将数据导入 R —— 第二部分

在这篇对R 数据导入教程（第一部分）的后续教程中，DataCamp 继续以全面且易上手的方式，带您快速将数据导入 R，从简单的纯文本文件到更高级的 SPSS 与 SAS 文件。

正如许多读者从第一篇文章中敏锐指出的，一些用于将数据导入 R 的优秀包尚未得到关注，文章也未明确区分处理标准数据集与超大数据集的不同。为此，今天的文章将重点弥补这些内容。

继续阅读，发现更多将特定文件导入 R 的方法。如果您还有其他问题或发现需要更正的错误，欢迎联系我们。

（试试这门互动课程：Importing Data in R (Part 1)，在 R 中处理 CSV 和 Excel 文件。）

从常见来源将数据导入 R

首先，本文将更深入地介绍如何将常见来源（通常是类似电子表格的数据）导入 R。与上一篇一样，重点是读取非 Excel 或其他类型的文件进入 R。

接着，将讨论来自统计软件、数据库、网页抓取等来源的数据。

如果您想了解在导入数据前可能需要执行的准备步骤，请前往我们的第一篇文章，其中解释了如何在将数据导入 R 前准备数据和工作区。

使用 `scan()` 将纯文本文件读入 R

除了在R 数据导入教程的第一部分中提到的 read.table() 外，scan() 函数同样适用于处理以简单分隔文本文件存储的数据。与 read.table() 不同，scan() 返回的是列表或向量，而不是数据框。

假设您有如下 .txt 文档：

您可以使用以下命令读入数据（可在这里下载）：

data <- scan("birth.txt")
技术支持

注意，您的文件也可以是在线数据集。在这种情况下，只需将 URL 作为 scan() 的第一个参数传入即可。

或者，您也可以将数据读入矩阵：

data <- matrix(scan("birth.txt"),
               nrow=2,
               byrow=TRUE)
技术支持

提示：如果您想更严谨地处理，可能需要指定更多参数以得到所需的矩阵形式。关于 matrix() 函数的更多信息，请参阅此页面。

您也可以将输入文件的各列分别读入不同的向量：

data <- scan("age.txt",
             what = list(Age = 0,
                         Birthyear= 0),
             skip=1,
             quiet=TRUE)
技术支持

注意，首先传入带扩展名的文件（路径）作为参数（取决于您是否将工作目录设置为包含数据集的文件夹），然后再指定要读取的数据类型、是否跳过数据集的第一行、字段分隔符字符，以及是否打印读取了多少项的提示信息。

如果数据中包含其他数据类型，您应对 scan() 进行适当调整，如下例所示：

data <- scan("age.csv",
             what = list(Age = 0,
                         Name= "",
                         Birthyear= 0),
             skip=1,
             sep=";",
             quiet=TRUE)
技术支持

提示：您也可以自己动手试试！可在这里下载上述使用的文本文件。

随后，您也可以将数据读入数据框：

data <- data.frame(scan("age.csv",
                        what = list(Age = 0,
                                    Name = "",
                                    Birthyear= 0),
                        skip=1,
                        sep=";",
                        quiet=TRUE)
技术支持

提示：scan() 的许多参数与 read.table() 相同。因此，查阅文档总是有用的！如需了解 scan() 参数，请点击这里。

请记住，您可以分别通过以下命令获取与设置工作目录：

getwd()
setwd("<path to your folder>")
技术支持

使用 `read.fwf()` 将定宽列数据导入 R

要将“定宽格式数据表”读入 R 的数据框，您可以使用 read.fwf()（来自 utils 包）。

当您的数据文件包含带空格的列，或相邻列之间没有空格分隔时，可使用此函数。

   Phys / 00 / 1:    M  abadda
   Math / 00 / 2:    F  bcdccb
   Lang / 00 / 3:    F  abcdab
   Chem / 00 / 4:    M  cdabaa
技术支持

