目录:

  • 文本输出
  • 图形输出
  • 数据输入
  • 数据框输出
  • 文本导入
  • Excel导入

文本输出


  • 语法: sink(file = NULL, append = FALSE, type = c("output", "message"), split = FALSE)
    1. 默认情况,如果文件已经存在,则内容会被覆盖,如果 append = TRUE 可以将文本追加到文件后
    2. split = TRUE 可将输出同时发送到屏幕和输出文件中
    3. sink():结束重定向
  • 示例代码:

    setwd("E:\\R")
    sink(file = "hello.txt",append = TRUE)
    cat("Test Sink output")
    sink()
  • 注意:sink()对图形输出没有影响

图形输出


  • 图形输出使用如下的函数,最后使用dev.off()将输入结果返回终端
  • 矢量图形(PDF,PostScript,SVG), 位图(PNG,JPEG, TIFF)
  • 示例代码:
    pdf("demo.pdf")
    png("demo1.png")
    attach(mtcars)
    plot(wt,mpg)
    title("pdf graphics demo")
    detach(mtcars)
    dev.off()

数据输入


  • 通过键盘输入数据两种常见方式:R内置的文本编辑器和代码中直接嵌入数据
  • 通过edit()函数会自动调用一个允许手工输入数据的文本编辑器
  • 示例代码:
    mydata <- data.frame(name=character(0),age=numeric(0),weight=numeric(0))
    mydata <- edit(mydata)
  • 执行代码,弹出编辑器如下图:

  • 关闭弹出框后,查看mydata结果如下:
    > mydata
    name age weight
    1 张三 12 42
    2 李四 14 56
    >

数据框输出


    • 上例中将mydata 数据框对象保存本地 .rda文件,同时加载数据代码示例如下:
    • save(mydata,file = "mydata.rda")
    • 如下图:
    • 加载本地mydata.rda文件示例代码如下:
      > remove(list=ls())
      > load(file = "mydata.rda")
      > mydata
      name age weight
      1 张三 12 42
      2 李四 14 56

文本导入


  • read.table() 从带分隔符的文本文件中导入数据,生成数据框对象
  • 示例代码:
    mydata <- read.table("d:\\data.txt",col.names = c("region","Name"))
    mydata
  • 导入文件后结果如下:

  • 导入注意事项:
    1. 导入时默认把字符变量转化为因子,若不希望这样,则设置:stringAsFactors = FALSE
    2. 若对导入的每一列指定一个类,可使用 colClasses , 如:colClasses = c("character","character","numeric")

Excel导入


  • 方法一:将Exce导出为逗号分隔的csv文件,使用read.table()导入数据
  • 使用xlsx包直接导入Excel工作表(需要先安装xlsxjars和rjava包
    1. 在线安装 xlsx 包: install.packages("xlsx")
    2. 示例代码:
      library(xlsxjars)
      library(xlsx)
      mydata <- read.xlsx("work.xlsx",sheetIndex = 1)
      mydata

R提高篇(一): 输入输出的更多相关文章

  1. R提高篇(二): 图形初阶

    目录: 图形示例 图形参数 符号.线条 颜色 文本属性 尺寸与边界 自定义标题 自定义坐标轴 图例 文本标注 图形组合 图形示例 如下代码描述病人对两种药物五个剂量水平上的响应情况 > myda ...

  2. R提高篇(五): 描述性统计分析

    数据作为信息的载体,要分析数据中包含的主要信息,即要分析数据的主要特征(即数据的数字特征), 对于数据的数字特征, 包含数据的集中位置.分散程度和数据分布,常用统计项目如下: 集中趋势统计量:  均值 ...

  3. R提高篇(四): 数据管理二

    目录: 数学函数 统计函数 应用示例 控制流 数学函数 ceiling(x):  大于等于 x  的最小整数, 如:  ceiling(3.213)  --> 4 floor(x):     小 ...

  4. R提高篇(三): 数据管理一

    目录: 创建新变量 变量重编码 日期值 数据排序 数据集合并 数据子集 随机取样 创建新变量 算术运算函数:x%%y [求余 x mod y,  5%%2的结果为1], x%/%y  [整数除法,5% ...

