数据分析-R语言学习笔记（六）获取数据、读入文件

一、获取数据

R获取数据三种途径：

• 利用键盘输入数据；
• 通过读取存储在外部文件上的数据；
• 通过访问数据库系统来获取数据。

1、键盘输入数据

每一行对应一个病人的信息，称为观测；每一列对应一个变量。

手动输入：

> patientID <- c(1,2,3,4)
> admDate <- c("10/15/2009","11/01/2009","10/21/2009","10/28/2009")
> age <- c(25,34,28,52)
> diabetes <- c("Type1","Type2","Type1","Type1")
> status <- c("Poor","Improved","Excellent","Poor")
> data <- data.frame(patientID,admDate,age,diabetes,status)
> data
  patientID    admDate age diabetes    status
1         1 10/15/2009  25    Type1      Poor
2         2 11/01/2009  34    Type2  Improved
3         3 10/21/2009  28    Type1 Excellent
4         4 10/28/2009  52    Type1      Poor

edit()函数可以自动调用一个允许手动输入数据的文本编辑器，不过不能直接调用edit，必须首先定义一个变量然后用edit修改这个变量。

我靠了，我闪退没保存，要命了。

> data2 <- data.frame(patientID=character(),admDate = character(),age=numeric(),diabetes=character(),status=character(
+ ))
> data2
[1] patientID admDate   age       diabetes  status   
<0 行> (或0-长度的row.names)
> data2 <- edit(data2)
> data2
  patientID    admDate age diabetes status
1         1 30/11/2023  25     <NA>   Poor
2         2       <NA>  34    Type2   <NA>
3         3       <NA>  28     <NA>   <NA>
4         4       <NA>  52     <NA>   <NA>

如果想修改数据，再重新调用edit，修改之后赋值给原变量；也可以使用fix函数进行修改，直接保存：

> fix(data2)

2、文件读取数据

R语言能够处理的数据比较特殊，一般需要python或者Perl对数据进行预处理，再把数据导入R进行分析。

3、访问数据库获取数据

通过ODBC访问数据库

ODBC(Open Database Connectivity)开放数据库连接。

R中通过RODBC包来访问。

> install.packages("RODBC")
WARNING: Rtools is required to build R packages but is not currently installed. Please download and install the appropriate version of Rtools before proceeding:

https://cran.rstudio.com/bin/windows/Rtools/
试开URL’https://mirrors.pku.edu.cn/CRAN/bin/windows/contrib/4.3/RODBC_1.3-23.zip'
Content type 'application/zip' length 618607 bytes (604 KB)
downloaded 604 KB

程序包‘RODBC’打开成功，MD5和检查也通过

下载的二进制程序包在
	C:\Users\Administrator\AppData\Local\Temp\RtmpGcFZ0p\downloaded_packages里
> library(RODBC)
> help(package="RODBC")

二、读入文件

1、读取本地文件：

如果文件不在当前目录下，可以使用文件的全路径(绝对路径或者相对路径)，但是不能读取目录，必须是完整的路径。

> read.table("C:\\Users\\Administrator\\Desktop\\input.txt")
    V1
1 随便
2   写
3 几行
4   字

head和tail的用法和Linux中一样：

> x<- read.table("C:\\Users\\Administrator\\Desktop\\input.txt")
Warning message:
In read.table("C:\\Users\\Administrator\\Desktop\\input.txt") :
  incomplete final line found by readTableHeader on 'C:\Users\Administrator\Desktop\input.txt'
> head(x)
    V1
1 随便
2   写
3 几行
4   字
> tail(x)
    V1
1 随便
2   写
3 几行
4   字
> head(x,2)
    V1
1 随便
2   写

sep参数设置文件是以什么为分隔符，默认是空白。csv文件是以逗号分隔的，要设置sep=","，不设置这个参数可能会出错：

> x<- read.table("F:\\Download\\ferroptosis_driver.csv")
Error in scan(file = file, what = what, sep = sep, quote = quote, dec = dec,  : 
  line 1 did not have 19 elements
> x<- read.table("F:\\Download\\ferroptosis_driver.csv",sep=",")

