導讀：無論數(shù)據(jù)分析的目的是什么，將數(shù)據(jù)導入R中的過程都是不可或缺的。畢竟巧婦難為無米之炊。

utils包是R語言的基礎包之一。這個包最重要的任務其實并不是進行數(shù)據(jù)導入，而是為編程和開發(fā)R包提供非常實用的工具函數(shù)。使用utils包來進行數(shù)據(jù)導入和初步的數(shù)據(jù)探索也許僅僅只是利用了utils包不到1%的功能，但這1%卻足以讓你在學習R語言時事半功倍。

作者：劉健 鄔書豪

如需轉(zhuǎn)載請聯(lián)系大數(shù)據(jù)（ID：hzdashuju）

01 read.csv/csv2：逗號分隔數(shù)據(jù)讀取

.csv可能是目前最常見的平面文件類型了。它代表的是comma-separated values，簡單來講就是，文件里每一個單獨的數(shù)據(jù)值都是用逗號進行分隔的。

.csv只是text file（文本文件）的一種，文本文件在微軟的Windows操作系統(tǒng)中常以拓展名為.txt的形式呈現(xiàn)。文本文件可以使用各種符號來分隔數(shù)據(jù)值，例如常見的tab和“;”（分號），或者其他任意符號。即便是以.csv為拓展名的文件也并非一定是以逗號進行分隔的，相關(guān)內(nèi)容在后文的函數(shù)演示部分會有介紹。

文件的拓展名并非必須，熟悉Linux系統(tǒng)的讀者可能接觸過很多無拓展名的文件。處理無拓展名的文本文件數(shù)據(jù)時，最簡單的辦法就是使用data.table包中的fread函數(shù)。

utils里的read.csv/csv2是專門用于設置快速讀取逗號分隔（read.csv）或是分號分隔（read.csv2）。也就是說，在事先了解數(shù)據(jù)值分隔符號的情況下，這兩個函數(shù)對分隔符和其他一些參數(shù)的默認設置會使數(shù)據(jù)導入的部分更加簡單和快捷。

有一點需要特別注意，即這兩個函數(shù)對小數(shù)點的處理：前者默認的小數(shù)點是“.”，后者默認的小數(shù)點是“,”。這只是因為不同國家技術(shù)人員對數(shù)據(jù)值分隔符的見解或者好惡不同而造成的。

萬里長征第一步，我們先來看read.csv最簡單的使用方式，代碼如下：

>?flights?<-?read.csv(file?=?"flights.csv")

此行代碼可以解讀為使用read.csv從工作空間讀取文件flights.csv，然后將數(shù)據(jù)集保存到flights中，其他所有參數(shù)都使用默認值。因為flights.csv文件已經(jīng)在R的工作路徑里，所以此處免去了設置work directory。

這里希望讀者能夠自行探索使用.rproj（R項目—將每一次數(shù)據(jù)分析的過程都看作一個獨立的項目）來對每一個獨立的數(shù)據(jù)分析工作進行分類和歸集。該方法不僅免去了設置路徑的麻煩，也減少了因原始數(shù)據(jù)文件太多而可能導致的各種隱患。

小知識：函數(shù)在執(zhí)行的時候可以依照其默認設置的參數(shù)位置來執(zhí)行，也就是說，用戶無須指定每一個參數(shù)的名稱，只需按照位置順序來設定參數(shù)值即可。比如，read.csv中的file參數(shù)名就可以省略，只要第一位是讀取文檔的目標路徑和文件名就可以。

數(shù)據(jù)文件被讀取到R工作環(huán)境中的第一步通常為調(diào)用str函數(shù)來對該數(shù)據(jù)對象進行初步檢視，下面的代碼列出了該函數(shù)最簡單的使用方式。

????>?str(object?=?flights)'data.frame':???6?obs.?of??6?variables: $?carrier?:?Factor?w/?4?levels?"AA","B6","DL",..:?4?4?1?2?3?4 $?flight??:?int??1545?1714?1141?725?461?1696 $?tailnum?:?Factor?w/?6?levels?"N14228","N24211",..:?1?2?4?6?5?3 $?origin??:?Factor?w/?3?levels?"EWR","JFK","LGA":?1?3?2?2?3?1 $?dest????:?Factor?w/?5?levels?"ATL","BQN","IAH",..:?3?3?4?2?1?5 $?air_time:?int??227?227?160?183?116?150