  5. Java 学习笔记提高篇

    Java笔记(提高篇)整理   主要内容: 面向对象 异常 数组 常用类 集合 IO流 线程 反射 Socket编程 1.  面向对象 1.1包 用来管理Java中的类, 类似文件夹管理文件一样. 因 ...

  6. Java提高篇(二七)-----TreeMap

    TreeMap的实现是红黑树算法的实现,所以要了解TreeMap就必须对红黑树有一定的了解,其实这篇博文的名字叫做:根据红黑树的算法来分析TreeMap的实现,但是为了与Java提高篇系列博文保持一致 ...

  7. Java提高篇---TreeMap

    TreeMap的实现是红黑树算法的实现,所以要了解TreeMap就必须对红黑树有一定的了解,其实这篇博文的名字叫做:根据红黑树的算法来分析TreeMap的实现,但是为了与Java提高篇系列博文保持一致 ...

  8. ROS Learning-031 (提高篇-009 A Mobile Base-07) 控制移动平台 --- (操作)人机交互

    ROS 提高篇 之 A Mobile Base-07 - 控制移动平台 - (操作)人机交互 我使用的虚拟机软件:VMware Workstation 11 使用的Ubuntu系统:Ubuntu 14 ...

  9. ROS Learning-030 (提高篇-008 A Mobile Base-06) 控制移动平台 --- (Python)odom导航的例子:移动一个方块路径

    ROS 提高篇 之 A Mobile Base-06 - 控制移动平台 - (Python)再次使用odom导航的一个例子:移动一个方块路径 我使用的虚拟机软件:VMware Workstation ...

随机推荐

  1. Sticky Footer (让页脚永远停靠在页面底部,而不是根据绝对位置)

    <!doctype html><html> <head> <meta charset="UTF-8"> <meta name= ...

  2. Entityframework批量删除

    UI层 <a href="#" onclick="DelData(0);return false;" id="a_del" class ...

  3. Team Foundation API - 编程控制文件版本

    Team Foundation Server (TFS)工具的亮点之一是文件的版本控制.在TFS中实现文件版本控制的类型: Microsoft.TeamFoundation.Client.TfsTea ...

  4. PHP 的snmp各个版本的Wrapper封装类

    原文来自:http://blog.chinaunix.net/uid-7654720-id-3211234.html class SNMP_Wrapper { protected $_host; pr ...

  5. Open vSwitch简述

    一.基础术语 1.Packet (数据包):网络转发的最小数据单元,每个包都来自某个端口,最终会被发往一个或多个目标端口,转发数据包的过程就是网络的唯一功能. 2.Bridge (网桥):Open v ...

  6. Java ArrayList的使用方法

    首先ArrayList的一个简单实例: package chapter11; import java.util.ArrayList; public class TestArrayList { publ ...

  7. CUDA 并行编程简介

    前言 并行就是让计算中相同或不同阶段的各个处理同时进行.目前有很多种实现并行的手段,如多核处理器,分布式系统等.本专题的文章将主要介绍使用 GPU 实现并行的方法.参考本专题文章前请务必搭建好 CUD ...

  8. 递归神经网络之理解长短期记忆网络(LSTM NetWorks)(转载)

    递归神经网络 人类并不是每时每刻都从头开始思考.正如你阅读这篇文章的时候,你是在理解前面词语的基础上来理解每个词.你不会丢弃所有已知的信息而从头开始思考.你的思想具有持续性. 传统的神经网络不能做到这 ...

  9. SQLITE 时间字段操作函数

    SQLite中的时间日期函数 这是我学习SQLite时做的笔记,参考并翻译了Chris Newman写的<SQLite>中的<Working with Dates and Times ...

  10. MATLAB格式化输出控制 分类: 数学 2015-07-31 23:01 3人阅读 评论(0) 收藏

    MATLAB格式化输出控制 format 默认格式 format short 5字长定点数 format long 15字长定点数 format short e 5字长浮点数 format long ...