خواندن داده‌ها در R
1402/06/14
دسترسی سریع
خواندن داده‌ها در R
برای خواندن داده‌ها، بسته به نوع فایلی که داده‌ها در آن ذخیره شده است به روش‌های زیر عمل می‌کنیم:
١) فایل داده‌ها با فرمت متنی یا فایل txt:
فرمت کلی (البته با در نظر گرفتن برخی فیلدهای مربوط به این دستور) به قرار ذیل است:
read.table("آدرس و نام مجموعه داده ",header=True,sep=","
,stringsAsFactor=True, na.string ="!")
در توضیح دستور فوق باید گفت که در قسمت آدرس باید آدرس مجموعه داده و فرمت آن را مشخص کرد که در اینجا به فرمت txt است.
اگر مجموعه داده، حاوی نام برای مجموعه داده است، در این صورت بخش دوم به صورت header =TRUE در نظر گرفته می‌شود.
اگر در مجموعه داده فوق، داده‌ها با کاراکتری خاص از هم جدا شده باشند، مثلاً با کاراکتر, آنگاه مشخص می‌کنیم که کاراکتر جدا کننده داده‌ها از هم همان , است و بنابراین ","=sep است.
در صورتی که بخواهیم متغیرهای متنی را به صورت عوامل در نظر بگیریم، باید stringAsFactor را TRUE در نظر گرفت.
در صورتی که داده‌های گمشده با کاراکتری خاص در مجموعه داده مشخص شده باشند، مثلاً با علامت !، مشخص می‌کنیم که "!"= na.string .
به طور مثال اگر فایل متنی به صورت a.txt داشته باشیم و آدرس آن به صورت
C:/Users/Ali/Desktop باشد، برای خواندن دستور زیر را می نویسیم:
read.table("C:/Users/Ali/Desktop/a.txt",header=True,sep=","
,stringsAsFactor=True, na.string ="!")
را تایپ و اجرا می‌کنیم.
٢) فایل مجموعه داده‌ها با مقادیر جدا شده توسط کاما یا فایل csv:
این فرمت، رایج ترین فرمت مجموعه داده است و با اغلب پکیج‌های آماری و برنامه‌های مدیریت داده و صفحات گسترده چون excel، سازگار است.
در این مجموعه داده هر خط نمایانگر یک سطر از داده هاست که این سطر حاوی داده‌های گسترده و جدا شده با کاما است. فراخوانی داده های به این فرمت مانند فرمت متن است.
برای فایل Excel می توان ابتدا Sheet های موجود در فایل Excel که مورد نیاز نیستند را حذف کرده سپس این فایل را با فرمت csv از بخش Save As، File کنیم.
حال مانند فایل متن دستور مشابه را اجرا می کنیم البته با این تفاوت که به جای a.txt باید نام فایل مورد نظر و پسوند فایل که در اینجا csv است را نوشته و همچنین ابتدای دستور بجای read.table می‌نویسیم read.csv و دستور را اجرا می‌کنیم.
نظرات
هیچ نظری وجود ندارد.
افزودن نظر
Sitemap
Copyright © 2017 - 2023 Khavarzadeh®. All rights reserved