str函數(shù)可用于檢視讀取數(shù)據(jù)結(jié)構(gòu)、變量名稱等。這里同樣也只指定了一個非默認參數(shù)，其他參數(shù)全部都為默認值。str的輸出結(jié)果由5個主要部分組成，具體說明如下。

data.frame代表數(shù)據(jù)集在R中的呈現(xiàn)格式，這里指的是數(shù)據(jù)框格式，讀者可以將其設想為常見的Excel格式。

6 obs. of 6 variables代表這個數(shù)據(jù)集有6個變量，每個變量分別有6個觀測值。

$ carrier與其余帶有“$”符號的函數(shù)均指變量名稱。

變量名稱冒號后面的Factor和int代表的是變量類型。這里分別是指因子型Factor和整數(shù)型int數(shù)據(jù)。另外還有字符型chr、邏輯型logi、浮點型dbl（帶有小數(shù)點的數(shù)字）、復雜型complex等。因子型變量的后面還列出了各個變量的因子水平，也就是擁有多少個不同的因子。比如，出發(fā)地origin后的3 levels就是表示其有3個因子水平。只是出發(fā)地是否屬于因子類型的數(shù)據(jù)還有待商榷，而read.csv默認將所有的字符型數(shù)據(jù)都讀成了因子型。

數(shù)據(jù)中的實際觀測值。str函數(shù)在默認情況下會顯示10行數(shù)據(jù)。使用str函數(shù)瀏覽導入的數(shù)據(jù)集可以讓用戶確定讀取的數(shù)據(jù)是否正確、數(shù)據(jù)中是否有默認的部分、變量的種類等信息，進而確定下一步進行數(shù)據(jù)處理的方向。其他用來檢視數(shù)據(jù)集的函數(shù)還有head、tail、view等，另外，Rstudio中的Environment部分也可以用于查看目前工作環(huán)境中的數(shù)據(jù)框或其他類型的數(shù)據(jù)集。

前文提到過，.csv并非一定是以逗號進行分隔。如果遇到以非逗號分隔數(shù)據(jù)值的情況，加之未指定分隔符（例如，運行read.csv讀取以Tab分隔的文件），就會出現(xiàn)下面的情況：

????>?flights1?<-?read.csv(file?=?"flights1.csv")>?str(object?=?flights1)?'data.frame':???6?obs.?of??1?variable: $?carrier.flight.tailnum.origin.dest.air_time:?Factor?w/?6?levels?"AA\t1141\tN619AA\tJFK\tMIA\t160",..:?4?6?1?2?3?5

小技巧：指定（assgin）符號“<-”的快捷鍵是“alt”加“-”（短劃線）。Rstudio快捷鍵參照表可以通過“alt+K”來查看詳細內(nèi)容。

由代碼可知，read.csv函數(shù)將所有數(shù)據(jù)都讀取到了一列中。因為按照默認的參數(shù)設置，函數(shù)會尋找逗號作為分隔列的標準，若找不到逗號，則只好將所有變量都放在一列中。指定分隔符參數(shù)可以解決這個問題。將\t（tab在R中的表達方式）指定給sep參數(shù)后再次運行read.csv讀取以Tab分隔的csv文件，代碼如下：

????&gt;?flights3?&lt;-?read.csv(file?=?"flights1.csv",?sep?=?"\t")&gt;?str(flights3)?'data.frame':???6?obs.?of??6?variables: $?carrier?:?Factor?w/?4?levels?"AA","B6","DL",..:?4?4?1?2?3?4 $?flight??:?int??1545?1714?1141?725?461?1696 $?tailnum?:?Factor?w/?6?levels?"N14228","N24211",..:?1?2?4?6?5?3 $?origin??:?Factor?w/?3?levels?"EWR","JFK","LGA":?1?3?2?2?3?1 $?dest????:?Factor?w/?5?levels?"ATL","BQN","IAH",..:?3?3?4?2?1?5 $?air_time:?int??227?227?160?183?116?150

根據(jù)實際情況不同，字符型數(shù)據(jù)有時會是因子，有時不會。如果使用read.csv默認的讀取方式，那么字符型全因子化會對后續(xù)的處理分析帶來很多麻煩。所以最好是將字符因子化關(guān)掉。stringsAsFactors參數(shù)就是這個開關(guān)，示例代碼如下：

