Brett Lantz展示了如何使用ROne来管理数据，同时处理大量数据集涉及收集，准备和管理来自各种数据的数据……

使用大量数据集时面临的挑战之一涉及收集，准备和管理来自各种来源的数据。本文重点介绍了将数据导入和导出R的基本功能。

基础R数据结构是向量，它被扩展并组合成更复杂的数据类型，例如列表和数据帧。数据帧是R数据结构，其对应于具有特征和示例的数据集的概念。 R提供了将数据帧读取和写入类似电子表格的表格数据文件的功能。

本文摘自Brett Lantz撰写的“机器学习与R，第三版”一书。本书提供了一本实用的，可读的指南，用于将机器学习应用于实际问题。无论您是经验丰富的R用户还是该语言的新用户，本书都会向您传授所需的一切，以发现关键见解，进行新的预测并可视化您的发现。

保存，加载和删除R数据结构

当您花费大量时间将数据框转换为所需的表单时，每次重新启动R会话时都不需要重新创建工作。要将数据结构保存到以后可以重新加载或传输到另一个系统的文件，请使用save（）函数。 save（）函数将一个或多个R数据结构写入file参数指定的位置。 R数据文件具有.RData扩展名。

假设您有三个名为x，y和z的对象要保存到永久文件中。无论它们是向量，因子，列表还是数据框，都可以使用以下命令将它们保存到名为mydata.RData的文件中：

> save（x，y，z，file =“mydata.RData”）

load（）命令可以重新创建已保存到.RData文件的任何数据结构。要加载在前面的代码中创建的mydata.RData文件，只需键入：

> load（“mydata.RData”）

这将在R环境中重新创建x，y和z数据结构。

注意：小心你装的是什么使用load（）命令导入的文件中存储的所有数据结构都将添加到工作区，即使它们覆盖了您正在处理的其他内容。

如果需要快速盘点R会话，save.image（）命令会将整个会话写入一个简单的.RData文件。默认情况下，R将在您下次启动R时查找此文件，您的会话将像您离开时一样重新创建。

在R会话中工作一段时间后，您可能已经增持了许多数据结构。列表函数ls（）返回当前在内存中的所有数据结构的向量。例如，如果您一直关注本章中的代码，则ls（）函数将返回以下内容：

> ls（）（1）“血液”“flu_status”“性别”“m”（5）“subject_name”“subject1”“症状”（9）“温度”

R在退出会话时自动清除内存中的所有数据结构，但对于大型对象，您可能希望尽快释放内存。删除函数rm（）可用于此目的。例如，要消除m和subject1对象，只需键入：

> rm（m，subject1）

rm（）函数也可以提供要删除的对象名称的字符向量。这与ls（）函数一起使用以清除整个R会话。

> rm（list = ls（））

执行上述代码时要非常小心，因为在删除对象之前不会提示您

从CSV文件导入和保存数据

公共数据集通常存储在文本文件中。几乎可以在任何计算机或操作系统上读取文本文件，这使得该格式几乎是通用的。它们还可以从Microsoft Excel等程序导出和导入，从而提供了一种使用电子表格数据的快捷方式。

表格（如“表格”中）数据文件以矩阵形式构造，使得每行文本反映一个示例，并且每个示例具有相同数量的特征。每行上的特征值由称为分隔符的预定义符号分隔。通常，表格数据文件的第一行列出数据列的名称。这称为标题行。

也许最常见的表格文本文件格式是逗号分隔值（CSV）文件，顾名思义，它使用逗号作为分隔符。 CSV文件可以导入许多常见应用程序并从中导出。表示先前构建的医疗数据集的CSV文件可以存储为：

subject_name，温度，flu_status，性别，血型John Doe，98.1，FALSE，MALE，O Jane Doe，98.6，FALSE，FEMALE，AB Steve Graves，101.4，TRUE，MALE，A

给定位于R工作目录中的名为pt_data.csv的患者数据文件，可以按如下方式使用read.csv（）函数将文件加载到R：

> pt_data < – read.csv（“pt_data.csv”，stringsAsFactors = FALSE）

这会将CSV文件读入标题为pt_data的数据框中。正如我们之前在构造数据框时所做的那样，我们需要使用stringsAsFactors = FALSE参数来阻止R将所有文本变量转换为因子。除非您确定CSV文件中的每一列都是真正的因素，否则最好由您执行此步骤，而不是R。

注意：如果数据集位于R工作目录之外，则在调用read.csv（）函数时可以使用CSV文件的完整路径（例如“/path/to/mydata.csv”）。

默认情况下，R假定CSV文件包含一个标题行，列出数据中心化要素的名称。如果CSV文件没有标题，请指定选项header = FALSE，如以下命令所示，R将通过将它们编号为V1，V2等来指定默认功能名称：

> mydata < – read.csv（“mydata.csv”，stringsAsFactors = FALSE，header = FALSE）

read.csv（）函数是read.table（）函数的一个特例，它可以以多种不同的形式读取表格数据，包括其他分隔格式，例如制表符分隔值（TSV）。有关read.table（）函数系列的更多详细信息，请参阅使用？read.table命令的R帮助页面。

要将数据框保存为CSV文件，请使用write.csv（）函数。如果您的数据框名为pt_data，只需输入：

> write.csv（pt_data，file =“pt_data.csv”，row.names = FALSE）

这会将名为pt_data.csv的CSV文件写入R工作文件夹。 row.names参数会覆盖R的默认设置，即在CSV文件中输出行名称。

结论

在本文中，我们了解了在R中管理数据的基础知识。我们首先了解用于在R中存储各种类型数据的结构以及如何保存它们。然后，我们继续以常用的CSV格式读取和写入数据。

现在我们花了一些时间来了解R的数据管理基础知识，您就可以开始使用机器学习来解决实际问题。为了进一步研究，你可以参考Brett Lantz的最新着作“机器学习与R，第三版”。

关于作者

Brett Lantz是DataCamp讲师，经常在世界各地的机器学习会议和研讨会上发表演讲。作为一名社会学家，布雷特在研究大型社交网络资料数据库时首先被机器学习所吸引。