在这里，例如您知道学科名称总是位于每行的前 7 个字符，性别值总是在第 22 个字符，成绩从第 25 到第 30 个字符。

如果您想试着将这些数据载入 R，可在这里下载文本文件。

要将上述数据正确导入 R，您需要执行以下命令：

read.fwf("scores.txt",
         widths= c(7,-14,1,-2,1,1,1,1,1,1),
         col.names=c("subject","sex","s1","s2","s3","s4","s5","s6"),
         strip.white=TRUE)
技术支持

注意，widths 参数给出定宽字段的宽度。本例中，文件的前 7 个字符保留给课程名称；然后，您不想读取接下来的 14 个字符，于是传入 -14。接着，性别占 1 个字符，但不需要随后的两个字符，因此传入 -2。之后所有字符需分别读入各列，因此以 1,1,1,1,1,1 进行切分。当然，这些值会根据您要导入的列而变化。

read.fwf() 还可以接受若干额外参数。点击这里了解更多。

注意，如果您想使用 Fortran 风格的格式说明来读入文件，可以使用 read.fortran() 函数：

data <- tempfile()
cat(file = data, "345678", "654321", sep = "\n")
read.fortran(data, c("F2.1","F2.0","I2"))
技术支持

如上方小例所示，您将 Fortran 风格的格式说明作为 read.fortran() 的第二个参数。可传入的参数样式包括：“rFl.d”、“rDl.d”、“rXl”、“rAl”或“rIl”，其中“l”为列宽，“d”为小数位数，“r”为重复次数。本例通过 c() 传入 2.1、2.0 和 2，表示有三列、两行。第一列为一位小数，第二、三列为无小数位的数值。

至于列中值的类型，您可以有：

“F”和“D”表示数值格式；
“A”表示字符值；
“I”表示整数值；
“X”表示可跳过的列。

本例中，第一、二列为数值格式，第三列为整数值。

注意，重复码“r”和小数位码“d”始终可选。长度码“l”是必需的，除非在 “X” 格式且存在“r”时。

将（Google）电子表格导入 R

正如您可能在我们关于在 R 中读取与导入 Excel 文件的教程或第一篇R 数据导入教程中已读到的，电子表格可以通过多种方式导入 R。本节将进一步展开，涵盖 Google 表格与 DIF 文件！

继续往下，了解如何将电子表格导入 R。

将 Excel 电子表格导入 R

除了 xlsx 包，您还有多种选项可将电子表格读入 R：

1. 从剪贴板将 Excel 电子表格读入 R

如果您打开了电子表格，实际上可以将内容复制到剪贴板并快速导入 R。为此，您可以使用 readClipboard() 或 read.table()：

readClipboard() #Only on Windows
read.table(file="clipboard")`
技术支持

如您亲自尝试会发现，第一种方法对向量数据较合适，但对于剪贴板中的表格数据会较复杂。若想进一步了解 read.table()，请务必参阅 R 数据导入教程的第一部分或我们关于在 R 中读取与导入 Excel 文件的教程。

2. 通过 RODBC 包将 Excel 电子表格导入 R

第二种方法是通过 RODBC 包：

一种用法如下：

library(RODBC)
connection <- odbcConnect("<DSN>")
技术支持

注意，传给 odbcConnect() 的参数实际上是 DSN。关于如何配置 DSN、建立连接等的完整指南，请参阅此页面，内容详尽且易上手！

设置好连接后，您也可以使用 sqlQuery() 从 .xls 表格读取数据：

query <- "<SQL Query>"
data <- sqlQuery(connection,
                 query)
str(data)
技术支持

强烈推荐：前往此页面获取详尽且易上手的教程！

在 R 会话结束时，别忘了关闭连接：

odbcCloseAll()
技术支持

提示：如果您想进一步了解将电子表格或 Excel 文件导入 R，请务必查看我们的导入数据到 R第一篇教程，或阅读我们关于在 R 中读取与导入 Excel 文件的教程，其中也介绍了 readxl 与 XLConnect 等包。