????&gt;?flights_str?&lt;-?read.csv(file?=?"flightsstrings.csv",?sep?=?"\t",?stringsAsFactors?=?FALSE)&gt;?str(object?=?flights_str)'data.frame':???6?obs.?of??6?variables: $?carrier?:?chr??"UA"?"UA"?"AA"?"B6"?... $?flight??:?int??1545?1714?1141?725?461?1696 $?tailnum?:?chr??"N14228"?"N24211"?"N619AA"?"N804JB"?... $?origin??:?chr??"EWR"?"LGA"?"JFK"?"JFK"?... $?dest????:?chr??"IAH"?"IAH"?"MIA"?"BQN"?... $?air_time:?int??227?227?160?183?116?150

02 read.delim/delim2：特定分隔符數(shù)據(jù)讀取

read.delim/delim2這兩個函數(shù)是專門用來處理以tab分隔數(shù)據(jù)的文件的，delim可用來讀取小數(shù)點是“.”的數(shù)據(jù)，delim2則用來處理小數(shù)點是“,”的數(shù)據(jù)，所以這兩個函數(shù)與read.csv/csv2唯一不同的就只是參數(shù)sep = "\t"。

聰明的你很可能已經(jīng)想到了如果使用這兩個函數(shù)的默認設置來讀取以逗號分隔的數(shù)據(jù)會發(fā)生什么。函數(shù)的默認參數(shù)會在原始數(shù)據(jù)中不斷地尋找tab分隔符，找不到的話就會如同前文演示的那樣，將所有變量都擠在一列里。read.delim/delim2的示例代碼如下：

????&gt;?read.delimfunction?(file,?header?=?TRUE,?sep?=?"\t",?quote?=?"\"",?dec?=?".",?fill?=?TRUE,?comment.char?=?"",?...)? read.table(file?=?file,?header?=?header,?sep?=?sep,?quote?=?quote,?dec?=?dec,?fill?=?fill,?comment.char?=?comment.char,?...) &lt;bytecode:?0x000000001a28a710&gt; &lt;environment:?namespace:utils&gt;

無論是read.csv還是read.delim，幫助文檔中的參數(shù)格式都是相同的。從上面的代碼結(jié)果中可以看出，read.delim執(zhí)行的其實，是函數(shù)read.table。

其實，這4個函數(shù)（read.csv/read.csv2/read.delim/read.delim2）都只是它們的母函數(shù)read.table的變形罷了。這樣做的原因有可能是因為在RStudio出生之前，read.csv/delim比read.table更容易記住，也有可能只是Henrik Bengtsson（utils包的筆者）覺得這樣做很酷。具體是什么原因已經(jīng)不再重要，會用這些函數(shù)才是第一要務。

03 read.table：任意分隔符數(shù)據(jù)讀取

read.table函數(shù)會將文件讀成數(shù)據(jù)框的格式，將分隔符作為區(qū)分變量的依據(jù)，把不同的變量放置在不同的列中，每一行的數(shù)據(jù)都會對應相應的變量名稱進行排放。以下簡要列出了read.table函數(shù)中主要參數(shù)的中英文對照。

函數(shù)read.table實用參數(shù)及功能對照：

• file：數(shù)據(jù)文件路徑+文件名，也可以是一個url，或者是文字數(shù)據(jù)?

• header：設置邏輯值來指定函數(shù)是否將數(shù)據(jù)文件的第一列作為列名。默認為假

• sep：不同變量之間的分隔符，特指分隔列數(shù)據(jù)的分隔符。默認值為空，可以是“,”、“\t”等

• quote：單雙引號規(guī)則的設置。如果不希望設置該參數(shù)，則需要指定其為空：quote = ""

• dec：用作小數(shù)點的符號，一般為句點或者逗號

• row.names：行名。可以通過指定一組向量來進行設置。如果文件中的第一行比數(shù)據(jù)整體的列數(shù)量少一時，則會默認使用第一列來作為行名

• col.names：列名。可以通過指定一組向量來進行列名設置

• na.strings：對默認值的處理

• colClasses：變量類型的設置。通過指定一組向量來指定每列的變量數(shù)據(jù)類型，具體使用方式為：colClasses ?= c ("character","numeric",…)

• fill：設置邏輯值來處理空白值部分，使用方法請參見代碼演示部分

• strip.white：設置邏輯值來處理空白列。某些數(shù)據(jù)文件內(nèi)可能會預留一些變量列，但數(shù)據(jù)采集后這些預留的列并未被填滿，而是仍然保留著制表符，該參數(shù)就是用來處理掉這些意義不大的制表符

