Chapter 02—Creating a dataset(Part2)

三. 导入数据

图02-03：Source of data that can be imported into a dataset

11. 从键盘导入数据

（1）可能是最简单的数据导入方式。

（2）使用edit()函数，R将会打开一个文本编辑器，然后再手动的输入数据。具体步骤如下：

       · 创建一个新的数据帧(data.frame)，并填入变量名和类型(variable names&modes)；

       · 调用文本编辑器，键入数据，并保存结果到数据对象上(data object).

例02-21：从键盘导入数据

· gender=character(0)：创建一个变量gender，并指定其类型为character，但并没有实际赋值；

·编辑后，其值直接赋给对象自身(object itself)，此处为mydata；

·调用edit函数后，有一个数据编辑器的窗口打开，我们可以向里面键入需要的数据，即相当于数据的导入；

 完成数据的输入后，直接关闭该数据编辑器的窗口，数据已经保存了；

 然后再在RStudio中调用edit()函数，又调出该数据编辑器窗口，此时，前面输入的数据都存在，点击第一行的变量，可以改变其变量名和变量类型。

问题：不明白什么是因子水准，为什么会这样？

12. 从分隔符号文档(limited text file)中导入数据

使用read.table()函数：以表格形式(table format)读取一个文件，并保存为数据帧(data.frame)格式。

mydataframe<-read.table(file,header=logical_value,sep="delimiter",row.names="name")

·file：必须是ASCII格式的；

·header：只能是逻辑值，即TRUE或FALSE，意味着第一行是否包含一个变量名；

·sep：指定划分数据的值(delimiter separating data value)；

·row.names（可选项）：指定一个或多个变量来表示行标识符。

注意：

（1）要导入的文件应该先存在与用户的计算机上。

（2）R语言提供了很多机制通过关联得到数据。例如：

·函数file(),gzfile(),bzfile(),xzfile(),unz(),url()可以用来代替文件名；

·file()：通过文件夹，剪切板，C级标准输入(C-level standard input)获得文件；

·gzfile(),bzfile(),xzfile(),unz()：让用户读压缩文件；

·url()：得到互联网文件(internet files)，通过包含http://或ftp://或file://的完全URL路径；          

          可以指定HTTP或HTP代理服务器；

          通常，完全URL路径（包含“”）能直接代替文件名。

问题：怎么导入一个文件呢？比如.csv格式，.txt格式，.xls格式？？ 这一部分并没有在RStudio中运行出有效代码，感觉比较空；主要问题是不能正确的导入文件。

13. 从Excel表格中导入数据

（1）Windows系统下，使用RODBC包来导入Excel文件

·导入RODBC包：install.packages("RODBC")

·导入数据：library(RODBC)

               channel<-odbcConnectExcel("myfile.xls")

               mydataframe<-sqlFetch(channel,"mysheet")

               odbcClose(channel)

               ·myfile.xls：是一个Excel文件；

               ·mysheet：是该Excel文件的名字；

（2）Excel2007是一个XLSX格式的文件，其本质是XML的压缩文件，故应先安装xlsx包：library(xlsx) ；

       read.xlsx()：把工作表(worksheet)从Excel文件中导入，变成一个数据帧(data.frame)；

       read.xlsx(file,n)：file表示要导入的Excel2007工作表的路径，n表示要导入的工作表的数量。

 14. 从XML导入数据

www.omegahat.org/RSXML

http://www.omegahat.org/RSXML/MemoryManagement.html

15.从webscraping导入数据

webscaping：用户直接从网页提取信息，并且保存为R数据结构，以便进一步分析；

readLines()：下载网页；

grep(),gsub()：操作网页.

16.从SPSS导入数据

（1）read.spss()函数：在包foreign中；

（2）spss.get()函数：在包Hmisc中，是一个包装函数(wrapper function)，为read.spss()设置值。

安装包：   install.packages("Hmisc")

导入数据：library(Hmisc)

              mydataframe<-spss.get("mydata.sav",use.value.lables=TRUE)

              · mydata.sav：是待导入的spss数据文件；

              · use.value.lables=TRUE：把有标签值的变量（variables with value lables）转换为具有相同标签值的R因子（factor），并把结果放在mydataframe中。

 17.从SAS导入数据

read.ssd()函数：在包foreign中；

sas.get()  函数：在包Hmisc中。

18.从Stata中导入数据

 在R中，可以直接从Stata中导入数据；其需要的代码如下：

library(foreign)

mydataframe<-read.dta("mydata.dta")

·mydata.dta是Stata数据集，mnydataframe是R的数据帧(data frame).

19.从netCDF中导入数据

（1）Unidata's netCDF(network Common Data Form)开源软件包含ma-chine-independent 数据格式，用于创建，分布数组导向的科学数据；

（2）ncdf包和ncdf4包提供了高级接口，能连接到netCDF的数据文件；但是ncdf包适用于windows系统，而ncdf4包不适用于windows系统；

（3）library(ncdf)

       nc<-nc_open("mynetCDFfile")

       myarray<-get.var.ncdf(nc,myvar) 

·netCDF文件夹中的文件mynetCDFfile的变量myvar变量包含了所有的数据，导入R中并保存为myarray .

20. 从HDF5导入数据

（1）HDF5(Hierarchical Data Format)是适用于管理超大数据集的软件技术。

（2）hdf5包：用于把R对象(R object)写入一个文件，该文件能被理解HDF5格式的软件读入。

 （3）在R中，对HDF5的支持仍然很有限。

21. 获得DBMSs(database management systems)

（1）R与许多DBMSs都有接口，如Micorsoft SQL Server，Microsoft Access，MySQL，Oracle...有些包获得路径通过本地本地数据驱动，另一些则是通过ODBC或JDBC。

（2）ODBC接口

（3）DBI-RELATED包

22.通过Stat/Transfer导入数据

Stat/Transfer是一个独立操作的应用，可以在34种数据格式中，进行数据转换，包括R这种数据。

www.stattransfer.com

四. 对数据集进行注释

23.变量标签(variable labels)

（1）R处理变量标记的能力是有限的；

（2）一种方式是用变量标签作为变量的名字，然后通过其位置索引值来指代变量；

       如：names(patientdata)[2]<-"Age at hospitalization(in years)"

       ·对变量age重命名，但是Age at hospitalization(in years)这个名字太长了，使用起来不方便；故可用patientdata[2]来指代。

24.值标签(value lables)

factor()函数能用来为绝对变量(categorical variables)创建一个值标签。

如：patientdata$gender<-factor(patientdata$gender,levels=c(1,2),levels=c("male","female"))

小结：数据格式了解了一大堆，但是没有实际的数据可以让我来导入，就没能实际操作，就当了解一下概念吧，但是这样的学习很浅；

         后面学了后，还需要返回来再看一下，最好能找到相关的数据集，实际操作一下。