 분, 초)으로 구성된다.
parse_datetime("2010-10-01T2010")## [1] "2010-10-01 20:10:00 UTC"parse_datetime("20101010")## [1] "2010-10-10 UTC"ISO 8601은 가장 중요한 날짜/시간 표준이며, 날짜와 시간을 자주 다루는 경우 https://en.wikipedia.org/wiki/ISO_8601 을 읽어볼 것을 추천한다.
parse_date("2010-10-01")## [1] "2010-10-01"library(hms)
parse_time("01:10 am")## 01:10:00parse_time("20:10:01")## 20:10:01베이스 R에는 시간 데이터를 위한 훌륭한 내장 클래스가 없기 때문에, 우리는 hms 페키지에서 제공되는 클래스를 사용한다.
이러한 기본 설정으로 주어진 데이터를 처리하지 못한다면 다음의 요소들로 이루어진 자신만의 날짜-시간 형식(format)을 만들어 쓸 수 있다.
연
%Y (4자리).
%y (2자리, 00-69 -> 2000-2069, 70-99 -> 1970-1999).월
%m (2자리).
%b (“Jan”과 같이 축약된 명칭).
%B (전체 명칭, “January”).일
%d (2자리).
%e (선택적 선행 공백)시간
%H (0-23 시간 형식).
%I (0-12, %P 와 함께 사용해야 함).
%P (a.m/p.m 표시).
%S (정수 초).
%OS (실수 초).
%Z (시간대 [이름, 예, America/Chicago]), 참고: 줄임말에 주의하라. ‘EST’는 일광 절약 시간제가 없는 캐나다 표준 시간대임을 주의하라. 그것은 동부 표준시가 아니다! 254쪽의 ‘시간대’에서 이를 다시 살피보겠다.
%z (UTC와의 오프셋, 예: +0800).숫자가 아닌 문자
%. (숫자가 아닌 문자 하나를 건너뛴다).
%* (숫자가 아닌 문자 모두를 건너뛴다).올바를 포맷을 파악하는 가장 좋은 방법은 문자형 백터로 몇 가지 예제를 만들고, 파싱 함수 중 하나로 테스트 하는 것이다.
parse_date("01/02/15", "%m/%d/%y")## [1] "2015-01-02"parse_date("01/02/15", "%d/%m/%y")## [1] "2015-02-01"parse_date("01/02/15", "%y/%m/%d")## [1] "2001-02-15"비영어권의 월 이름에 %b 또는 %B를 사용하는 경우, locale()의 lang 인수를 설정해야 한다. date_names_langs()에 내장된 언어 목록을 보라. 자신의 언어가 아직 포함되어 있지 않았으면 date_names()를 사용하여 생성하라.
parse_date("1 janvier 2015", "%d %B %Y", locale = locale("fr"))## [1] "2015-01-01"이제까지 개별 백터를 파싱하는 방법을 배웠으므로, 처음으로 돌아가서 readr이 파일을 파싱하는 방법을 알아볼 차례이다. 이 절에서는 다음의 두 방법을 배운다.
readr은 휴리스틱 방법을 사용하여 각 열의 유형을 파악한다. 첫 번째 1000행을 읽고(적절히 보수적인)휴리스틱 방법을 사용하여 각 열의 유형을 찾는다. guess_parser()(readr의 추정을 반환)와 parse_guess()(앞의 추정을 사용하여 열을 파싱)를 사용하여 문자형 백터에 이 과정을 재현해볼 수 있다.
guess_parser("2010-10-01")## [1] "date"guess_parser("15:01")## [1] "time"guess_parser(c("TRUE", "FALSE"))## [1] "logical"guess_parser(c("1", "5", "9"))## [1] "double"guess_parser(c("12,352,561"))## [1] "number"str(parse_guess("2010-10-10"))## Date[1:1], format: "2010-10-10"이 휴리스틱 방법은 다음 유형들을 각각 시도하여 일치하는 항묵을 찾으면 멈춘다.
이러한 규칙 중 어느 것도 적용되지 않으면 해당 열은 문자열 백터로 그대로 남는다.