• blank.lines.skip：空白行是否跳過，默認為真，即跳過

• stringsAsFactors：字符串是否作為因子，推薦設置為否

• skip ：跳過幾行讀取原始數(shù)據(jù)文件，默認設置為0，表示不跳過任何一行，從文件第一行開始讀取，可以傳參任意數(shù)字

以上這些參數(shù)已足以應付讀取日常練習所用的規(guī)整的數(shù)據(jù)文件，例如，教授布置的統(tǒng)計作業(yè)中的原始數(shù)據(jù)集，各種傳感器輸出的.csv文件等。下面的代碼及運行結(jié)果演示非常簡單，使用read.table讀取上一節(jié)中的第一個數(shù)據(jù)集，實現(xiàn)思路是每次只增加一個read.table函數(shù)中的參數(shù)。代碼如下：

&gt;?flights?&lt;-?read.table(file?=?"flights.csv") &gt;?head(x?=?flights)

表1-2展示了所有參數(shù)均為默認設置的部分結(jié)果。

• 表1-2 read.table函數(shù)參數(shù)設置結(jié)果展示①

小提示：上面的演示代碼中使用了head函數(shù)，該函數(shù)可以按照人們習慣的方式將數(shù)據(jù)框按照自上而下的方式顯示出來，而不是像str函數(shù)那樣從左向右展示。一般在做初步數(shù)據(jù)檢視的時候，推薦兩個函數(shù)都運行，作為互補。head方便與原始數(shù)據(jù)文檔進行比對，而str則可以顯示所保存的數(shù)據(jù)框?qū)傩浴⒆兞款愋偷刃畔ⅰ?/p>

因為函數(shù)默認的分隔符是空白（注意不是空格），所以應有的6個變量都被讀在一列中。且默認的header參數(shù)是假，所以數(shù)據(jù)變量被默認分配了一個新的變量名V1，并且應為變量名稱的這一行變成了觀測值的第一行。將header設置為TRUE后的代碼如下：

&gt;?flights?&lt;-?read.table(file?=?"flights.csv",header?=?TRUE) &gt;?head(x?=?flights)

表1-3中顯示的是部分結(jié)果。

• 表1-3 read.table函數(shù)參數(shù)設置結(jié)果展示②

指定header參數(shù)為真，分隔符sep參數(shù)為“,”后，變量名稱才得以讀取成應有的樣子（如表1-4所示）。

&gt;?flights?&lt;-?read.table(file?=?"flights.csv",header?=?TRUE,sep?=?",") &gt;?head(flights)

• 表1-4 read.table函數(shù)參數(shù)設置結(jié)果展示③

表1-4所示的數(shù)據(jù)框終于呈現(xiàn)了該有的樣子。需要注意的，是因為字符數(shù)據(jù)因子化的參數(shù)還是默認設置，因此變量carrier、tailnum、origin、dest還是因子型。在實際練習或使用時，建議指定stringAsFactors = FALSE。

以上讀取的數(shù)據(jù)集都是規(guī)整的數(shù)據(jù)集，即每一行數(shù)據(jù)都有相同的觀測值。不過在實際生活中，原始數(shù)據(jù)難免會存在空白行、空白值、默認值，或者某一行數(shù)據(jù)存在多余觀測值卻沒有與之對應的變量名稱，抑或元數(shù)據(jù)和原始數(shù)據(jù)在同一個文件中等各種問題。

這里暫且稱這些問題數(shù)據(jù)集為不規(guī)則數(shù)據(jù)集，簡單說就是，實際列的個數(shù)多于列名的個數(shù)。read.table函數(shù)為這些問題準備了相應的參數(shù)。

1. 空白行

前文介紹過read.table對于空白行的默認處理是跳過，這可以滿足大部分常見數(shù)據(jù)的情況。不過在某些特殊情況下，例如，一個數(shù)據(jù)文件中同時存在兩個或兩個以上的數(shù)據(jù)集，那么保留空白行可能會有助于后續(xù)的數(shù)據(jù)處理。

表1-5演示的就是一個比較特殊的例子。空白行的上部是元數(shù)據(jù)，也即解釋數(shù)據(jù)的數(shù)據(jù)，這里演示的是航空公司的縮寫和全名的對照。空白行的下部是數(shù)據(jù)的主體部分，航班號、起始地縮寫、起飛時間。這里保留空白行可有助于區(qū)分數(shù)據(jù)的不同部分。

