从零开始学R数据分析，数据概览

对于统计学专业的学生，对于R软件的使用并不陌生，堪称数理统计软件的标配，R软件也可以做数据处理和数据分析，虽说职场工作对于R软件使用不多，但是R软件绝对是科研人数据分析的最爱。

本文主要讲解获取数据后，如何对于数据的整体情况做预览，包括数据导入、数据表查看、数据导出等功能，下面一起来学习。

示例工具：R x64 3.5.3、RStudio

本文讲解内容：数据概览

适用范围：数据导入、导出、概览

R软件读取数据文件，这里主要介绍三种文件的读取，分别是文本文件读取、csv文件读取、xlsx文件读取。

一、数据读取与生成

1.纯文本文件

读纯文本文件使用的是read.table()函数，read.table()函数的参数如下所示。

read.table(file, header = FALSE, sep = "", quote = ""'",row.names, col.names,nrows = -1,skip = 0, encoding = "unknown", text, skipNul = FALSE)

file是读入数据的文件名，header=TRUE表示所读数据的第一行为变量名，sep是数据分隔的字符，row.names, col.names对于行名和列名可以指定命名，skip表示读数据时跳过的行数，使用ead.table()函数导入文本数据如下所示，指定分隔符为逗号，第一行作为变量名。

df <- read.table("C:Users尚天强DesktopR数据集data.txt",sep = ",",header=TRUE)
df

2.CSV文件

读CSV文件跟读文本文件的参数一样，参数如下所示。

read.csv(file, header = TRUE, sep = ",", quote = """,dec = ".", fill = TRUE, comment.char = "")

这里直接使用read.csv读取，默认是逗号分隔这里可以不写。

df1 <- read.csv("C:Users尚天强DesktopR数据集data.csv")
df1

3.XLSX文件

R读取Excel数据，需要安装readxl包，安装完成才能加载使用。

#安装包
install.packages("readxl")

#进行加载包
library(readxl)

安装完成readxl包后，使用read_excel命令即可导入数据。

df2=read_excel("C:Users尚天强DesktopR数据集data.xlsx")
df2

4.生成数据表

生成数据表使用data.frame命令，与之前pandas生成数据表类似，生成的数据表如下。

#手动创建数据表
data<-data.frame(ID=c("c001","c002","c003","c004","c005","c006","c007","c008","c009","c0010"),
                             NAME=c("Rmesh","Khilan","Kaushik","Chaitali","Hardik","Komal","Tom","Muffy","Susan","Kevin"),
                            AGE=c(23,20,23,25,27,24,26,31,26,30),
                            ADDRESS=c("Ahmed","Delhi","Kota","Mumbai","Bhopal","MP-A","MP-B","Indore","JP-No.1","JP-No.2"),
                            SAL=c(2000,1500,2000,NA,8500,NA,5500,9500,NA,900))

二、数据概览

1.数据维度

#查看数据维度
dim(data)

数据的维度为10行5列。

2.查看数据表

#查看数据表
fix(data)

调用fix函数，会出现交互模式，对于其中的一些数据和变量名进行修改，使用起来跟EXCEL一样方便。

3.查看特定列的格式

使用typeof函数查看数据格式，其中ID、NAME、ADDRESS为字符类型，AGE、SAL为数值类型。

typeof(data$ID)
typeof(data$NAME)
typeof(data$AGE)
typeof(data$ADDRESS)
typeof(data$SAL)

4.查看空值

Is.na函数用于检查R中的空值，当返回的结果为True时，说明数据有空值，返回的结果为False时，说明数据没有空值，以下可以看到数据有3个空值。

#查看空值
is.na(data)

查看具体某一列是否有空值，可以单独索引那一列，然后使用Is.na函数。

#查看单列的空值
is.na(data$SAL)

计算某一列有几个空值，可以先判断是否为空值，然后使用length函数计算其个数，听过计算可以得出SAL列有3个空值。

#判断并计算某一列有几个空值
length(data$SAL[is.na(data$SAL)==TRUE])

5.查看唯一值

unique()函数用于查看数据表的唯一值，功能与EXCEL中去除重复值的功能一致。

#查看数据表的唯一值（删除重复值）
unique(data)

对于单列去除重复值，可以将那一列索引出来，然后使用unique()函数去除重复值。

#查看数据表中SAL列的唯一值
unique(data$SAL)

6.查看数据表数值

R中有多个函数用来查看数据表中的数据，包括数据的范围、数据的极值等，下面的代码用于查看数据范围与极值的范围。

#查看数据范围
range(data$AGE)
#查找最小值
min(data$AGE)
#查看最小值最在的行位置
which.min(data$AGE)
#查找最大值
max(data$AGE)
#查看最大值所在的行位置
which.max(data$AGE)

7.查看列名称

names()函数查看数据表中的列名称。

names(data)

8.数据预览

head()函数用来查看数据表中的前N行数据，默认显示前10行数据，可以自己设置参数n的值来确定查看的行数。

#查看前5行
head(data,n = 5)

tail函数与head()函数相反，用来查看数据表中后N行的数据，默认显示后10行数据，可以自己设置参数n的值来确定查看的行数。

#查看后3行
tail(data,n=3)

三、数据导出

1.导出为csv文件

#输出到csv格式文件
write.csv(x = data,file = "C:Users尚天强Desktopout_table.csv",row.names = FALSE)

2.导出为txt文件

#输出到txt格式文件
write.table(x=data,file = "C:Users尚天强Desktopout_txt.txt",sep = ",",row.names = FALSE)