큰 파일의 경우 이러한 기본값이 항상 잘 작동하지는 않는다. 두 가지 문제가 있다.
challenge <- read_csv(readr_example("challenge.csv"))(페키지에 포함된 파일의 경로를 찾아 주는 readr_example()을 사용한 것에 주목하라.) 두 가지가 출력되었다. 첫 번쨰 1,000개의 행을 보고 생성된 열 상세 내용과 첫 다섯 개의 파싱 오류가 그것이다. 발생한 문제들을 problelms()로 명시적으로 추출하여 더 깊이 탐색하는 것은 언제나 좋은 방법이다.
problems(challenge)## # A tibble: 1,000 x 5
## row col expected actual file
## <int> <chr> <chr> <chr> <chr>
## 1 1001 y 1/0/T/F/TRUE/~ 2015-01~ 'C:/Users/emrwn/Documents/R/win-library/~
## 2 1002 y 1/0/T/F/TRUE/~ 2018-05~ 'C:/Users/emrwn/Documents/R/win-library/~
## 3 1003 y 1/0/T/F/TRUE/~ 2015-09~ 'C:/Users/emrwn/Documents/R/win-library/~
## 4 1004 y 1/0/T/F/TRUE/~ 2012-11~ 'C:/Users/emrwn/Documents/R/win-library/~
## 5 1005 y 1/0/T/F/TRUE/~ 2020-01~ 'C:/Users/emrwn/Documents/R/win-library/~
## 6 1006 y 1/0/T/F/TRUE/~ 2016-04~ 'C:/Users/emrwn/Documents/R/win-library/~
## 7 1007 y 1/0/T/F/TRUE/~ 2011-05~ 'C:/Users/emrwn/Documents/R/win-library/~
## 8 1008 y 1/0/T/F/TRUE/~ 2020-07~ 'C:/Users/emrwn/Documents/R/win-library/~
## 9 1009 y 1/0/T/F/TRUE/~ 2011-04~ 'C:/Users/emrwn/Documents/R/win-library/~
## 10 1010 y 1/0/T/F/TRUE/~ 2010-05~ 'C:/Users/emrwn/Documents/R/win-library/~
## # ... with 990 more rows문제가 남아있지 않을 때까지 열 단위로 작업하는 것은 좋은 전략이다. x 열에 파싱 문제가 많다는 것을 알 수 있다. 정수값 다음에 따라오는 문자가 있었던 것이다. 이는 더블형 파서를 사용해야 함을 암시한다. 이 호출을 수정하기 위해 먼저 열 사양을 복사하여 원래 호출에 붙여 넣어보라.
challenge <- read_csv(
readr_example("challenge.csv"),
col_types = cols(
x = col_integer(),
y = col_character()
)
)그런 다음 x 열의 유형을 조정할 수 있다.
install.packages("readr")
library(readr)
challenge <- read_csv(
readr_example("challenge.csv"),
col_types = cols(
x = col_double(),
y = col_character()
)
)첫 번째 문제는 해결되었지만, 마지막 몇 행을 보면 날짜가 문자형 백터로 저장 되었다.
tail(challenge)## # A tibble: 6 x 2
## x y
## <dbl> <chr>
## 1 0.805 2019-11-21
## 2 0.164 2018-03-29
## 3 0.472 2014-08-04
## 4 0.718 2015-08-16
## 5 0.270 2020-02-04
## 6 0.608 2019-01-06y 열을 데이트형으로 성정하여, 이를 수정할 수 있다.
challenge <- read_csv(
readr_example("challenge.csv"),
col_types = cols(
x = col_double(),
y = col_date()
)
)tail(challenge)## # A tibble: 6 x 2
## x y
## <dbl> <date>
## 1 0.805 2019-11-21
## 2 0.164 2018-03-29
## 3 0.472 2014-08-04
## 4 0.718 2015-08-16
## 5 0.270 2020-02-04
## 6 0.608 2019-01-06모든 parse_xyz() 함수는 해당하는 col_xyz() 함수를 가지고 있다. 데이터가 이미 R의 문자형 벡터인 경우에는 parse_xyz()를 사용하면 되고, readr이 데이터를 불러오는 방법을 설정할 경우에는 col_xyz()사용하면 된다. col_typers를 항상 설정하여 readr이 생성하는 출력물로부터 만들어 나가는 것을 강력히 추천한다. 이렇게 하면 일관되고 재현할 수 있는 데이터 불러오기 스크립트를 갖게 된다. 기본값으로 추측하여 데이터를 읽는다면 데이터 변경 시 readr은 과거 설정으로 읽게 될 것이다. 정말로 엄격하게 하고 싶다면 stop_for-problems()를 사용하라. 파싱 문제가 생기면 오류를 내며 스크립트를 중단할 것이다.
