1.4　加载以符号分隔的文本文件

问题

如何加载一个以符号分隔的文本文件中的数据？

方法

读取文件中逗号分隔组（Comma-Separated Value，CSV）数据的最常用方法是：

data <- read.csv("datafile.csv")

另一种方法是使用readr包中的read_csv()函数（注意是下划线而不是点）。这个函数的运行速度明显比read.csv()函数快很多，并且更适合处理字符串、日期和时间。

讨论

由于数据文件有许多不同的格式，为了加载它们，提供了很多对应的选项。如果一个数据文件首行没有列名：

data <- read.csv("datafile.csv", header = FALSE)

那么得到的数据框的列名将是V1、V2等。想要手动重命名列：

# 手动为列名赋值
names(data) <- c("Column1", "Column2", "Column3")

可以用sep参数来设置分隔符。如果是以空格分隔，使用参数sep = " "。如果是以制表符分隔，sep参数值应设置为\t，如下所示：

data <- read.csv("datafile.csv", sep = "\t")

在默认情况下，数据中的字符串会被视为因子（factor）处理。假设下面是你的数据文件，然后，你用read.csv()来读取：

"First","Last", "Sex", "Number"
"Currer","Bell","F",2
"Dr.","Seuss","M",49
"","Student",NA,21

得到的数据框将会把First、Last等存储为因子，尽管此时将它们视为字符串（或使用R术语中的字符向量）更为合理。为了区别这一点，可以设置stringsAsFactors = FALSE。如果有些列应该被处理为因子，可以再对其逐个转换：

data <- read.csv("datafile.csv", stringsAsFactors = FALSE)

# 转为因子类型
data$Sex <- factor(data$Sex)
str(data)
#> 'data.frame': 3 obs. of 4 variables:
#> $ First : chr "Currer" "Dr." ""
#> $ Last : chr "Bell" "Seuss" "Student"
#> $ Sex : Factor w/ 2 levels "F","M": 1 2 NA
#> $ Number: int 2 49 21

还可以在加载的时候不做设置（字符串自动转换为因子），加载之后再对需要的列进行因子到字符串的转换。

另见

read.csv()是对read.table()更便捷的封装函数。如果需要更细致地操控文本输入，可以通过?read.table命令获取更多细节。