• 表1-5 特殊類型文本數(shù)據(jù)文檔

保留空白行的代碼如下所示：

&gt;?airlines?&lt;-?read.table(file?=?"airlines.csv",?header?=?TRUE,?sep?=?"\t",?blank.lines.skip?=?FALSE,?stringsAsFactors?=?FALSE) &gt;?head(airlines,?n?=?8)

指定空白行保留的參數(shù)后，數(shù)據(jù)被成功讀進R（表1-6）。

• 表1-6 read.table函數(shù)參數(shù)設置結(jié)果展示④

如此一來，不同的數(shù)據(jù)集就可以很容易地進行切割并歸集到新的數(shù)據(jù)集中。可是，另外一個問題又出現(xiàn)了，函數(shù)按照第一部分的兩列變量將后續(xù)的所有數(shù)據(jù)也都寫入了兩列。

這是因為read.table會掃描文件中前五行的數(shù)據(jù)（包括變量名稱）并以此為標準來確定變量數(shù)，airlines.csv中開始的五行數(shù)據(jù)都只有兩列，所以后續(xù)的數(shù)據(jù)也都強制讀取成兩列。

如果數(shù)據(jù)的第2～5行中存在任何一行擁有多于前面一行或幾行的數(shù)據(jù)值，那么函數(shù)就會報錯提示第一行沒有相應數(shù)量的值。這種情況可以根據(jù)實際數(shù)據(jù)文件內(nèi)容，用兩種方式來處理，具體如下。

如果文件中開始的部分是暫時不需要的元數(shù)據(jù)，那么可以使用skip函數(shù)跳過相應的行數(shù)，只讀取感興趣的數(shù)據(jù)。

如果文件內(nèi)容是一個整體，只是若干行數(shù)據(jù)具有額外的觀測值。那么可以通過調(diào)整參數(shù)col.names或fill和header進行處理。

第一種情況比較容易，讀者可以自行測試，在此略過。第二種情況需要知道數(shù)據(jù)中觀測值個數(shù)的最大值，以用來補齊變量個數(shù)。因為已經(jīng)知道airlines文件的第二部分擁有6個變量，所以下面就來演示如何將6個變量名稱指定成新的變量名（表1-7），代碼如下：

&gt;?airlines?&lt;-?read.table(file?=?"airlines.csv",?header?=?FALSE,?sep?=?"\t",?stringsAsFactors?=?FALSE,?col.names?=?paste0("V",1:6),?blank.lines.skip?=?FALSE) &gt;?head(airlines)

演示結(jié)果如表1-7所示。

• 表1-7 read.table函數(shù)參數(shù)設置結(jié)果展示⑤

小技巧：另外一個獲取不規(guī)則數(shù)據(jù)集中所需變量個數(shù)的方法是利用報錯信息。當不指定col.names參數(shù)，且原始數(shù)據(jù)的第2～5行中任一行有多于第一行的數(shù)據(jù)時，read.table會報錯提示Error in scan(file = file, what = what, sep = sep, quote = quote, dec = dec, : line 1 did not have X elements, X即所需要的手動指定的變量個數(shù)。

這里使用paste0來創(chuàng)建新的變量名稱。paste0可以理解為膠水函數(shù)，用于將需要的字符串粘合在一起。這里演示的意思是創(chuàng)建6個以V開頭，從V1到V6的字符串作為變量名。這種處理方式足以應付平時練習用的小型數(shù)據(jù)集（比如，只有幾行到幾十行數(shù)據(jù)的數(shù)據(jù)集）。

但是在處理實際工作中成百上千行的數(shù)據(jù)時，這種手動指定變量個數(shù)的方法就顯得笨拙而低效了。下面的代碼演示了如何實現(xiàn)自動檢測數(shù)據(jù)集所需的變量數(shù)：

&gt;?number_of_col?&lt;-?max(count.fields("airlines.csv",sep?=?"\t")) &gt;?airlines?&lt;-?read.table(file?=?"airlines.csv",?header?=?FALSE,?sep?=?"\t",?stringsAsFactors?=?FALSE,?col.names?=?paste0("V",seq_len(number_of_col)),?blank.lines.skip?=?FALSE) &gt;?head(airlines)

