R 语言处理excel为data.frame

使用 R包 xlsx 或者 openxlsx

安装

install.packages("xlsx", repos="https://cloud.r-project.org/")

install.packages("openxlsx", repos="https://cloud.r-project.org/")

使用

文件名+sheet的序号读取指定sheet的内容

data <- read.xlsx("Lipstick.xlsx", sheet = 1)  # 读取excel


View(data)

## data 为 data.frame

# 读取 table 分隔的文本文件

data = read.table(file.txt, sep="\t", header=T);

访问 data.frame 的元素

查看列名  colnames(data)

查看行名  rownames(data)

提取指定行

data[2,]  提取第二行

提取指定列

data[c("列名1", "列名2", "列名3")]

data[2]  提取第二列

data[2:4]  提取第2-4列

如果只访问1列，返回的是 vector 类型，可以使用 [[ ]] 或者 $ 来访问  data[[2]]  或者  data$列名

默认情况下，字符串向量会被自动识别成 Factor

向 data.frame 中添加新列  新添加的列的行数要和表中的列的行数相同

data$新列名 <- 数据

data$新列名 <- as.integer(format(Sys.Date(), "%Y")) - as .integer(format(sutdent$birthday, "%Y"))

查询/子集

查询一个data.frame，返回一个满足条件的子集，这相当于数据库中的表查询，是非常常见的操作。

使用行和列的index来获取子集是最简单的方法，详情见前面。

当然也可以使用布尔向量，配合which函数来实现对行的过滤。

比如我们要查询所有Gender为F的数据，那么我们首先通过student$Gender=="F" 得到一个布尔向量：FALSE FALSE ... TRUE，然后使用 which 函数可以将布尔向量中的TRUE的index返回，完整语句如下

student[which(student$Gender=="F")]

如果我们想知道所有女生的年龄，

student[which(student$Gender=="F")， "Age"]

另外可以直接使用 subset() 函数，比如把查询年龄改为 <30 的女性，查询姓名和年龄，如下

subset(student, Gender=="F" & Age < 30,  select=c("Name", "Age"))

使用SQL查询 Data Frame 使用 sqldf 包

library(sqldf)

result <- sqldf("select Name, Age from student where Gender='F' and Age > 30")

连接/合并

对于数据库来说，对多表进行 join 查询是一个很正常的事，在R中也可以对多个 Data.frame 进行连接，需要使用 merge() 函数

result <- merge(student,score,by.x="ID",by.y="SID")

使用 rbind() 函数 rbind 的两个 Data frame 必须有相同的列