将 Google 表格导入 R

googlesheets 包及其 gs_read() 函数可将 Google 表格读入 R。

先执行以下代码：

gs_ls()
技术支持

让浏览器启动并完成认证。随后，如果您想读取或编辑数据，需要先注册该表格。您可按标题或 key 指定表格：

data <- gs_title("<your spreadsheet>")
data <- gs_key()
技术支持

接下来读取数据：

gs_read(data)
技术支持

以上只是 googlesheets 包的简要概览。务必阅读这里的详细说明，并查看此页。

将 DIF（数据交换格式）文件读入 R

使用 read.DIF() 将 DIF 文件导入 R：

data <- read.DIF("<your spreadsheet>",
                 header=FALSE,
                 as.is = !stringsAsFactors)
技术支持

注意，您可指定电子表格是否包含表头，以及是否“按原样”导入数据，即字符变量是否转换为因子。本例中不希望转换为因子，因此使用 !stringsAsFactors。

关于该函数及其参数的更多信息，请访问此页面。

将 Excel 文件导入 R

除了电子表格，您或许也希望将实际的 Excel 文件导入 R。继续阅读了解具体方法！

注意，本文仅在我们在 R 中读取与导入 Excel 文件教程以及第一篇R 数据导入教程的基础上进一步展开！

使用 `readxl` 将 Excel 文件导入 R

尽管该包仍在积极开发中，但非常值得一试，因为它能非常轻松地读取 Excel 文件：

library(readxl)
read_excel("<path to file")
技术支持

请记住，如果文件夹在您的工作目录中，只需输入文件名及其扩展名即可。使用以下代码获取与设置工作目录：

getwd()
setwd("<Path to your folder>")
技术支持

注意，您可以分别通过 sheet、col_names、col_types、na 与 skip 参数指定要读取的工作表、列名与类型、缺失值以及读取数据前要跳过的行数。详见这里。

使用 `openxlsx` 将 Excel 文件读入 R

openxlsx 包也提供了简单的方法将 .xlsx Excel 文件读入 R：

library(openxlsx)
read.xlsx("<path to your file>")
技术支持

如需了解该包或 read.xlsx() 可传入的参数，点击这里。

提示：若想进一步了解将 Excel 文件导入 R，请查看我们的“将数据导入 R”首篇教程，或阅读我们更为详尽的在 R 中读取与导入 Excel 文件的教程，其中也介绍了 XLConnect 等包。

将 OpenDocument 电子表格导入 R

使用 read.ods()（来自 readODS 包）将 OpenDocument 电子表格读入 R 并转为数据框：

library(readODS)
read.ods("<path to your file>",
         sheet = 1,
         formulaAsFormula = FALSE)
技术支持