部分結(jié)果展示如表1-8所示。

• 表1-8 read.table函數(shù)參數(shù)設置結(jié)果展示⑥

count.fields/max/seq_len這三個函數(shù)的配合使用實現(xiàn)了如下功能。

count.fields用于自動檢測數(shù)據(jù)集中每一行數(shù)據(jù)的觀測值個數(shù)，max用于找出count.fields輸入結(jié)果中的最大值，seq_len用于以最大值為參照生成1到最大值的整數(shù)序列，膠水函數(shù)paste0用于定義變量名稱。

因為R基于向量計算的特性，因此這種函數(shù)之間簡單的配合使用很常見也很有效。所以希望小伙伴們在以后的練習或?qū)嶋H工作中，多思考，盡量使用這樣的組合來提高代碼的效率、簡潔性和可重復性。

使用參數(shù)fill和header也可以讀取不規(guī)則數(shù)據(jù)集。需要注意的是，采用這種方法是有前提條件的，即原始數(shù)據(jù)第2～5行實際列的個數(shù)應大于列名。代碼如下：

&gt;?flights_uneven?&lt;-?read.table("airlines.csv",?header?=?FALSE,?sep?=?"\t",?stringsAsFactors?=?FALSE,?fill?=?TRUE) &gt;?head(flights_uneven)

上述代碼的演示結(jié)果如表1-9所示。

• 表1-9 read.table函數(shù)參數(shù)設置結(jié)果展示⑦

2. 默認值、空白

一個數(shù)據(jù)集里出現(xiàn)默認值（NA）或空白（“”）的情況十分常見，兩者之間的區(qū)別需要根據(jù)不同的實際情況來確定。理論上來講，默認值仍是數(shù)據(jù)觀測值的一種，雖然在原始數(shù)據(jù)中其可能與空白一樣沒有顯示，但是它可以通過其他手段來進行補齊。

而空白有可能并不是數(shù)據(jù)，比如在上面的演示中，V3至V6列，1～5行都是空白，這些空白不屬于任何實際數(shù)據(jù)變量，是真正的空白，因而不能說這些空白是默認值。

默認值和空白的處理完全可以獨立成書，因為相關(guān)內(nèi)容已經(jīng)超出了本文的范圍，所以這里不再過多討論。下面只演示在導入數(shù)據(jù)的過程中，如何進行簡單的默認值、空白預處理，代碼如下：

&gt;?flights_uneven?&lt;-?read.table(file?=?"flights_uneven.csv",?header?=?FALSE,?sep?=?"\t",?stringsAsFactors?=?FALSE,?fill?=?TRUE,?na.strings?=?c("")) &gt;?head(flights_uneven)

表1-10中展示了處理后的部分數(shù)據(jù)值。

• 表1-10 read.table函數(shù)參數(shù)設置結(jié)果展示⑧

第七列中的數(shù)據(jù)在指定將空白替換成“NA”之后，原有的空白位置被寫入了“NA”，也就是說第七列的空白屬于數(shù)據(jù)的一部分。根據(jù)實際情況，也可以將多余的數(shù)據(jù)部分或全部替換成“NA”（如表1-11所示），以方便后續(xù)的處理及分析，代碼如下：

&gt;?flights_uneven?&lt;-?read.table("flights_uneven.csv",sep?=?"\t",?stringsAsFactors?=?FALSE,?fill?=?TRUE,header?=?FALSE,?na.strings?=?c(paste0("測試",1:3),"")) &gt;?head(flights_uneven)

替換結(jié)果如表1-11所示。

• 表1-11 read.table函數(shù)參數(shù)設置結(jié)果展示⑨

當數(shù)據(jù)集行數(shù)較多，無法輕易地鑒別出某一列到底有多少個觀測值需要賦值為“NA”的時候，可以配合unique函數(shù)進行處理。處理的思路是先將數(shù)據(jù)讀取到R中，然后使用unique函數(shù)找到指定列中的非重復觀測值，選取指定觀測值并保存到一個向量內(nèi)，然后將向量指定給na.strings參數(shù)來進行替換，代碼如下：

????&gt;?flights_uneven?&lt;-?read.table("flights_uneven.csv",sep?=?"\t",?string-sAsFactors?=?FALSE,?fill?=?TRUE,?header?=?FALSE)&gt;?replace?&lt;-?unique(flights_uneven$V7) replace[1]?""??????"測試1"?"測試2"?"測試3"&gt;?flights_uneven?&lt;-?read.table("flights_uneven.csv",sep?=?"\t",?stringsAsFactors?=?FALSE,?fill?=?TRUE,header?=?FALSE,?na.strings?=?c(replace[c(1,3)]))&gt;?head(flights_uneven)

