So importieren Sie Daten und exportieren Ergebnisse in R.

r Sprachdatenimport- und Exporthandbuch: Verarbeiten Sie Textdateien, CSV -Dateien, Datenbanken und Webseitendaten

einfach

r Sprache wird für ihre leistungsstarken Datenverarbeitungsfunktionen hoch angesehen und bietet präzise Befehle, um Daten in verschiedenen Formaten zu importieren und zu exportieren. Auch ohne eine tiefe Programmierfundament können Sie leicht loslegen. Dieser Artikel zeigt, wie Textdateien, CSV -Dateien und Datenbankdaten in R -Sprache importiert werden und wie Daten auf einen Webserver hochgeladen werden.

Sie müssen keine brandneue Programmiersprache lernen! Meister Sie einfach ein paar einfache Befehle.

Unabhängig davon, mit welcher Programmiersprache Sie eine Webanwendung entwickeln, können Sie die Daten zur Verarbeitung in R importieren und dann in das gewünschte Format exportieren.

Hinweis: Wenn Sie mit R -Sprache nicht vertraut sind, wird empfohlen, den Artikel von SitePoint zuerst zu R- und RSTUDIO -Installation zu lesen, die grundlegende Befehle und Einführung in die R -Sprache bietet. Die Befehle in diesem Artikel können im R -Terminal ausgeführt werden, ohne die RSTUDIO -IDE zu verwenden. Die Verarbeitung großer Datensätze im Terminal kann jedoch für Anfänger schwieriger sein, daher wird RSTUDIO für eine bessere Erfahrung empfohlen. Im RSTUDIO können Sie denselben Befehl im Konsolenfenster ausführen.

Textdateien verarbeiten

read.table

Sie können den Befehl modifiziert

<code class="language-R">file_contents <- read.table("<文件路径>", sep = "")</code>

verwenden, um die lokale Textdatei zu lesen. Da dieser Befehl hauptsächlich zum Lesen von Tabellendaten verwendet wird, können Sie den Trennzeichen auf eine leere Zeichenfolge ("") festlegen, um die Textdateizeile für Zeile zu lesen:

<文件路径> Hinweis: Bei

ersetzen Sie bitte Ihren tatsächlichen Dateipfad.

fill = TRUE

Der Dateipfad kann ein relativer Pfad zur Datei sein. Wenn Ihre Zeilenlängen nicht gleich sind, müssen Sie auch

festlegen. Die Ausgabe dieses Befehls ist der Datenrahmen in R. skip nrow Wenn die Datei zu groß ist, um sofort gelesen zu werden, können Sie die Optionen

und

<code class="language-R">connection <- file("<文件路径>", "r")
lines6_10 <- read.table(connection, skip=5, nrow=5) # 读取第6-10行
close(connection)</code>

Schritt für Schritt lesen. Führen Sie zum Beispiel zum Beispiel den folgenden Befehl aus:

, um die Zeilen 6 bis 10 in einer Datei zu lesen:

Verarbeitung von CSV -Dateien read.csv

<code class="language-R">file_contents <- read.csv("<文件路径>")</code>

CSV-Dateien (Comma-getrennte Werte) sind Kommas, die durch Werte getrennt sind. Sie können den Befehl

verwenden, um die CSV -Datei zu lesen: header fill Die Option

Gibt an, ob die CSV -Datei Spaltentitel enthält und die Standardeinstellung wahr ist. (Dies kann auch beim Lesen einer Textdatei angegeben werden). Wenn die Anzahl der Spalten in verschiedenen Zeilen nicht gleich ist, müssen Sie auch

auf true festlegen.