skip参数跳过部分内容，有些文件开头会包含一些介绍性信息：（我发现txt文档中默认跳过#开头的行）

> read.table("C:\\Users\\Administrator\\Desktop\\input.txt")
      V1
1 ？？？
2      *
3   随便
4     写
5   几行
6     字
> read.table("C:\\Users\\Administrator\\Desktop\\input.txt",skip=4)
    V1
1 随便
2   写
3 几行
4   字

nrow参数用来设置读取行数

>  read.table("F:\\Download\\ferroptosis_driver.csv",sep=",",nrows = 10)skip

skip和nrow组合起来可以读取文件中任意部分。

....等等等等其他参数之后用的时候再学习。

2.读取网络文件

读取网页中的文本文件：就是把路径变成https这样的网络地址就好咯，其他参数一样用法。可以是HTTP，也可以是FTP，还可以是局域网中File开头的完整文件地址。

读取网页中的非文本文件借助XML：(老师演示也出错惹，反正用的时候再研究)

> library(XML)
> ?readHTMLTable

R擅长的就是处理文本文件，可以将非文本文件另存为文本文件再read.table哈哈哈哈哈哈哈哈哈真的好朴实的解决方法，避其锋芒。那如果你非要处理，可以详细阅读XML包的帮助文档。

foreign包是R自带的包，可以很方便地处理其他软件的文件。

如果遇到其他格式的文件，不在foreign包处理范围内，一种办法是另存为文本文件，另外就是搜索R中对应的包，例如想要处理matlab格式的文件，就可以使用RSiteSearch("Matlab")搜索。

R还支持读取剪切板上的数据：

> x <- read.table("clipboard",header = T,sep=' ')
> x
          CTLA4...2023.down.gastric         cancer
1     IDO1\t\t\t2023\tdown\tgastric         cancer
2   LGALS9\t\t\t2023\tdown\tgastric         cancer
3 TNFRSF14\t\t\t2023\tdown\tgastric         cancer
4 TNFRSF18\t\t\t2023\tdown\tgastric         cancer
5 TNFRSF25\t\t\t2023\tdown\tgastric         cancer
6       CDKN2A\t\t\t2023\tup\tcolon adenocarcinoma
7          GLS\t\t\t2023\tup\tcolon adenocarcinoma
8        LIPT1\t\t\t2023\tup\tcolon adenocarcinoma
> readClipboard()
[1] "CTLA4\t\t\t2023\tdown\tgastric cancer"     
[2] "IDO1\t\t\t2023\tdown\tgastric cancer"      
[3] "LGALS9\t\t\t2023\tdown\tgastric cancer"    
[4] "TNFRSF14\t\t\t2023\tdown\tgastric cancer"  
[5] "TNFRSF18\t\t\t2023\tdown\tgastric cancer"  
[6] "TNFRSF25\t\t\t2023\tdown\tgastric cancer"  
[7] "CDKN2A\t\t\t2023\tup\tcolon adenocarcinoma"
[8] "GLS\t\t\t2023\tup\tcolon adenocarcinoma"   
[9] "LIPT1\t\t\t2023\tup\tcolon adenocarcinoma" 

如果要读取压缩文件，无需提前解压缩，R可以直接读取，也不需要提前设置参数，直接读取就可以了：

> read.table(gzfile("input.txt.gz"))

遇到其他不标准的格式的时候，使用read.table或者其他都没办法，可以试试：

> ?readLines
> readLines(" 路径 ",n=5) #读取文件中各行并以字符串形式返回结果，参数n是最大读取的行数

或者scan函数，scan函数更为强大，它每次读取一个单元，并根据指令进行处理。第一个参数为文件地址，第二个参数为what用来描述scan期望文件输入的单元。what参数看帮助文档：

> ?scan

> scan("新建文本文档.txt",what = list(character(3),numeric(0)))

 

没有太多测试文件，也没怎么上手试，主打一个快速过一遍。不钻牛角尖，姐就是赶路人。