R for Data Science-016 使用readr包进行数据导入

araflower

read_csv()读取逗号分割符文件
read_csv2()读取分号分割符文件
read_tsv()读取制表符分隔文件
read_delim()读取使用任意分割符的文件
read_fwf()读取固定宽度的文件
read_table()读取固定宽度文件的一种常用变体，其中使用空白字符来分隔各列。
read_log()读取Apache分隔的日子文件。

read_csv()函数第一个参数为读取文件的路径
默认使用数据的第一行作为列名称
可使用skip = 你来跳过前面几行
使用comment = “#” 丢弃所有以#开头的行
没有列名事，使用col_names = FALSE, 就不会将第一行作为列名，而是将各列依次标注为x1至xn。
“\n"可用于添加新行
col_names可用于传递字符向量，以用作列名
选项na：设定使用哪个值或者哪些值表示文件中的缺失值

解析向量函数：
parse_*()函数，接受一个字符向量，并返回一个特定向量，如逻辑，整数或者日期向量。
第一个参数为需要解析的向量
选项na：设定使用哪个值或者哪些值表示文件中的缺失值
解析失败的值在输出值中以缺失值形式输出
如果缺失值很多，那么应该用problem（）函数来获取完整的失败信息集合。该函数会返回一个tibble，可以用dplyr包来进行处理。
解析函数的常用类型：
parse_logical()逻辑值解析
parse_integer()整数解析
parse_double()严格的数值解析函数
parse_number()灵活的数值型解析函数
parse_character()字符编码
parse_factor()创建因子
parse_datetime(), parse_date(), parse_time() 解析不同类型的日期和时间


数值解析：
数值格式，有三种问题比较棘手：
1. 书写方式不同
2. 有其他表示特殊意义的字符，如￥
3. 数值包含分组，如1000，000

readr有"locale"的概念，这是一个指定解析选项的对象，因地域而不同。当解析数字时，最关键的是小数点，我们可以创建一个locale来改变解析：
parse_double("1.23")#> [1] 1.23parse_double("1,23", locale = locale(decimal_mark = ","))#> [1] 1.23

parse_number()解决第二个问题，它会忽略非数字字符。
parse_number("$100")#> [1] 100parse_number("20%")#> [1] 20parse_number("It cost $123.45")#> [1] 123

parse_number以及选项组合解决数值分组问题。
# Used in many parts of Europeparse_number("123.456.789", locale = locale(grouping_mark = "."))#> [1] 1.23e+08# Used in Switzerlandparse_number("123'456'789", locale = locale(grouping_mark = "'"))#> [1] 1.23e+08

字符串解析
parse_character()
charToRaw() 获取字符串的底层表示—（十六进制）
guess_encoding()： 找出编码方式，第一个参数既可以是文件路径，也可以原始向量

因子
R使用因子代表已知值集合的分类变量，parse_factor() 函数的levels参数被赋予一个一直向量，只要存在向量中没有的值，就会生成一条警告。
fruit <- c("apple", "banana")parse_factor(c("apple", "banana", "bananana"), levels = fruit)#> Warning: 1 parsing failure.#> row # A tibble: 1 x 4 col     row   col expected           actual   expected   <int> <int> <chr>              <chr>    actual 1     3    NA value in level set bananana#> [1] apple  banana <NA>  #> attr(,"problems")#> # A tibble: 1 x 4#>     row   col expected           actual  #>   <int> <int> <chr>              <chr>   #> 1     3    NA value in level set bananana#> Levels: apple banana


日期，日期时间与时间
parse_datetime()处理ISO 8601标准的日期时间
parse_datetime("2010-10-01T2010")#> [1] "2010-10-01 20:10:00 UTC"# If time is omitted, it will be set to midnightparse_datetime("20101010")#> [1] "2010-10-10 UTC"

parse_date()
parse_date("2010-10-01")#> [1] "2010-10-01"

parse_time()
library(hms)parse_time("01:10 am")#> 01:10:00parse_time("20:10:01")#> 20:10:01

解析文件

策略：
readr使用启发式的方法搞明白每一列的数据类型：它开始读入前1000行并使用一些（相当保守）启发式方法弄明白数据的类型。你可以使用guess_parser()模仿这一个过程，它会返回readr最好的猜测：
guess_parser("2010-10-01")#> [1] "date"guess_parser("15:01")#> [1] "time"guess_parser(c("TRUE", "FALSE"))#> [1] "logical"guess_parser(c("1", "5", "9"))#> [1] "integer"guess_parser(c("12,352,561"))#> [1] "number"str(parse_guess("2010-10-10"))#>  Date[1:1], format: "2010-10-10"

• logical: contains only “F”, “T”, “FALSE”, or “TRUE”.
• integer: contains only numeric characters (and -).
• double: contains only valid doubles (including numbers like 4.5e-5).
• number: contains valid doubles with the grouping mark inside.
• time: matches the default time_format.
• date: matches the default date_format.
• date-time: any ISO8601 date.
  

写入文件
write_csv()和write_tsv()用来将数据写入磁盘。

最重要的参数是第一个指定数据框，第二个指定文件路径。
write_csv(challenge, "challenge.csv")

但是保存为CSV文件时，数据类型就会丢失，每次加载时都需要套重建列的类型。因此，可以采用下面两种替代方式：

write_rds()
read_rds()

它们是readRDS()和saveRDS()函数更通用的形式，将数据转换为R二进制文件RDS格式，保存数据所有信息。
feather包使用了一个更快的二进制文件格式，可以在不同编程语言直接分享和使用。

其他数据类型

haven 读入SPSS, Stata,和SAS文件。
readxl 读入excel文件 (.xls 和 .xlsx).
DBI，用于后台 (e.g. RMySQL, RSQLite, RPostgreSQL etc) allows you to run SQL queries against a database and return a data frame.