注意，除文件外，您还可以指定要读取的工作表，并决定是显示公式本身（例如 “SUM(B1:B3)”）还是显示计算结果。

将 JSON（JavaScript 对象表示法）文件导入 R

在我们的第一篇数据导入文章中，曾提到使用 rjson 包将 JSON 文件导入 R。

不过，您也可以使用其他包来导入 JSON 文件。继续阅读了解更多！

使用 `jsonlite` 包导入 JSON 文件

在最常下载的 R 包前 25 名中，jsonlite 以 66952 次下载名列其中，深受 R 用户喜爱。

使用 fromJSON() 导入 JSON 文件：

library(jsonlite)
data <- fromJSON("<Path to your JSON file>")
技术支持

关于 jsonlite 的上手指南，请查看这里。

使用 `RJSONIO` 包导入 JSON 文件

另一款常用的 JSON 导入包是 RJSONIO。与 jsonlite 类似，同样使用 fromJSON()：

library(RJSONIO)
data <- fromJSON("<Path to your JSON file")
技术支持

最佳 JSON 包？

关于此话题已有不少讨论。如果您想了解更多，务必查看以下页面与文章：

这篇页面主要通过代码示例说明，帮助您更深入了解 R 中 JSON 包的行为与性能。
强烈推荐阅读这篇博文，尝试找出在 R 中处理 JSON 数据表现最佳的包。

将统计软件包的数据导入 R

如果您的数据并非表格型，且不是 Excel 或 JSON 文件，它可能来自某款统计软件。

本节将介绍更多将 SPSS、Stata 或 SAS 文件读入 R 的方法，同时概览来自 S-plus 与 Epi Info 的文件导入。若想了解更多，请务必回看我们的第一篇文章或文末所附链接。

将 SPSS 文件导入 R

除了使用 foreign 包，您也可以借助 haven 包将 SPSS 文件导入 R。

请记住，开始前请确保在工作区安装并加载该包！

haven 包提供 read_spss() 函数读取 SPSS 文件：

library(haven)
data <- read_spss("<path to your SPSS file>")
技术支持

将 Stata 文件导入 R

与 foreign 包类似，haven 也提供读取 Stata 文件的函数 read_dta()：

data <- read_dta("<path to your STATA file>")
技术支持

请记住，必要时请先安装并加载包。例如，您可以通过以下命令安装并加载 haven：

install.packages("haven")
library(haven)
技术支持

将 SAS 文件导入 R

由于在上篇文章中已提到 sas7bdat 包，本篇将聚焦于读取 SAS 文件的其他方法：

1. 使用 foreign 包将 SAS XPORT 文件导入 R

foreign 包中的 read.xport() 也可将 SAS XPORT 文件导入 R：

library(foreign)
data <- read.xport("<path to your SAS file>")
技术支持

2. 使用 SASxport 包将 SAS XPORT 文件导入 R

sasXPORT 包也可用 read.xport() 读取 SAS XPORT 文件：

library(SASxport)
data <- read.xport("<path to your SAS file>")
技术支持

3. 使用 haven 包将 SAS 文件导入 R

与 foreign 与 sas7bdat 包类似，haven 包也可通过 read_sas() 读取 b7dat 文件：

library(haven)
data <- read_sas("<path to your SAS file>")
技术支持

将 S-plus 文件导入 R

对于旧的 S-plus 数据集（Windows 3.x、4.x 或 2000 版本，或 Unix 3.x 且为 4 字节整数生成的），可使用 foreign 包中的 read.S() 函数：

