Comment importer des données et exporter les résultats en r

R Guide d'importation et d'exportation des données du langage: Traitez facilement les fichiers texte, les fichiers CSV, les bases de données et les données de page Web

Le langage

r est très apprécié pour ses puissantes capacités de traitement des données, et il fournit des commandes concises pour importer et exporter des données dans divers formats. Même sans fondation de programmation profonde, vous pouvez facilement commencer. Cet article montrera comment importer des fichiers texte, des fichiers CSV et des données de base de données dans le langage R, et comment télécharger des données sur un serveur Web.

pas besoin d'apprendre un tout nouveau langage de programmation! Il suffit de maîtriser quelques commandes simples.

Quel que soit le langage de programmation que vous utilisez pour développer une application Web, vous pouvez importer les données dans R pour le traitement, puis les exporter dans le format souhaité.

Remarque: Si vous n'êtes pas familier avec le langage R, il est recommandé de lire l'article de SitePoint sur l'installation R et RStudio d'abord, qui fournit des commandes de base et une introduction au langage R. Les commandes de cet article peuvent être exécutées dans le terminal R sans utiliser le RStudio IDE. Cependant, le traitement de grands ensembles de données dans le terminal peut être plus difficile pour les débutants, de sorte que RStudio est recommandé pour une meilleure expérience. Dans rstudio, vous pouvez exécuter la même commande dans la fenêtre de la console.

Traitement des fichiers texte

Vous pouvez utiliser la commande modifiée read.table pour lire le fichier texte local. Étant donné que cette commande est principalement utilisée pour lire les données de la table, vous pouvez définir le délimiteur sur une chaîne vide ("") pour lire le fichier texte ligne par ligne:

file_contents <- read.table("<文件路径>", sep = "")

Remarque: AT <文件路径>, veuillez remplacer par votre chemin de fichier réel.

Le chemin du fichier peut être un chemin relatif vers le fichier. Si les longueurs de votre ligne ne sont pas égales, vous devez également définir fill = TRUE. La sortie de cette commande est le cadre de données de R.

Si le fichier est trop grand pour être lu en même temps, vous pouvez utiliser les options skip et nrow pour lire étape par étape. Par exemple, pour lire les lignes 6 à 10 dans un fichier, exécutez la commande suivante:

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

Traitement des fichiers CSV

Les fichiers CSV (valeurs séparés par des virgules) sont des virgules séparées par des valeurs. Vous pouvez utiliser la commande read.csv pour lire le fichier CSV:

file_contents <- read.csv("<文件路径>")

L'option

header> spécifie si le fichier CSV contient des titres de colonnes, et la valeur par défaut est vraie. (Cela peut également être spécifié lors de la lecture d'un fichier texte). Si le nombre de colonnes dans différentes lignes n'est pas égal, vous devez également définir fill sur true.

Pour les fichiers volumineux, vous pouvez sauter la ligne de la même manière:

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

à l'aide de la base de données MySQL

Pour établir une connexion de base de données, vous avez besoin d'une bibliothèque séparée RMySQL. Vous pouvez l'installer en utilisant la commande suivante:

install.packages('RMySQL')

Une fois l'installation terminée, elle doit être activée en exécutant la commande suivante:

library('RMySQL')

En supposant que votre base de données est en cours d'exécution, vous pouvez exécuter une requête MySQL une fois la connexion établie:

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路径>")

# 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)

Lire les données du réseau

Comment lisez-vous les fichiers en ligne dans R si votre source de données est sur le réseau? Changez simplement le chemin de fichier spécifié dans la commande read. Vous devez utiliser la commande url et spécifier l'URL dans la commande read.csv. Par exemple:

file_contents <- read.table("<文件路径>", sep = "")

Pour les bases de données, le nom d'hôte peut être modifié pour extraire les données de la base de données sur le serveur Web.

Données d'exportation

similaire à read.csv et read.table, vous pouvez utiliser la commande write pour exporter la trame de données vers un fichier texte ou un fichier CSV:

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

Pour exporter en tant que fichier texte à l'aide de différents délimiteurs (tels que des onglets), vous pouvez utiliser la commande write.table:

file_contents <- read.csv("<文件路径>")

La mise à jour de la base de données est tout aussi simple et peut être effectuée en exécutant des commandes MySQL à mise à jour et en insérant.

Tableau d'exportation

Après le traitement et le traçage des données en R, vous pouvez également l'exporter! La commande png ou jpeg peut vous aider à le faire. Il sauve le dessin actuellement actif:

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

Vous pouvez ajuster la deuxième commande pour enregistrer le dessin souhaité.

Exporter des données vers le web

Le téléchargement des fichiers directement sur le Web peut être un peu délicat, mais vous pouvez exporter vos données vers le Web en deux étapes: enregistrez d'abord le fichier localement, puis téléchargez-le sur le Web. Vous pouvez télécharger des fichiers sur le Web via la demande de poste en utilisant R, vous pouvez utiliser le package httr pour simuler:

install.packages('RMySQL')

Pour plus de détails, consultez le guide de démarrage rapide du package httr.

Conclusion

r est devenu de plus en plus populaire parmi le personnel des statistiques ces dernières années, et c'est maintenant le bon moment pour apprendre cette excellente langue. Il est suffisamment flexible pour se synchroniser avec divers types de sources de données et il est facile d'utiliser R quels que soient votre arrière-plan. J'espère que cet article vous aide à commencer avec R!

r Language Données Importation et exportation FAQ (FAQ)

(La partie FAQ est omise ici, car le contenu de la partie FAQ du texte d'origine est fortement dupliqué avec le contenu existant, qui est des informations redondantes.)

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!