30.关于readr包里的read系列函数

【上一篇：29.关于tibble和data.frame之二】
【下一篇：31.readr包里read系列函数的全部参数解析】

    read系列函数的作用是将外部数据输入到R中。
    强调：本篇主要讲的是readr包里的read系列函数，不是base R中的read系列函数，两种是不一样的。更推荐使用readr包里的read系列函数的原因有大致以下几点：
    1. readr包里的read系列函数比base R里的读取速度快(~10倍)，而且对运行时间较长的数据，这些函数还可以显示进度条。
    2. readr包里的read系列函数返回一个tibble，不会改变数据类型（尤其是将字符向量变成因子这种，在base R的read系列函数里最让初学者头疼了），还可以直接用参数指定列名。base R的read系列函数返回的是传统的dataframe。
    3. base R中的函数继承了一些操作系统和环境变量的行为，所以在平台或系统间的移植性有些不好。readr包里的就没有这个问题。

    base R中的read系列函数包括：read.table()、read.csv()、read.csv2()、read.delim()、read.delim2()、read.fwf()等。
    readr包里的read系列函数包括：read_table()、read_table2()、read_csv()、read_csv2()、read_tsv()、read_delim()、read_fwf()、read_log()等。
    不管是base R中还是readr包中的read系列函数，他们各自都有相似的语法：第一个参数是要读取的文件，然后是其他的参数。

read_csv()：读以 逗号 分割的文件
read_csv2()：读以 分号 分割、以 表示小数点的文件（这些文件格式在一些欧洲国家用得很普遍）
read_tsv()：读以制表符(Tab)分割的文件
read_delim()：读以指定分隔符分割的文件，有个delim是用来指定分割符的
read_table()：读以一个或多个空白符分割的文件
read_table2()：读以一个或多个空白符分割的文件，与read_table()的区别。
read_fwf()：读以固定宽度分割的文件
read_log()：Read common/combined log file into a tibble

    下面开始讲readr包里的read系列函数。
    readr包是tidyverse的一部分，所以在使用readr包系列函数之前需要先：library(tidyverse)。
    首先是第一个参数，第一个参数是要读取的文件，可以是一个文件（文件也可以是.gz, .bz2, .xz, or .zip压缩格式的，函数会自动解压，所以不需要提前解压，省事省空间），也可以是一个链接，要以http://、https://、ftp://或者 ftps://开头，此时会先自动下载，当然远程文件是压缩格式的也会下载后自动解压的。还可以是literal data，这种数据主要是用来简单举个例子和测试的。
    啥是literal data?举个例子：

# 用换行符分割每一行，每一行的内容元素是用逗号分割
# 输出结果默认将第一行认为是列名
example <- read_csv("a,b,c
1,2,3
4,5,6
")
# 等价于
example<-read_csv("a,b,c\n1,2,3\n4,5,6")
# 输出结果是：
# A tibble: 2 x 3
      a     b     c
  <dbl> <dbl> <dbl>
1     1     2     3
2     4     5     6

    用read_csv()函数举例说明一些用法和参数：

# 读一个文件之后，打印出来的Column specification信息是tibble的列名和列的数据类型
> read_csv(readr_example("mtcars.csv"))

-- Column specification ------------------------------------------------------
cols(
  mpg = col_double(),
  cyl = col_double(),
  disp = col_double(),
  hp = col_double(),
  drat = col_double(),
  wt = col_double(),
  qsec = col_double(),
  vs = col_double(),
  am = col_double(),
  gear = col_double(),
  carb = col_double()
)

# A tibble: 32 x 11
     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1  21       6  160    110  3.9   2.62  16.5     0     1     4     4
 2  21       6  160    110  3.9   2.88  17.0     0     1     4     4
 3  22.8     4  108     93  3.85  2.32  18.6     1     1     4     1
 4  21.4     6  258    110  3.08  3.22  19.4     1     0     3     1
 5  18.7     8  360    175  3.15  3.44  17.0     0     0     3     2
 6  18.1     6  225    105  2.76  3.46  20.2     1     0     3     1
 7  14.3     8  360    245  3.21  3.57  15.8     0     0     3     4
 8  24.4     4  147.    62  3.69  3.19  20       1     0     4     2
 9  22.8     4  141.    95  3.92  3.15  22.9     1     0     4     2
10  19.2     6  168.   123  3.92  3.44  18.3     1     0     4     4
# ... with 22 more rows

    下面几个参数可以解决实际中遇到的~75%的问题：

1) skip：skip=n指定跳过输入文件的前n行
2) comment：例如comment="#"表示以"#"开头的行都被认为是注释行，读的时候会忽略这些行。
3) na：默认是na=c(""，"NA")，指定一些字符，则函数会将这些字符解析为missing values
4) col_names：col_names参数可以为逻辑值，也可以是向量，默认是TRUE，表示将第一行视为列名
如果是FLASE，则自动命名列名为X1..Xn：
read_csv("1,2,3\n4,5,6", col_names = FALSE)
# A tibble: 2 x 3
     X1    X2    X3
  <dbl> <dbl> <dbl>
1     1     2     3
2     4     5     6
如果指定的是字符串向量，则表示要为tibble指定列名：
> read_csv("1,2,3\n4,5,6", col_names = c("x", "y", "z"))
# A tibble: 2 x 3
      x     y     z
  <dbl> <dbl> <dbl>
1     1     2     3
2     4     5     6

    下篇详细看readr包里read系列函数的参数。

【上一篇：29.关于tibble和data.frame之二】
【下一篇：31.readr包里read系列函数的全部参数解析】