library(foreign)
data <- read.S("<Path to your file>")
技术支持

将 Epi Info 文件读入 R

如您在前文或本文已读到，foreign 包提供许多用于读取特定文件的函数，其中也包括 Epi Info。使用 read.epiinfo() 将数据导入 R：

library(foreign)
data <- read.epiinfo("<Path to your file>")
技术支持

关于 Epi Info 的更多信息，请点击这里。

从其他来源将数据导入 R

除了常见来源与统计软件外，还有许多其他来源的数据也可能需要读入 R。

下面列出其中一些。继续阅读！

将 MATLAB 文件导入 R

可以使用 R.matlab 包及其 readMat() 函数，将 MATLAB 文件导入 R。

该函数的第一个参数可传入字符字符串或原始向量。第一种情况下，输入将被解释为文件名；第二种情况下，则视为原始二进制连接：

library(R.matlab)
data <- readMat("<Path to your file>")
技术支持

readMat() 将返回一个具名列表结构，包含从导入的 MAT 文件中读取的所有变量。

将 Octave 文件读入 R

foreign 包再次登场！使用 read.octave() 将 Octave 文本数据导入 R：

library(foreign)
data <- read.octave("<Path to your file>")
技术支持

将 FitbitScraper 数据导入 R

您可以使用 fitbitScraper 包从 fitbit 获取数据。

（对于不熟悉该公司的读者：该公司提供活动追踪器等科技设备，用于测量步数、睡眠质量等个人数据。）

关于如何使用 fitbitScraper 包的简短实用教程，请见这里。

将 Quantmod 数据导入 R

您可以使用该包从互联网来源提取金融数据至 R。用于获取数据的函数是 getSymbols()，示例如下：

library(quantmod)
data <- getSymbols("YHOO", src="google")
技术支持

注意，首先指定一个字符向量，包含要加载的每个符号的名称，此处为 "YHOO"。随后定义来源方式。目前可用的来源包括 yahoo、google、MySQL、FRED、csv、RData 和 oanda。

接下来，指定查找参数并保存以便将来会话使用：

setSymbolLookup(YHOO='google',GOOG='yahoo')
saveSymbolLookup(file="mysymbols.rda")
技术支持

新的会话中调用

loadSymbolLookup(file="mysymbols.rda")
getSymbols(c("YHOO","GOOG"))
技术支持

如果您想了解更多关于在 R 中进行定量金融分析的信息，请点击这里，或前往此页面查看针对初学者的 quantmod 详细教程。

将 ARFF 文件导入 R

可使用 read.arff() 函数读取 Weka 的属性-关系文件格式（ARFF）：

library(foreign)
data <- read.arff("<Path to your file>")
技术支持

关于该函数的更多信息，参见此页面。

注意，RWeka 包也提供相同函数用于导入 ARFF 文件。若想了解更多，请点击这里！

将数据库中的数据导入 R

除了上一篇中介绍的 MonetDB.R、rmongodb 与 RMySQL，还有其他包可用于在 R 中连接数据库。

您还可以使用 mongolite、RMongo、RODBC、ROracle、RPostgreSQL、RSQLite、RJDBC。

关于这些包的教程，请查看以下列表：

如果您想开始使用 mongolite，本教程或可助您一臂之力；
关于 RMongo 的帮助，请参见这篇博文；
RODBC 包也在此教程中有详细讨论。若需更简短的说明，请点击这里；
学习如何使用 ROracle，可查看此演示文稿；
关于使用 RPostgreSQL 的更多信息，请点击这里或这里；
若想了解 RSQLite，强烈推荐阅读这篇信息量极大的教程；
最后，使用 RJDBC 连接 SQL Server，请查看这篇博文；若要连接 Oracle 数据库，请访问此页面。注意，该页面也提供了连接 Oracle 数据库的其他选项。

注意，还有数据库接口包 DBI，用于在 R 与关系型数据库管理系统之间通信。更多信息请点击这里。

关于如何使用该包的说明，可参见这里。

将二进制文件导入 R

二进制数据文件以二进制位分组存储信息。每个二进制位为 0 或 1。八个二进制位组成一个字节。您可以使用 readBin() 读取二进制数据：

connection <- file("<path to your file>", "rb") #You open the connection as "reading binary"(rb)
data <- readBin(connection,
                what="numeric") #Mode of the vector to be read
技术支持