<code class="language-R">connection <- file("<文件路径>", "r")
lines6_10 <- read.csv(connection, skip=5, nrow=5) # 读取第6-10行
close(connection)</code>

Für große Dateien können Sie die Zeile ähnlich überspringen:

Verwenden Sie die MySQL -Datenbank RMySQL

<code class="language-R">install.packages('RMySQL')</code>

Um eine Datenbankverbindung herzustellen, benötigen Sie eine separate

Bibliothek. Sie können es mit dem folgenden Befehl installieren:

<code class="language-R">library('RMySQL')</code>

Nach Abschluss der Installation muss sie aktiviert werden, indem der folgende Befehl ausgeführt wird:

<code class="language-R">con <- dbConnect(MySQL(), user="<用户名>", password="<密码>", dbname="<数据库名>", host="<主机名>")

# 对于在Mac上通过MAMP运行MySQL的情况，需要指定unix.socket：
# con <- dbConnect(MySQL(), user="<用户名>", password="<密码>", dbname="<数据库名>", unix.socket="<socket>")

# 执行MySQL查询并将数据存储到数据框中：
rs <- dbSendQuery(con, "<您的SQL查询>")
data <- fetch(rs, n=-1)

# 完成查询后，可以使用dbDisconnect命令断开连接：
dbDisconnect(con)</socket></code>

Unter der Annahme, dass Ihre Datenbank ausgeführt wird, können Sie eine MySQL -Abfrage ausführen, nachdem die Verbindung hergestellt wurde:

Netzwerkdaten lesen

Wie lesen Sie Online -Dateien in R, wenn sich Ihre Datenquelle im Netzwerk befindet? Ändern Sie einfach den im Befehl read angegebenen Dateipfad. Sie müssen den Befehl url verwenden und die URL im Befehl read.csv angeben. Zum Beispiel:

<code class="language-R">file_contents <- read.table("<文件路径>", sep = "")</code>

Für Datenbanken kann der Hostname geändert werden, um Daten aus der Datenbank auf dem Webserver zu extrahieren.

Daten exportieren

Ähnlich wie read.csv und read.table können Sie den Befehl write verwenden, um den Datenrahmen in eine Textdatei oder eine CSV -Datei zu exportieren:

<code class="language-R">connection <- file("<文件路径>", "r")
lines6_10 <- read.table(connection, skip=5, nrow=5) # 读取第6-10行
close(connection)</code>

Um mit verschiedenen Abgrenzern (wie Registerkarten) als Textdatei zu exportieren, können Sie den Befehl write.table verwenden:

<code class="language-R">file_contents <- read.csv("<文件路径>")</code>

Die Datenbank aktualisieren ist gleich einfach und kann durch Ausführen von Aktualisierungen und Einfügen von MySQL -Befehlen erfolgen.

Exportierdiagramm

Nachdem Sie Daten in R verarbeitet und gepantingt, können Sie sie auch exportieren! Der Befehl png oder jpeg kann Ihnen helfen, dies zu tun. Es spart die aktuell aktive Zeichnung:

<code class="language-R">connection <- file("<文件路径>", "r")
lines6_10 <- read.csv(connection, skip=5, nrow=5) # 读取第6-10行
close(connection)</code>

Sie können den zweiten Befehl einstellen, um die gewünschte Zeichnung zu speichern.

Daten in das Web

exportieren

Dateien direkt auf das Web können etwas schwierig sein, aber Sie können Ihre Daten in zwei Schritten in zwei Schritte exportieren: Speichern Sie die Datei zuerst lokal und laden Sie sie dann in das Web hoch. Sie können Dateien per Post -Anforderung mit R in das Web hochladen. httr

Weitere Informationen finden Sie im Quick Start -Leitfaden für das

<code class="language-R">install.packages('RMySQL')</code>

-Paket.

httr

Schlussfolgerung

r ist in den letzten Jahren bei den Mitarbeitern in Statistiken immer beliebter geworden und ist nun ein guter Zeitpunkt, um diese hervorragende Sprache zu lernen. Es ist flexibel genug, um mit verschiedenen Arten von Datenquellen zu synchronisieren, und es ist einfach, R unabhängig von Ihrem Hintergrund zu verwenden. Ich hoffe, dieser Artikel hilft Ihnen, mit R zu beginnen!

r Sprachdatenimport und exportieren FAQs (FAQs)

(Der FAQS -Teil wird hier weggelassen, da der Inhalt des FAQS -Teils des Originaltextes stark mit dem vorhandenen Inhalt dupliziert wird, was redundante Informationen sind.)

Das obige ist der detaillierte Inhalt vonSo importieren Sie Daten und exportieren Ergebnisse in R.. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!