R语言 CSV文件|极客教程

R语言 CSV文件

在R语言中，我们可以从R环境外部的文件中读取数据。我们也可以将数据写入文件，这些文件将由操作系统存储和访问。R可以读取和写入各种文件格式，如CSV、Excel、XML等。

在本章中，我们将学习从CSV文件中读取数据，然后将数据写入CSV文件。文件应该存在于当前工作目录中，以便R可以读取它。当然，我们也可以设置自己的目录并从那里读取文件。

获取和设置工作目录

您可以使用 getwd() 函数来检查R工作空间指向的目录。您还可以使用 setwd() 函数设置一个新的工作目录。

# Get and print current working directory.
print(getwd())

# Set current working directory.
setwd("/web/com")

# Get and print current working directory.
print(getwd())

当我们执行上面的代码时，它会产生以下结果 –

[1] "/web/com/1441086124_2016"
[1] "/web/com"

这个结果取决于你的操作系统和你当前所在的工作目录。

以CSV文件作为输入

CSV文件是一个文本文件，其中列中的值由逗号分隔。让我们来考虑以下数据，这些数据存在名为 input.csv 的文件中。

你可以使用Windows记事本创建此文件，将数据复制并粘贴到记事本中。选择“保存为”选项并使用“所有文件（.）”选项将文件保存为 input.csv 。

id,name,salary,start_date,dept
1,Rick,623.3,2012-01-01,IT
2,Dan,515.2,2013-09-23,Operations
3,Michelle,611,2014-11-15,IT
4,Ryan,729,2014-05-11,HR
5,Gary,843.25,2015-03-27,Finance
6,Nina,578,2013-05-21,IT
7,Simon,632.8,2013-07-30,Operations
8,Guru,722.5,2014-06-17,Finance

读取CSV文件

以下是一个简单的示例，使用 read.csv() 函数读取当前工作目录中可用的CSV文件-

data <- read.csv("input.csv")
print(data)

当我们执行上面的代码时，会产生以下结果 −

id,   name,    salary,   start_date,     dept
1      1    Rick     623.30    2012-01-01      IT
2      2    Dan      515.20    2013-09-23      Operations
3      3    Michelle 611.00    2014-11-15      IT
4      4    Ryan     729.00    2014-05-11      HR
5     NA    Gary     843.25    2015-03-27      Finance
6      6    Nina     578.00    2013-05-21      IT
7      7    Simon    632.80    2013-07-30      Operations
8      8    Guru     722.50    2014-06-17      Finance

分析CSV文件

默认情况下， read.csv() 函数的输出是一个数据框。可以通过以下方式轻松检查。我们还可以检查列数和行数。

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

print(is.data.frame(data))
print(ncol(data))
print(nrow(data))

运行以上代码时，会得到以下结果−

[1] TRUE
[1] 5
[1] 8

一旦我们读取了数据框中的数据，我们可以应用所有适用于数据框的函数，如后面的部分所解释的。

获取最高工资

# Create a data frame.
data <- read.csv("input.csv")

# Get the max salary from data frame.
sal <- max(data$salary)
print(sal)

当我们执行上述代码时，会产生以下结果 –

[1] 843.25

获取工资最高的人员详细信息

我们可以获取符合特定过滤条件的行，类似于 SQL 的 where 子句。

# Create a data frame.
data <- read.csv("input.csv")

# Get the max salary from data frame.
sal <- max(data$salary)

# Get the person detail having max salary.
retval <- subset(data, salary == max(salary))
print(retval)

当我们执行上述代码时，会产生以下结果−

id    name  salary  start_date    dept
5     NA    Gary  843.25  2015-03-27    Finance

获取所有在IT部门工作的人员

# Create a data frame.
data <- read.csv("input.csv")

retval <- subset( data, dept == "IT")
print(retval)

当我们执行以上代码时，它生成以下结果−

id   name      salary   start_date   dept
1      1    Rick      623.3    2012-01-01   IT
3      3    Michelle  611.0    2014-11-15   IT
6      6    Nina      578.0    2013-05-21   IT

获取薪资高于600的IT部门员工

# Create a data frame.
data <- read.csv("input.csv")

info <- subset(data, salary > 600 & dept == "IT")
print(info)

当我们执行上述代码时，它产生以下结果 −

id   name      salary   start_date   dept
1      1    Rick      623.3    2012-01-01   IT
3      3    Michelle  611.0    2014-11-15   IT

获取2014年或之后加入的人员

# Create a data frame.
data <- read.csv("input.csv")

retval <- subset(data, as.Date(start_date) > as.Date("2014-01-01"))
print(retval)

当我们执行上述代码时，它会产生以下结果 –

id   name     salary   start_date    dept
3      3    Michelle 611.00   2014-11-15    IT
4      4    Ryan     729.00   2014-05-11    HR
5     NA    Gary     843.25   2015-03-27    Finance
8      8    Guru     722.50   2014-06-17    Finance

写入CSV文件

R可以将现有的数据框创建为CSV文件。使用 write.csv() 函数来创建CSV文件。此文件将被创建在当前的工作目录中。

# Create a data frame.
data <- read.csv("input.csv")
retval <- subset(data, as.Date(start_date) > as.Date("2014-01-01"))

# Write filtered data into a new file.
write.csv(retval,"output.csv")
newdata <- read.csv("output.csv")
print(newdata)

当我们执行上面的代码时，会产生以下结果−

X      id   name      salary   start_date    dept
1 3      3    Michelle  611.00   2014-11-15    IT
2 4      4    Ryan      729.00   2014-05-11    HR
3 5     NA    Gary      843.25   2015-03-27    Finance
4 8      8    Guru      722.50   2014-06-17    Finance

这里的列X来自数据集newper。在写文件时，可以使用额外的参数将其删除。

# Create a data frame.
data <- read.csv("input.csv")
retval <- subset(data, as.Date(start_date) > as.Date("2014-01-01"))

# Write filtered data into a new file.
write.csv(retval,"output.csv", row.names = FALSE)
newdata <- read.csv("output.csv")
print(newdata)

当我们执行上述代码时，它会产生以下结果−

id    name      salary   start_date    dept
1      3    Michelle  611.00   2014-11-15    IT
2      4    Ryan      729.00   2014-05-11    HR
3     NA    Gary      843.25   2015-03-27    Finance
4      8    Guru      722.50   2014-06-17    Finance