파일을 파싱하는데 도움이 되는 몇가지 일반적인 전략이 있다.
challenge2 <- read_csv(
readr_example("challenge.csv"),
guess_max = 1001
)challenge2## # A tibble: 2,000 x 2
## x y
## <dbl> <date>
## 1 404 NA
## 2 4172 NA
## 3 3004 NA
## 4 787 NA
## 5 37 NA
## 6 2332 NA
## 7 2489 NA
## 8 1449 NA
## 9 3665 NA
## 10 3863 NA
## # ... with 1,990 more rowschallenge <- read_csv(readr_example("challenge.csv"),
col_types = cols(.default = col_character())
)이 방법은 type_convert()와 함께 사용하면 특히 유용한데, 이 함수는 휴리스틱한 파싱 방법을 데이터프레임의 문자형 열에 적용한다. (휴리스틱 : 시간이나 정보가 불충분하여 합리적인 판단을 할 수 없거나, 굳이 체계적이고 합리적인 판단을 할 필요가 없는 상황에서 신속하게 사용하는 어림짐작의 기술)
df <- tribble(
~x, ~y,
"1", "1.21",
"2", "2.32",
"3", "4.56"
)type_convert(df)## # A tibble: 3 x 2
## x y
## <dbl> <dbl>
## 1 1 1.21
## 2 2 2.32
## 3 3 4.56readr에는 디스크에 데이터를 다시 기록하는 데 유용한 함수, write_csv()와 write_tsv()가 있다. 두 함수 모두 다음 동작을 통해 출력 파일이 올바르게 다시 읽힐 수 있게 한다. - 항상 UTF-8로 문자열을 인코딩한다. - 데이트형과 데이터-타임형을 ISO 8601 형식으로 저장하여 어디에서든 쉽게 파싱될 수 있게 한다.
CSV 파일을 엑셀로 내보내려면 write_excel_csv()를 사용하라. 이는 파일의 시작 부분에 특수 문자(‘byte order mark’)를 작성하여, UTF-8 인코딩을 사용하고 있음을 엑셀에 전달한다. 가장 중용한 인수는 x(저장할 데이터프레임)와 path(그 데이터프레임을 저장할 위치)이다. 결측값을 지정하는 방법을 위한 인수, na와 기존 파일에 첨부할지를 지정하는 인수, append도 있다.
write_csv(challenge, "challenge.csv")CSV로 저장하면 유형 정보가 없어진다는 것에 유의하라.
challenge## # A tibble: 2,000 x 2
## x y
## <chr> <chr>
## 1 404 <NA>
## 2 4172 <NA>
## 3 3004 <NA>
## 4 787 <NA>
## 5 37 <NA>
## 6 2332 <NA>
## 7 2489 <NA>
## 8 1449 <NA>
## 9 3665 <NA>
## 10 3863 <NA>
## # ... with 1,990 more rowswrite_csv(challenge, "challenge-2.csv")read_csv("challenge-2.csv")## # A tibble: 2,000 x 2
## x y
## <dbl> <lgl>
## 1 404 NA
## 2 4172 NA
## 3 3004 NA
## 4 787 NA
## 5 37 NA
## 6 2332 NA
## 7 2489 NA
## 8 1449 NA
## 9 3665 NA
## 10 3863 NA
## # ... with 1,990 more rows이런 이유로 중간 결과를 캐싱하기에 CSV를 아주 신뢰할 수 없다. 불러올 때마다 열 사양을 다시 만들어야 한다. 두 가지 대안이 있다.
write_rds(challenge, "challenge.rds")read_rds("challenge.rds")## # A tibble: 2,000 x 2
## x y
## <chr> <chr>
## 1 404 <NA>
## 2 4172 <NA>
## 3 3004 <NA>
## 4 787 <NA>
## 5 37 <NA>
## 6 2332 <NA>
## 7 2489 <NA>
## 8 1449 <NA>
## 9 3665 <NA>
## 10 3863 <NA>
## # ... with 1,990 more rowslibrary(feather)
write_feather(challenge, "challeng.feather")library(feather)
read_feather("challenge.feather")## # A tibble: 2,000 x 2
## x y
## <chr> <chr>
## 1 404 <NA>
## 2 4172 <NA>
## 3 3004 <NA>
## 4 787 <NA>
## 5 37 <NA>
## 6 2332 <NA>
## 7 2489 <NA>
## 8 1449 <NA>
## 9 3665 <NA>
## 10 3863 <NA>
## # ... with 1,990 more rowsfeather는 RDS보다 대체적으로 빠르며 R 외부에서도 사용할 수 있다. RDS는 리스트-열(20장에서 배울 것이다)을 지원하지만 feather는 현재 지원하지 않는다.
다른 유형의 데이터를 R로 불러오려면 다음에 나열된 tidyverse 패키지로 시작하는 것이 좋다. 이 패키지들은 완벽하지는 않지만 이들부터 시작하면 좋다. 직사각형 데이터에 대해 다음 패키지들이 있다.
계층적 데이터의 경우, JSON에는 예룬 움스(Jeroen Ooms)가 개발한 jsonlite를 사용하고 XML에는 xml2를 사용하면 된다. 이에 관한 좋은 예제는 제니 브라이언(Jennt Bryan)의 https://jennybc.github.io/purrr-tutorial에서 볼 수 있다. 다른 파일 유형의 경우, R데이터 불러오기/내보내기 매뉴얼과 rio패키지를 참고해보라