文件操作

生信喵

背景
       一般情况下我们需要分析的数据都是存储在文件中，那么利用 R 分析数据的第一步就是将输入读入 R 语言。如果分析的数据是记录着纸质载体上，还需要将数据手动录入，然后保存为一个文件。在 R 中分析文件一般是文件文件，通常是以逗号分隔的 csv 文件，如果数据本身包含逗号，就需要使用制表符 tab 分隔的文件。有些情况下还有需要处理其他统计软件生成的文件，例如 Excel 生成的 xlsx 格式文件等。R 可以很方便的读写多种格式文件。
一、文件类型
1、csv
       逗号分隔值（Comma-Separated Values，CSV，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。纯文本意味着该文件是一个字符序列，不含必须像二进制数字那样被解读的数据。CSV 文件由任意数目的记录组成，记录间以某种换行符分隔；每条记录由字段组成，字段间的分隔符是其它字符或字符串，最常见的是逗号或制表符。通常，所有记录都有完全相同的字段序列。通常都是纯文本文件。

1. name,age
   
2. 张三,20
   
3. 李四,30

复制代码

2、tsv
       TSV：tab separated values；即“制表符分隔值”，如：

1. name age
   
2. 张三 20
   
3. 李四 30

复制代码

二、Rstudio 导入文件
      
       data ：文件路径
       header ： 第一行是否作为表头
       sep ：分隔符
       row.names： 哪一列作为行名
       stringsAsFactors： 字符串是否作为因子
       na.strings ：空值用什么表示


三、函数读入文件
       在 Rstudio 中，可以通过点击鼠标读入文件，在读入文件之前，需要对文件格式和内容有所了解。例如文件是否是一个标准的列表形式，也就是是否为结构化数据。文件存储格式，是二进制还是纯文本，如果是纯文本，文件扩展名是什么？用什么分隔符分割？文件有多少行，多少列？ 第一行是否为列名，第一列是否为行名？清楚了这些之后就可以读入文件了。
       R提供了大量读入文件的函数，这些函数通常是以read.*开头，后面接文件扩展，例如read.csv，read.xlsx，read.spss 等。其中最常用的为 read.table。read.table 包括以下重要选项参数。
       1、data：后面接文件路径，注意文件路径一定要加引号，注意 windows 系统文件路径的写法。
       2、header：只接逻辑值 TRUE 或者 FALSE，代表第一行是否作为表头，默认为 FALSE。如果不设置，R 会默认添加 V1，V2 等作为列名。
       3、sep：分隔符，读入文件最重要的一个选项，如果设置错误，文件格式很乱，通常就是逗号“，”，制表符“\t”或者冒号“：”等。
       4、row.names：后面接数字，指定哪一列作为行名，默认是 0，通常可以设置为 1。
       5、stringsAsFactors：后面接逻辑值，R 语言默认会将文件中的字符串自动转换为因子，如果不像这么做，可以设置为 F。
       6、na.strings：后面接字符串，指定文件中空值的表示方法。

1. #查看当前目录下文件
   
2. dir()
   
3. #读入一个文件，存入 x 变量
   
4. x <- read.table("Rdata/CountMatrix.csv")
   
5. #读入文件，指定分隔符
   
6. x <- read.table(file = "CountMatrix.csv",header = T,sep = ",")
   
7. #读入文件，指定分隔符和列名
   
8. x <- read.csv(file = "CountMatrix.csv",header = T,row.names = 1)
   
9. #读入文件，指定分隔符、表头与行名以及字符串不作为因子
   
10. x <- read.csv(file = "Rdata/CountMatrix.csv",header = T,sep = ",",row.names =
    
11. 1,na.strings = "NA",stringsAsFactors = F)
    

复制代码

      无论使用哪个函数读取文件，R 中读入的数据都存储为数据框这种数据类型。通常将文件保存为一个变量。读入文件之后，需要验证文件是否读入成功，通常使用 head 函数截取文件头部显示出来，判断格式是否正确，在 Rstudio 中也可以使用 View()函数将全部内容显示出来。如果格式不正确就需要修改命令重新读取文件；如果没有问题，就可以对数据进行后续的分析了。

1. #查看数据结构
   
2. class(dta)
   
3. #查看文件头部
   
4. head(dta)
   
5. #查看文件尾部
   
6. tail(dta)
   
7. #查看行名，列名
   
8. rownames(dta)
   
9. colnames(dta)
   
10. #View 窗口中查看数据
    
11. View(dta)
    
12. #查看数据属性信息
    
13. str(dta)
    

复制代码

四、函数写入文件
       数据处理结束之后，需要将存储在变量中的结果保存到文件中，R 提供了大量写入文件的函数，这些函数通常与 read 系列都是对应的，用法也类似使用起来也并不难。

1. #写入文件
   
2. write.csv(x = dta,file = "matrix.csv",sep = ",",append = F)

复制代码

      x：要写入文件中的数据集名字。
       File：文件路径和文件名，注意加引号，需要自己给文件命名，注意扩展名最好与分隔符匹配。
       sep：分隔符，如果是 csv 文件，sep 设置为逗号，制表符分割，则设置为“\t”

       append:接逻辑值，是否追加写入。

五、读写 excel 文件
       Excel 是全球最流行的电子表格程序，即使你可以使用 R 语言处理所有的数据分析工作，但是总有一天你不得不处理别人传给你 Excel 生成的电子表格需要你帮忙处理。还好 R 可以很方便的处理 excel 的电子表格。
       通常处理 Excel 表格有两种方法。

       方法一：使用excel先打开，另存为 csv 或者 tsv，再去R。
       方法二：readr，xlsx，openxlsx 等包
       R 中有大量可以读写 Excel 电子表格的包，使用方法与 read.table()函数类似，只需注意Excel 的电子表格分为工作簿与工作表，一个工作簿中包含多个工作表（sheet），因此需要指定读取工作簿中那个工作表，可以指定工作表的名字，也可以使用顺序号。

1. #安装 openxlsx 包
   
2. install.packages("openxlsx")
   
3. #加载 openxlsx 包
   
4. library(openxlsx)
   
5. #读入 excel 文件，指定 sheet 号
   
6. x <- read.xlsx(file = "vlookup.xlsx",sheetIndex = 1,header = T)
   
7. #写入 Excel 文件，设置 sheet 名
   
8. write.xlsx(x = x,sheetName = "dta",file = "dta.xlsx",append = F)

复制代码

六、其他 R 数据格式
       除了常规各种文本表格之外，R 还提供了两种文件格式，分别是 RDS 与 Rdata 格式。RDS可以用来存储单个数据集，Rdata 可以存储多个 R 数据集。R 内置格式的好处是对 R 软件支持更好，便于分享，且内置压缩算法，同样的数据内容，文件更小，便于传输。

1. ?iris
   
2. head(iris)
   
3. getwd()
   
4. dir()
   
5. saveRDS(iris,file="iris.RDS")
   
6. rdsdata <- readRDS("iris.RDS")
   
7. #Write RData file
   
8. y <- mtcars
   
9. save(iris,y,file = "iris.Rda")
   
10. load('iris.Rda')
    
11. save.image()

复制代码