更详细的示例请见此页面。关于 readBin() 的更多信息，点击这里。

将二进制数据格式读入 R

hdf5、h5r、rhdf5、RNetCDF、ncdf 与 ncdf4 等包提供对 NASA 的 HDF5 和 UCAR 的 netCDF 数据文件的接口。

若您对在 R 中处理 HDF5 或 netCDF 文件的教程感兴趣，可参考以下资源：

一篇关于在 R 中处理 HDF 文件（并使用 pathfinder 包）的优秀教程在这里；
一篇易上手的 netCDF 初学者教程见此页面。

将 DBF 文件导入 R

DBF（DataBase File）是 dBase 的底层格式。可使用 foreign 包提供的 read.dbf() 读取 DBF 文件：

library(foreign)
data <- read.dbf("<Path to your file>")
技术支持

注意，如果您在 Windows 下，也可使用 RODBC 包的 odbcConnectDbase()，通过微软的 dBase ODBC 驱动读取 DBF 文件。

将“扁平”列联表导入 R

foreign 包允许读取多种文件格式；“扁平”列联表也不例外。您可以使用 read.ftable() 完成此操作：

library(foreign)
data <- read.ftable("<Path to your file>")
技术支持

请记住，“扁平”列联表与“普通”列联表非常相似：它们都包含变量（因子）各水平组合的计数。但信息被重新排列为矩阵形式，矩阵的行与列对应行、列表达式的水平唯一组合。因此，“扁平”列联表常用于表示更高维度的列联表。

将 GIS（地理信息系统）文件读入 R

您可以使用 rgdal 与 raster 等包将 GIS 文件导入 R。

如不确定如何上手 rgdal 包，可参考这篇优秀博文，介绍在 R 中处理地理空间数据。

您也可查看本教程，其中同时使用了 rgdal 与 raster。

将 ITIS（综合分类信息系统）表导入 R

您可使用 read.table() 导入 ITIS 表：

data <- read.table("<Path to your file>")
技术支持

关于 ITIS 的更多信息，请点击这里。

将大型数据集导入 R

导入大型数据集常在 R 用户间引发讨论。除了用于连接数据库的包外，还有一些在大数据处理方面表现突出的包。

使用 `data.table` 包导入大型数据集

被称为“快速且友好的文件处理器”的热门 data.table 包极其好用、易于上手。其 fread() 函数旨在直接从规则的分隔文件导入数据到 R，无需绕路或繁琐步骤。

注意，此处“规则”指每一行必须拥有相同数量的列。例如：

该函数的优势之一在于，诸如 sep、colClasses 与 nrows 等控制参数可自动检测。并且，bit64::integer64 类型也会被检测并直接读取，无需先作为字符再转换。

请记住，bit64::integer64 类型是 64 位整数：这些数字在计算机中以 64 位长度存储。默认通常为 32 位。由于能检测到 bit64::integer64 类型，系统知道它是数字，而不会先以字符读入再转为整数。

fread() 的一个示例：

library(data.table)
data <- fread("http://assets.datacamp.com/blog_assets/chol.txt")
data
技术支持

##      AGE HEIGHT WEIGHT CHOL  SMOKE BLOOD  MORT
##   1:  20    176     77  195 nonsmo     b alive
##   2:  53    167     56  250 sigare     o  dead
##   3:  44    170     80  304 sigare     a  dead
##   4:  37    173     89  178 nonsmo     o alive
##   5:  26    170     71  206 sigare     o alive
##  ---
## 196:  35    174     57  222   pipe     a alive
## 197:  38    172     91  227 nonsmo     b alive
## 198:  26    170     60  167 sigare     a alive
## 199:  39    165     74  259 sigare     o alive
## 200:  49    178     81  275   pipe     b alive
技术支持

注意，使用 fread() 读入数据会返回一个 data.table：

str(data)
技术支持

## Classes 'data.table' and 'data.frame':   200 obs. of  7 variables:
##  $ AGE   : int  20 53 44 37 26 41 39 28 33 39 ...
##  $ HEIGHT: int  176 167 170 173 170 165 174 171 180 166 ...
##  $ WEIGHT: int  77 56 80 89 71 62 75 68 100 74 ...
##  $ CHOL  : int  195 250 304 178 206 284 232 152 209 150 ...
##  $ SMOKE : chr  "nonsmo" "sigare" "sigare" "nonsmo" ...
##  $ BLOOD : chr  "b" "o" "a" "o" ...
##  $ MORT  : chr  "alive" "dead" "dead" "alive" ...
##  - attr(*, ".internal.selfref")=<externalptr>
技术支持

