læsning af Data fra R-hurtig Guide
læsning af Data i R, så mange mennesker gemmer stadig deres datasæt i R, men nogle gange kommer til dataanalyse, der står over for mange vanskeligheder, mens vi indlæser datasæt i R, kan vi gøre brug af kraften i R-funktioner.
i denne vejledning skal vi beskrive, hvordan du læser data-eller filformater i R. Dette kan gøres baseret på brug af readl, openll, openlconnect-pakken.
læsning af data fra R
read-pakke
hvis du ikke er installeret read-pakke, kan du bruge nedenstående kode
gentagne målinger af ANOVA i R komplet Tutorial ”
install.packages("readxl")
Indlæs readsl-pakken i R.
library("readxl")
læsning af RLS-og rlsl-format er angivet nedenfor.
for filer
data<- read_excel("file.xls")
for filer
data <- read_excel("file.xlsx")
du kan vælge en fil interaktivt baseret på fil.Vælg () funktion. Dette er tidskrævende, så det anbefales ikke.
data <- read_excel(file.choose())
Forestil dig, hvis du har flere ark, så kan du gøre brug af argumentark.
du skal angive ark ved navn
data <- read_excel("my_file.xlsx", sheet = "sheetname")
du kan angive ark ved dets indeks
data <- read_excel("my_file.xlsx", sheet = 2)
nogle gange i ark indeholder de manglende værdier.
KK-plots i R: Kvantile-Kvantile Plots-Hurtig Start Guide ”
data <- read_excel("file.xlsx", na = "---")
hvis du vil læse flere filer, så,
library(readxl)file.list <- list.files(pattern='*.xlsx')df.list <- lapply(file.list, read_excel)
hvis du også vil medtage filerne i undermapper, så
file.list <- list.files(pattern='*.xlsx', recursive = TRUE)
Antag, at alle arkene har samme kolonnenavn, så kan du gøre brug af bind_rækker,
library(dplyr)df <- bind_rows(df.list, .id = "id")
en af de andre pakker er java-baseret løsning til læsning, skrivning og formatering af filer i R.
hvis du ikke er installeret, kan du installere pakken baseret på nedenstående kode.
install.packages("xlsx")
lad os indlæse pakken i R.
library("xlsx")
Sådan bruges pakken?
KNN algoritme Machine Learning “klassificering & Regression”
i pakage hovedsagelig to funktioner læses.() og læs.2 ()
Antag, at hvis du har større filer, så læs.2 () funktion anbefales, fordi den indlæses hurtigere end læst.- Nej.
pakningsformat er angivet nedenfor.
read.xlsx(file, sheetIndex, header=TRUE)read.xlsx2(file, sheetIndex, header=TRUE)
fil, der angiver filstien
arkindeks angiver indekset for det ark, der skal læses
header angiver en logisk værdi. Hvis overskriften er sand, betragtes den første række som kolonnenavne.
library("xlsx")data <- read.xlsx(file.choose(), 1) # read first sheetdata <- read.xlsx("file.xlsx", 1) # read first sheetdata <- read.xlsx("file.xlsx", sheetName="Sheet1") # read the data contains in Sheet1
en anden måde at importere data på er at kopiere fra R
hvis du bruger vinduer system,
ekstrem Gradientforstærkning i R “Ultimate Guide”
data <- read.table(file = "clipboard", sep = "\t", header=TRUE)
MAC-system
data <- read.table(pipe("pbpaste"), sep="\t", header = TRUE)
dette er ikke den bedre måde at importere data til R
OpenConnect-pakke
OpenConnect-pakke
library(openxlsx)read.xlsx(file_path)
eller
read.xlsx(file_path, cols = 1:2, rows = 2:3)
OpenConnect-pakke
hvis du vil læse flere ark, så
install.packages("XLConnect")library(XLConnect)data <- readWorksheetFromFile(file_path, sheet = "list-column", startRow = 1, endRow = 10, startCol = 1, endCol = 3)
hvis du vil læse flere ark, så
læsning af flere ark
load <- loadWorkbook(file_path)data <- readWorksheet(load, sheet = "list-column", startRow = 1, endRow = 10, startCol = 1, endCol = 3)data2 <- readWorksheet(load, sheet = "two-row-header", startRow = 1, endRow = 10, startCol = 1, endCol = 4)
i denne pakke kan yu importere en navngivet region en gang
data <- readNamedRegionFromFile(file, # File path name, # Region name ...) # Arguments of readNamedRegion()
læsning af flere navngivne regioner
Naive Bayes klassificering i R “forudsigelsesmodel”
load <- loadWorkbook(file_path)data <- readNamedRegion(load, name_Region_1, ...)data2 <- readNamedRegion(load, name_Region_2, ...)
hvis du har CSV-fil, så
data<-read.csv("file.csv",1)
nogle gange kan der opstå JAVA-fejl, du kan undgå disse problemer, mens du sætter java-stien i R
udskriver stien til JAVA Home i R
Sys.getenv("JAVA_HOME")
indstiller stien til JAVA
Sys.setenv(JAVA_HOME = "path_to_jre_java_folder")
JRE-mappen indeholder inde i Java-mappen på din computer (programfiler)
nød dette tutorial? Glem ikke at vise din kærlighed, Tilmeld dig nyhedsbrevet og kommenter nedenfor!
r Plot PCH-symboler: forskellige punktformer i R ”
postlæsningen af Data fra udmærke-filer (RLS,CSV) i R-hurtig Guide dukkede først op på finnstats.