第十三章：R 读取 txt、csv 表格数据

数据分析的第一步永远是读取数据。真实数据通常存储在 CSV、TXT 等文件中本章将学习如何用 R 读取外部数据文件以及如何把分析结果导出保存。一、数据文件常见格式格式扩展名特点CSV.csv逗号分隔最通用的表格格式TXT.txt制表符或自定义分隔符Excel.xlsx需要额外包如 readxl本章重点CSV 和 TXT因为 R 内置函数就能处理无需安装任何包。二、准备工作设置工作目录R 需要知道去哪个文件夹找文件。1. 查看当前工作目录getwd()运行结果[1] d:/develop/code/R2. 设置工作目录setwd适合小型数据分析项目。大型项目推荐用 here 包# ❌ 坏写法换电脑就找不到setwd(d:/develop/code/R/data)# ✅ 好写法项目相对路径setwd(data)建议把数据文件放在工作目录下读取时直接写文件名即可不用写完整路径。三、读取 CSV 文件1. 先创建一个示例 CSV 文件运行以下代码自动生成一个练习用的 CSV 文件# 设置到你放数据文件的目录setwd(data)# 创建示例数据并保存为 CSVstudents-data.frame(namec(张三,李四,王五,赵六,孙七),genderc(男,女,男,男,女),mathc(92,88,76,65,95),chinesec(85,72,95,58,88),englishc(78,90,82,70,92),stringsAsFactorsFALSE)write.csv(students,students.csv,row.namesFALSE)print(已生成 students.csv)2. 用 read.csv() 读取# 设置到你放数据文件的目录setwd(data)# 读取 CSV 文件df-read.csv(students.csv,stringsAsFactorsFALSE)print(df)运行结果name gender math chinese english 1 张三 男 92 85 78 2 李四 女 88 72 90 3 王五 男 76 95 82 4 赵六 男 65 58 70 5 孙七 女 95 88 923. read.csv() 常用参数# 设置到你放数据文件的目录setwd(data)df-read.csv(students.csv,headerTRUE,# 第一行是否为列名默认 TRUEstringsAsFactorsFALSE,# 不自动将字符串转为因子encodingUTF-8,# 编码中文文件常用sep,# 分隔符CSV 默认逗号)4. 读取中文 CSV 的常见问题如果读出来是乱码尝试指定编码# 方法1指定 UTF-8 编码df-read.csv(students.csv,fileEncodingUTF-8,stringsAsFactorsFALSE)# 方法2如果是 Windows 下 GBK 编码df-read.csv(students.csv,fileEncodingGBK,stringsAsFactorsFALSE)四、读取 TXT 文件1. 创建示例 TXT 文件# 创建制表符分隔的 TXT 文件students-data.frame(namec(张三,李四,王五),mathc(92,88,76),chinesec(85,72,95),stringsAsFactorsFALSE)write.table(students,students.txt,sep\t,row.namesFALSE,quoteFALSE)print(已生成 students.txt)2. 用 read.table() 读取# 读取制表符分隔的 TXTdf-read.table(students.txt,headerTRUE,sep\t,stringsAsFactorsFALSE)print(df)运行结果name math chinese 1 张三 92 85 2 李四 88 72 3 王五 76 953. read.csv vs read.table函数默认分隔符适用场景read.csv()逗号,CSV 文件read.table()空格/制表符TXT 文件灵活指定分隔符实际上read.csv()是read.table()的简化版# 这两行等价read.csv(data.csv)read.table(data.csv,headerTRUE,sep,)4. 读取其他分隔符的文件# 分号分隔df-read.table(data.csv,headerTRUE,sep;,stringsAsFactorsFALSE)# 空格分隔df-read.table(data.txt,headerTRUE,sep ,stringsAsFactorsFALSE)# 竖线分隔df-read.table(data.txt,headerTRUE,sep|,stringsAsFactorsFALSE)五、读取后检查数据养成读取后立即检查的好习惯df-read.csv(students.csv,stringsAsFactorsFALSE)# 第一步看前几行head(df)# 第二步看结构str(df)# 第三步看维度dim(df)nrow(df)ncol(df)# 第四步看列名names(df)# 第五步快速统计summary(df)六、导出数据1. 导出为 CSVdf-data.frame(namec(张三,李四,王五),mathc(92,88,76),stringsAsFactorsFALSE)# 导出 CSV不保存行号write.csv(df,output.csv,row.namesFALSE)2. 导出为 TXT# 导出制表符分隔的 TXTwrite.table(df,output.txt,sep\t,row.namesFALSE,quoteFALSE)3. 导出参数说明write.csv(df,output.csv,row.namesFALSE,# 不保存行号通常不需要quoteFALSE,# 不给字符串加引号fileEncodingUTF-8# 指定编码)七、读写完整流程示例# # 完整流程读取 → 处理 → 导出# # 1. 创建原始数据并保存raw-data.frame(namec(张三,李四,王五,赵六,孙七),genderc(男,女,男,男,女),mathc(92,88,76,65,95),chinesec(85,72,95,58,88),englishc(78,90,82,70,92),stringsAsFactorsFALSE)write.csv(raw,scores_raw.csv,row.namesFALSE)# 2. 读取数据df-read.csv(scores_raw.csv,stringsAsFactorsFALSE)# 3. 数据处理计算总分、平均分、等级df$total-df$mathdf$chinesedf$english df$average-round(df$total/3,1)df$grade-ifelse(df$average90,优秀,ifelse(df$average80,良好,ifelse(df$average60,及格,不及格)))# 4. 