这与 read.table() 不同，后者会创建数据框。

关于数据框与 data.table 的差异，详见这里。简而言之，最重要的一点是：所有 data.table 也是 data.frame。data.table 可传递给只接受 data.frame 的包，该包可以对 data.table 使用 [.data.frame 语法。更多 data.table 内容见这里。

library(data.table)
data <- fread("http://assets.datacamp.com/blog_assets/chol.txt",
              sep=auto,
              nrows = -1,
              na.strings = c("NA","N/A",""),
              stringsAsFactors=FALSE
              )
技术支持

注意，输入也可以是本地文件，而非 URL。另请注意，许多参数与您在 read.table() 中使用的相同。

提示：想更深入了解 data.table？也许我们的课程Data Analysis In R, The data.table Way会对您有帮助！在Matt Dowle 与 Arun Srinivasan 的指导下，您将迅速从 data.table 新手成长为专家。

使用 `ff` 包导入大型数据集

ff 包支持“将大型数据以内存高效的方式存储在磁盘上，并提供快速访问函数”。当您查阅将大数据读入数据框的讨论时，它经常被提及，例如这里。

如果要将分隔的纯文本文件导入 ff 数据框，可像使用 read.table() 及其变体或便捷封装（已在先前博文介绍）那样，使用 read.table.ffdf()、read.csv.ffdf()、read.csv2.ffdf()、read.delim.ffdf() 或 read.delim2.ffdf()：

bigdata <- read.table.ffdf(file="<Path to file>",
                           nrows=n)
技术支持

注意，第一个参数可以为 NULL（如本例）或指定一个可选的 ffdf 对象，读取的记录将追加到该对象。详情请见这里。随后，通过 file 参数指定要读取数据的文件；您也可以通过 nrows 指定读取的最大行数（与 read.table() 相同！）。

您还可以进一步指定文件编码、因子水平，或用于读取每个分块的函数名：

library(ff)
bigdata <- read.table.ffdf(file="<Path to file>",
                           nrows=n,
                           fileEncoding="",
                           levels=NULL,
                           FUN="read.table")
技术支持

提示：read.table.ffdf()、read.csv.ffdf()、read.csv2.ffdf()、read.delim.ffdf() 与 read.delim2.ffdf() 可用的更多参数见这里。

使用 `bigmemory` 导入大型数据集

另一个在“大数据 + R”相关搜索中常出现的包是 bigmemory。它可“通过共享内存与内存映射文件管理海量矩阵”。

注意，该包无法在 Windows 上使用：暂无 Windows 二进制文件。

library(bigmemory)
bigdata <- read.big.matrix(filename="<File name>",
                           sep="",
                           header=TRUE,
                           skip=2)
技术支持

通常先将文件名传入函数，然后可开始指定其他选项，如分隔符、是否包含表头、在开始读取前跳过的行数，分别通过 sep、header 与 skip 参数设置。

注意，以上仅为少数示例！read.big.matrix() 还能接受更多参数！如需了解更多，请阅读文档。

使用 `sqldf` 将大型数据集读入 R

sqldf 也是处理大型数据集时可考虑的包。它允许“在 R 中执行 SQL 查询”，其中 read.csv.sql() 尤其适用于在将文件读入 R 时，以 SQL 语句筛选，这样只有部分数据会被 R 处理：

library(sqldf)
bigdata <- read.csv.sql(file="<Path to your file>",
                        sql="select * from file where ...",
                        colClasses=c("character",
                                     rep("numeric",10)))
技术支持

注意，上述示例与其他导入大型数据集的函数非常相似，唯一的不同是传给 read.csv.sql() 的第二个参数是 SQL 语句。您在 SQL 查询中引用的表来自于 file 参数指定的文件。

提示：关于 sqldf 的更多信息，可观看该视频教程，或阅读这篇文字概览。

使用 `read.table()` 导入大型数据集

您可以使用“标准”的 read.table() 导入数据，但相比专为大数据设计的包，这可能更耗时。关于 read.table() 的用法，请回到我们的第一篇文章。