替換結(jié)果如表1-12所示。

• 表1-12 read.table函數(shù)參數(shù)設置結(jié)果展示⑩

第一次讀取數(shù)據(jù)是為了獲得需要替換的觀測值，第二次讀取則是將需要替換成“NA”的觀測值指定給相應參數(shù)。因為replace是一個字符串向量，所以可以使用“[”按位置選擇其中的值，當然也可以不選擇任何值，直接全部替換。

小知識：“[”是baseR中Extract的一種，在R的使用過程中，這是必須掌握和理解的函數(shù)之一。

關(guān)于作者：劉健，資深R語言技術(shù)專家，數(shù)據(jù)科學工程師。在新西蘭皇家植物與食品研究院工作，參與一項國際和兩項國家的級別研究項目，使用R語言開發(fā)完成氣象數(shù)據(jù)自動提取和模型文件自動化工具。獨立開發(fā)完成R語言程序包一個。

鄔書豪，資深R語言用戶和數(shù)據(jù)分析工程師，是數(shù)據(jù)科學領域10萬粉絲的知名公眾號人工智能愛好者社區(qū)的負責人，公眾號文章閱讀量破百萬。喜歡用SQL、R和Python解決工作中的數(shù)據(jù)科學問題，致力于成為一名有深度行業(yè)實踐經(jīng)驗積累的數(shù)據(jù)科學家。

本文摘編自《R數(shù)據(jù)科學實戰(zhàn)：工具詳解與案例分析》，經(jīng)出版方授權(quán)發(fā)布。

延伸閱讀《R數(shù)據(jù)科學實戰(zhàn)：工具詳解與案例分析》

點擊上圖了解及購買

轉(zhuǎn)載請聯(lián)系微信：DoctorData

推薦語：這是一部能指導零基礎的讀者快速掌握R語言并利用R語言進入數(shù)據(jù)科學領域的著作。兩位作者在R語言和數(shù)據(jù)科學領域有豐富的實踐經(jīng)驗，首先是非常有針對性地講解了利用R語言進行數(shù)據(jù)處理需要掌握和使用的6大類17種工具，然后是結(jié)合這些工具的使用給出了5個典型的綜合性案例，幫助讀者迅速將理論與實踐融會貫通。

開學季滿減福利進行中

長按小程序碼發(fā)現(xiàn)更多好書

「大數(shù)據(jù)」內(nèi)容合伙人之「鑒書小分隊」上線啦！

最近，你都在讀什么書？有哪些心得體會想要跟大家分享？

數(shù)據(jù)叔最近搞了個大事——聯(lián)合優(yōu)質(zhì)圖書出版商機械工業(yè)出版社華章公司發(fā)起鑒書活動。

簡單說就是：你可以免費讀新書，你可以免費讀新書的同時，順手碼一篇讀書筆記就行。詳情請在大數(shù)據(jù)公眾號后臺對話框回復合伙人查看。

有話要說?

Q:?你用過哪些R語言包？

歡迎留言與大家分享

猜你想看?

• 包教包會，7段代碼帶你玩轉(zhuǎn)Python條件語句

• 學霸們在假期里“偷著學”，看的是這些書

• 從圖靈機、圖靈測試到人工智能：什么決定了AI能否取代人類？

• 從概念到應用，終于有人把數(shù)據(jù)挖掘講明白了

更多精彩?

在公眾號對話框輸入以下關(guān)鍵詞

查看更多優(yōu)質(zhì)內(nèi)容！

PPT?|?報告?|?讀書?|?書單?|?干貨?

大數(shù)據(jù)?|?揭秘?|?Python?|?可視化

AI?|?人工智能?|?5G?|?區(qū)塊鏈

機器學習?|?深度學習?|?神經(jīng)網(wǎng)絡

合伙人?|?1024?|?段子?|?數(shù)學?|?高考

據(jù)統(tǒng)計，99%的大咖都完成了這個神操作

?

覺得不錯，請把這篇文章分享給你的朋友

轉(zhuǎn)載 / 投稿請聯(lián)系：baiyu@hzbook.com

更多精彩，請在后臺點擊“歷史文章”查看

點擊閱讀原文，了解更多

總結(jié)

以上是生活随笔為你收集整理的数据分析必备：掌握这个R语言基础包1%的功能，你就很牛了的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。