本人从事农业科研工作，日常工作中涉及数据分析，绘图等，以往都是借助Excel进行简单的处理，从周围博士圈获悉R语言，也听说了它的强大，出于对于数据处理和可视化的需求，决定开始自学R语言，而作为计算机编程零基础，统计分析也学得不好的我，学习过程必然艰辛，自学过程中从网络公众号看到很多学习资料，受其启发，也想一边学一边做些笔记，现将自学R语言的点滴记录在此，以备自己巩固复习，也希望可以和自学R语言的朋友共同进步。作为开局篇，就从数据的读取和保存开始吧。
示例为本人试验数据，数据结构为2个年份（year: 2009,2010)，2个氮水平(nitrogen: 120,240)，6个种植模式(pattern: M/C, M/G, M/L, M/P, M/S, M/W)，测定指标(LER,MO,CO,IMY等)，试验设置3次重复(replicates)。数据共包括12列，72行，数据命名为mydata。
Excel中编辑的数据格式如下：
1 数据读取
1.1 通过复制Excel中数据来导入R
# 在Excel中复制数据，R studio中输入如下命令。mydata <- read.table("clipboard",header=T,colClasses = c("character","character","character","character","numeric","numeric","numeric","numeric"))#显示数据前6行。head(mydata)# 查看数据结构str(mydata)
1.2 读取TXT文件
# 查看工作目录getwd()# 读取txt文件数据，mydata.txt需放在工作目录下，header为表头，若有表头为TRUE，无表头为FALSE。sep为txt文件数据分隔符，这里mydata.txt数据有表头，分隔符为逗号mydata <- read.table('mydata.txt',header= TRUE, sep=",")
1.3 读取CSV文件
# 读取csv格式数据，若mydata.csv存放在工作目录下，可省去工作目录路径，若不在工作目录下，要写清楚路径。mydata <-read.csv2("D:/Documents/R study/mydata.csv", sep=",")# 通过选择框选择想要导入的csv数据。mydata <- read.csv(choose.files())
2 数据保存
2.1 数据导出
# 将数据导出为TXT文件，导出位置在工作目录下write.table(mydata,file="mydata.txt", sep =" ", row.names=TRUE, col.names =TRUE, quote =FALSE)# 将数据导出为CSV文件，导出位置在工作目录下write.csv(mydata, file ="mydata.csv", row.names = F)# 将数据保存到D盘Documents文件的Rstudy文件下，保存格式为R数据文件，文件名为mydata.Rdata。save(mydata,file="D:/Documents/Rstudy/mydata.Rdata")
好了，今天就总结到这里了，R还有很多数据导入方法，如通过R包导入；另外R还可导入其他统计软件数据，而本人学到的仅仅是冰山一角，其他方法有待于以后深入探究。
文章转载自ZJH的学习笔记，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
