数据可视化专题R读取多种格式的数据与常见错误原因汇总

Posted 2021-04-28 智汇医圈Plus

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了数据可视化专题R读取多种格式的数据与常见错误原因汇总相关的知识，希望对你有一定的参考价值。

智慧医圈Plus,每天进步一点点！

前言

自本期开始，我们将围绕着R与数据可视化发布一个新的专题【R与数据可视化专题】，若你此前阅读“你离R语言大神只有七步之遥”之后，开启过热血沸腾之旅，那么估计多半人尝试之后就只剩无尽沮丧了。没办法，牛B的神器，都是有点性格的，不太容易相处。
为了重启热血之旅，就让我们一步步拆解那篇文章中提到的步骤，逐步熟练掌握这统计与可视化神器吧！

数据读取的关键点

所谓巧妇难为无米之炊，用好R的第一步就是这读取数据了。纵使可视化的代码和生成的图让人心醉神迷，若读入数据这第一枪打不响，估计剩下的也就只有无尽惆怅与暗自神伤了！而很多人就半途而废在这读取数据上了。那就让我们先来看看数据读取前需要Check的几个问题吧！

1.弄明白文件的分隔符(从Excel导出时尤其要注意用逗号/Tab/分号或是其它)

2.行名和列名如何设置(直接从文件中读取/读入后再生成)

3.数据类型是什么(纯数字/纯字符串/两者混合，警惕Excel表改动你的数据)

4.是否有缺失值(有/无)

5.目标函数需要什么形式的数据

(List/DataFrame/Vector/Matrix/

Factor)

6.目标函数能否容忍缺失值(具体查看函数说明文档)

导入CSV/TXT/TSV文件

接下来就让我们看看常见的CSV/TXT/TSV格式文件的读取吧！

这三种类型的文件通常用read.table函数族来解决。最常用的是read.table和read.csv，而read.csv和read.table实际上是一样的，只是设置的默认值不同罢了。

read.csv、read.csv2、read.delim是read.table函数的包装，分隔符分别对应逗号，分号，制表符，同样接受read.table所有参数。因此针对这三种类型的文件，完全可以用read.table一个函数搞定，只不过要对参数比较熟悉，依据实际情况进行调整。

小智提醒

重点注意：

read.table函数以数据框的格式读入数据，所以适合读取混合模式的数据，但是要求每列的数据数据类型相同。

常见参数解析

看如何一步步读入合适的DataFrame

file参数

这是必须的，可以是相对路径或者绝对路径(注意：Windows下路径要用斜杠'/'或者双反斜杠'\')

header参数

其默认为FALSE，即数据框的列名为V1，V2...设置为TRUE时第一行作为列名。

神奇的header，当你设置为TRUE时，就自动拥有了列名哦，省时省力。

注意

当第一行包含特殊字符时

可能给后续数据处理带来问题

可提前处理好特殊字符

看看R read.table都是怎么处理行列名中特殊字符的！

sep参数

读入csv/tsv/txt等文本文件时最为重要的参数，大家在读入数据时不能依赖于后缀名，而应该自行检查文件的分隔符。

尤其是经Mac/Windows其它软件生成或转换而来的文本文件时尤其如此。

一起来看看它的魔法吧！

row.names参数

一个header参数让我们自动获得了列名，那么有办法让data.frame自动获得行名吗？省去手动转换的麻烦！那就让我们一起来看看row.names参数吧！

是不是很酷炫！

注意

rows.names其中一种用法就是指定列数

以其作为行名的时候

一定要确保指定的列没有重复哦

否则就会出现如下错误！

stringAsFactors

字符型数据读入时自动转换为因子，因子是R中的变量，它只能取有限的几个不同值，将数据保存为因子可确保模型函数能够正确处理。

But当变量作为简单字符串使用时可能出错。要想防止转换为因子:

1.令参数stringAsFactors=FALSE,防止导入的数据任何的因子转换。

2.更改系统选项options(stringsAsFactors=FALSE)

3.指定抑制转换的列：as.is=参数。通过一个索引向量指定，或者一个逻辑向量，需要转换的列取值FALSE,不需要转换的列取值TRUE。

如何加速读取

你的文件是不是很大，大到每读入一次都感觉像是过了一个世纪？那么就快来试试如下方法吧！

设定colClasses参数，其对读取速度能提升一倍

1.先读取头100行，用这小段样本来确定每列的类型

2.识别每列的数据类型，而后再整个读取

原理：

这样做可以加速其实是通过事先告诉数据类型，避免R在读入数据时去推测数据类型，而浪费时间。

采用新的读取数据的函数/包，比如...

Amazing包

(不要怀疑你的眼睛，这就是个代称，如果想要知道具体的包名，请回复20180417R获取；得来不易的才懂得珍惜哦，赶快去试用吧！)

Hadley Wickham和RStudio团队写了一些新的R包，这些包对于每个需要在R中读入数据的人来说都是非常有用的。Amazing包提供了一些在R中读入文本数据的函数。我们通常会用R中的read.table家族函数来完成我们的数据读入任务。这里，Amazing包提供了许多替代函数。它们增加了额外的一些功能并且速度快很多。

下面给一组对比数据说明下什么叫牛B，读取一个包含400万行的数据，两者差距有多大。(实际数据与计算机配置有关，不一定与如下时间相同)

read.table花的时间是50.62秒，而Amazing包中的read_table完成相同的任务只花了2.76秒。是不是有种飞一样的感觉？这是因为read_table把数据当做是固定格式的文件，并且使用C++快速处理数据。膜拜Hadley Wickham大神，简直高产的不要不要。发明了ggplot这种神器不说，简直变态，几乎每个开发的包都是屌炸天的神器。