导出处理后的数据write.csv(df,scores_result.csv,row.namesFALSE)print(处理完成已导出 scores_result.csv)八、综合实战练习可直接复制运行# # R 综合练习文件读写实战# 场景从原始数据到分析报告# # 1. 创建模拟数据模拟从外部获取的原始数据set.seed(42)n-15raw_data-data.frame(id1:n,namepaste0(学生,sprintf(%02d,1:n)),gendersample(c(男,女),n,replaceTRUE),classsample(c(A班,B班),n,replaceTRUE),mathround(runif(n,40,100)),chineseround(runif(n,40,100)),englishround(runif(n,40,100)),stringsAsFactorsFALSE)# 故意加入几个缺失值raw_data$math[3]-NAraw_data$english[7]-NA# 2. 保存原始数据write.csv(raw_data,exam_raw.csv,row.namesFALSE)print(原始数据已保存到 exam_raw.csv)# 3. 重新读取模拟从文件开始工作流df-read.csv(exam_raw.csv,stringsAsFactorsFALSE)print( 读取成功前5行预览 )print(head(df))print(paste(共,nrow(df),行,ncol(df),列))# 4. 数据检查print( 数据结构 )str(df)print( 缺失值检查 )for(colinnames(df)){na_count-sum(is.na(df[[col]]))if(na_count0){print(paste(col,列有,na_count,个缺失值))}}# 5. 处理缺失值用该科平均分填充df$math[is.na(df$math)]-round(mean(df$math,na.rmTRUE))df$english[is.na(df$english)]-round(mean(df$english,na.rmTRUE))# 6. 计算分析指标df$total-df$mathdf$chinesedf$english df$average-round(df$total/3,1)df$grade-ifelse(df$average90,优秀,ifelse(df$average80,良好,ifelse(df$average60,及格,不及格)))# 7. 排序df-df[order(df$total,decreasingTRUE),]df$rank-1:nrow(df)# 8. 导出最终结果write.csv(df,exam_result.csv,row.namesFALSE)print(分析结果已导出到 exam_result.csv)# 9. 输出摘要print( 最终结果 )print(df[,c(rank,name,class,math,chinese,english,total,average,grade)])# 10. 按班级汇总导出class_summary-aggregate(cbind(math,chinese,english,total)~class,datadf,FUNmean)class_summary$math-round(class_summary$math,1)class_summary$chinese-round(class_summary$chinese,1)class_summary$english-round(class_summary$english,1)class_summary$total-round(class_summary$total,1)write.csv(class_summary,exam_class_summary.csv,row.namesFALSE)print( 班级汇总 )print(class_summary)运行结果[1] 原始数据已保存到 exam_raw.csv [1] 读取成功前5行预览 id name gender class math chinese english 1 1 学生01 男 A班 84 97 81 2 2 学生02 男 B班 89 93 99 3 3 学生03 男 B班 NA 78 86 4 4 学生04 男 B班 81 98 74 5 5 学生05 女 B班 40 77 91 6 6 学生06 女 A班 90 60 51 [1] 共 15 行 7 列 [1] 数据结构 data.frame: 15 obs. of 7 variables: $ id : int 1 2 3 4 5 6 7 8 9 10 ... $ name : chr 学生01 学生02 学生03 学生04 ... $ gender : chr 男 男 男 男 ... $ class : chr A班 B班 B班 B班 ... $ math : int 84 89 NA 81 40 90 40 52 94 77 ... $ chinese: int 97 93 78 98 77 60 61 64 87 42 ... $ english: int 81 99 86 74 91 51 NA 90 82 54 ... [1] 缺失值检查 [1] math 列有 1 个缺失值 [1] english 列有 1 个缺失值 [1] 分析结果已导出到 exam_result.csv [1] 最终结果 rank name class math chinese english total average grade 2 1 学生02 B班 89 93 99 281 93.7 优秀 9 2 学生09 A班 94 87 82 263 87.7 良好 1 3 学生01 A班 84 97 81 262 87.3 良好 4 4 学生04 B班 81 98 74 253 84.3 良好 3 5 学生03 B班 70 78 86 234 78.0 及格 14 6 学生14 A班 98 56 69 223 74.3 及格 5 7 学生05 B班 40 77 91 208 69.3 及格 8 8 学生08 A班 52 64 90 206 68.7 及格 6 9 学生06 A班 90 60 51 201 67.0 及格 12 10 学生12 A班 66 81 48 195 65.0 及格 11 11 学生11 B班 63 85 43 191 63.7 及格 15 12 学生15 A班 66 71 52 189 63.0 及格 10 13 学生10 A班 77 42 54 173 57.7 不及格 7 14 学生07 A班 40 61 70 171 57.0 不及格 13 15 学生13 A班 42 50 53 145 48.3 不及格 [1] 班级汇总 class math chinese english total 1 A班 70.9 66.9 65.0 202.8 2 B班 68.6 86.2 78.6 233.4