在R中，我们可以从存储在R环境外部的文件读取数据。还可以将数据写入由操作系统存储和访问的文件。 R可以读取和写入各种文件格式，如：csv，excel，xml等。
在本章中，我们将学习如何从csv文件中读取数据，然后将数据写入csv文件。 该文件应该存在于当前工作目录中，以方便R可以读取它。 当然，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
可以使用getwd()函数来检查R工作区指向哪个目录，使用setwd()函数设置新的工作目录。
# Get and print current working directory.
print(getwd())
# Set current working directory.
# setwd("/web/com")
setwd("F:/worksp/R")
# Get and print current working directory.
print(getwd())
当我们执行上述代码时，会产生以下结果 –
[1] "C:/Users/Administrator/Documents"
[1] "F:/worksp/R"
注意： 此结果取决于您的操作系统和您当前正在工作的目录。
作为CSV文件输入
csv文件是一个文本文件，其中列中的值用逗号分隔。假设下面的数据存在于名为input.csv 的文件中。
您可以使用Windows记事本通过复制和粘贴此数据来创建此文件。使用记事本中的另存为所有文件(*.*)选项将文件另存为：input.csv(在目录：F:/worksp/R 下载)。
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
,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read.csv()函数的一个简单示例，用于读取当前工作目录中可用的CSV文件 –
setwd("F:/worksp/R")
data <- read.csv("input.csv")
print(data)
当我们执行上述代码时，会产生以下结果 –
> data <- read.csv("input.csv")
> print(data)
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()函数将输出作为数据帧。这可以很容易地查看到，此外，我们可以检查列和行的数量。
setwd("F:/worksp/R")
data <- read.csv("input.csv")
print(is.data.frame(data))
print(ncol(data))
print(nrow(data))
当我们执行上述代码时，会产生以下结果 –
[1] TRUE
[1] 5
[1] 8
当我们在数据帧中读取数据，可以应用所有适用于数据帧的函数，如下一节所述。
获得最高工资
# Create a data frame.
data <- read.csv("input.csv")
# Get the max salary from data frame.
sal <- max(data$salary)
print(sal)
当我们执行上述代码时，会产生以下结果 –
[1] 843.25
获得最高工资的人员的详细信息
可以使用过滤条件获取符合特定的行，类似于SQL的where子句。
setwd("F:/worksp/R")
# Create a data frame.
data <- read.csv("input.csv")
# Get the max salary from data frame.
sal <- max(data$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IT部门的所有人员
# Create a data frame.
data <- read.csv("input.csv")
retval <- subset( data, dept == "IT")
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
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IT部门薪水在600以上的人员
setwd("F:/worksp/R")
# 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，会产生以下结果 –
id name salary start_date dept
1 1 Rick 623.3 2012-01-01 IT
3 3 Michelle 611.0 2014-11-15 IT
获得在2014年或以后入职的人员
setwd("F:/worksp/R")
# 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，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可以从现有数据帧中来创建csv文件。write.csv()函数用于创建csv文件。 该文件在工作目录中创建。参考以下示例代码 –
setwd("F:/worksp/R")
# Create a data frame.
data <- read.csv("input.csv")
retval <- subset(data, as.Date(start_date) > as.Date("2014-01-01"))
# print(retval)
# Write filtered data into a new file.
write.csv(retval,"output.csv")
newdata <- read.csv("output.csv")
print(newdata)
当我们执行上述代码时，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
这里列X来自数据集更新器。在编写文件时可以使用其他参数来删除它。
setwd("F:/worksp/R")
# 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，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