为加快该函数，您可以自行做些优化，即为常用的 read.table() 添加一些参数，示例如下：

df <- read.table("<Path to your file>",
                 header = FALSE,
                 sep="",
                 quote = "",
                 na.strings = "EMPTY",
                 colClasses = c("character", "numeric", "factor"),
                 strip.white = TRUE,
                 comment.char="",
                 stringsAsFactors = FALSE,
                 nrows = n
                 )
技术支持

注意：

首先传入（路径加）文件名，具体取决于您是否已将工作目录设置为文件所在的文件夹。
然后使用 header 指示文件首行是否包含变量名。本例中为否。
通过 sep 将字段分隔符设置为 /；即文件每行的值由该字符分隔。
接着您可以选择启用或禁用引用。本例中 quote=""，表示禁用。
同时定义数据集中字符串 “EMPTY” 视为 NA 值。
然后定义列的类型：第一列为字符，第二列为数值，最后一列为因子。
设置 strip.white 以移除未加引号的字符字段的首尾空格；仅当使用了 sep 参数时适用！
当 comment.char 设为 "" 时，关闭注释解释。
不希望将字符转换为因子！因此设置了 colClasses，并进一步通过 stringsAsFactors = FALSE 进行确认。
提示：该参数与 colClasses、comment.char 一样，是顺利导入数据时较重要的参数！
最后，设置要读取的最大行数。

提示：关于 read.table() 所有可传入参数的更多信息，强烈建议阅读我们关于在 R 中读取 Excel 文件的文章。

使用 `readr` 包导入大型数据集

readr 也是导入大型数据集的快速选择之一，它允许像 read.table 一样读取表格型文本数据。但 readr 提供了“若干替代函数，具备额外功能且速度更快”（见这里）。

df <- read_table("<Path to your file>",
                 col_names=TRUE)
技术支持

注意，readr 还提供 read_csv()、read_csv2()、read_delim()、read_fwf()、read_tsv() 等函数，这些都比原版更快！详情见这里。

提示：关于该包的更多信息可在这个 GitHub 页面找到。

关于在 R 中处理大数据的一些备注

若需更多在 R 中处理大数据的技巧，建议查看这条 StackOverflow 讨论，其中既涉及包，也包含如将数据存为二进制格式、使用 saveRDS/readRDS，或针对 HDF5 格式使用 rhdf5 等建议。

注意，最后这种文件格式已在上文介绍，且除上文提到的包外，还有许多其他包。例如，用于连接数据库的包（如 RODBC 与 MonetDB.R）也可轻松用于处理更大的数据集；另外在直接处理存储于多种数据库中的数据时，dplyr 也非常有价值。

提示：对在 R 中进行数据整理感兴趣？不妨尝试我们的dplyr 互动课程！在 Garrett Grolemund 的指导下，您将学习如何使用 dplyr 完成复杂的数据操作任务。

别忘了看看这篇有趣的文章，其测试了上述部分包的加载性能！

使用 `rio` 包将数据导入 R

这把“数据输入/输出的瑞士军刀”让您在 R 中输入与输出数据更轻松！几乎可以对任何文件格式进行输入或输出：安装 rio 包时，您其实是将许多独立的数据读取包汇集于一处。之后，进行数据输入或输出时，只需记住两个函数：import() 与 export()：rio 会依赖独立的数据读取包，通过文件扩展名推断数据结构、原生读取基于网络的数据源，并为导入与导出设置合理的默认值。

简而言之，rio 支持广泛、常用的导入与导出文件类型。

使用 rio 导入文件的方法如下：

library(rio)
data <- import("<Path to your file>")
技术支持

若想查看 rio 支持的具体文件格式，请访问此页面。

结束语

如果您对在 R 中处理大数据感兴趣，务必查看 DataCamp 的课程：How To Work With Quandl in R 与 “Big Data Analysis With Revolution R Enterprise”！

主题

R 数据科学