Hur man exporterar data från R till CSV, Excel

Hur man exporterar data från R

I den här handledningen kommer vi att lära oss hur man exporterar data från R-miljön till olika format.

För att exportera data till hårddisken behöver du filsökvägen och ett tillägg. Först och främst är sökvägen platsen där data kommer att lagras. I den här handledningen kommer du att se hur du lagrar data på:

• Hårddisken
• Google Drive
• Dropbox

För det andra tillåter R användarna att exportera data till olika typer av filer. Vi täcker den väsentliga filens tillägg:

• csv
• xlsx
• RDS
• SAS
• SPSS
• STATA

Sammantaget är det inte svårt att exportera data från R.

Exportera till hårddisk

Till att börja med kan du spara data direkt i arbetskatalogen. Följande kod skriver ut sökvägen till din arbetskatalog:

directory <-getwd()
directory

Produktion:

## [1] "/Users/15_Export_to_do"

Som standard kommer filen att sparas i sökvägen nedan.

För Mac OS:

/Users/USERNAME/Downloads/

För Windows:

C:\Users\USERNAME\Documents\

Du kan naturligtvis välja en annan väg. Du kan till exempel ändra sökvägen till nedladdningsmappen.

Skapa dataram

Först och främst, låt oss importera mtcars dataset och få medelvärdet av mpg och disp grupperade efter redskap.

library(dplyr)
df <-mtcars % > %
    select(mpg, disp, gear) % > %
    group_by(gear) % > %
    summarize(mean_mpg = mean(mpg), mean_disp = mean(disp))
df

Produktion:

## # A tibble: 3 x 3
##	gear mean_mpg mean_disp
##	<dbl>	<dbl>	lt;dbl>
## 1	3 16.10667  326.3000
## 2 	4 24.53333  123.0167
## 3	5 21.38000  202.4800

Tabellen innehåller tre rader och tre kolumner. Du kan skapa en CSV-fil med funktionen write.csv i R.

Hur man exporterar en dataram till en CSV-fil i R

Den grundläggande syntaxen för write.csv i R för att exportera DataFrame till CSV i R:

write.csv(df, path)
arguments
-df: Dataset to save. Need to be the same name of the data frame in the environment.
-path: A string. Set the destination path. Path + filename + extension i.e. "/Users/USERNAME/Downloads/mydata.csv" or the filename + extension if the folder is the same as the working directory

Exempelvis:

write.csv(df, "table_car.csv")

Kodförklaring

• write.csv(df, “table_car.csv”): Skapa en CSV-fil på hårddisken:
  • df: namnet på dataramen i miljön
  • "table_car.csv": Namnge filen table_car och lagra den som csv

Anmärkningar: Du kan använda funktionen write.csv i R som write.csv2() för att separera raderna med semikolon för R-export till csv-data.

write.csv2(df, "table_car.csv")

Anmärkningar: Endast för pedagogiska ändamål skapade vi en funktion som heter open_folder() för att öppna katalogmappen åt dig. Du behöver bara köra koden nedan och se var csv-filen är lagrad. Du bör se ett filnamn table_car.csv för data R-export till csv.

# Run this code to create the function
open_folder <-function(dir){
	if (.Platform['OS.type'] == "windows"){
	shell.exec(dir)  
	} else {
	system(paste(Sys.getenv("R_BROWSER"), dir))
  }
}
# Call the function to open the folder
open_folder(directory)

Hur man exporterar en data från R till Excel-fil

Nu kommer vi att lära oss hur man exporterar data från R till Excel:

Exportera data från R till Excel är trivialt för Windows användare och svårare för Mac OS-användare. Båda användarna kommer att använda biblioteket xlsx för att skapa en Excel-fil. Den lilla skillnaden kommer från installationen av biblioteket. Faktum är att biblioteket xlsx använder Java för att skapa filen. Java måste installeras om den inte finns i din maskin för Data R-export till Excel.

Windows användare

Om du är en Windows användare kan du installera biblioteket direkt med conda för att exportera dataram till excel R:

conda install -c r r-xlsx

När biblioteket har installerats kan du använda funktionen write.xlsx(). En ny Excel-arbetsbok skapas i arbetskatalogen för R-export till Excel-data

library(xlsx)
write.xlsx(df, "table_car.xlsx")

Om du är en Mac OS-användare måste du följa dessa steg:

• Steg 1: Installera den senaste versionen av Java
• Steg 2: Installera bibliotek rJava
• Steg 3: Installera biblioteket xlsx

Steg 1) Du kan ladda ner Java från tjänstemannen Oracle webbplats och installera den.

Du kan gå tillbaka till Rstudio och kontrollera vilken version av Java är installerat.

system("java -version")

Vid tidpunkten för handledningen, den senaste versionen av Java är 9.0.4.

Steg 2) Du måste installera rjava i R. Vi rekommenderar dig att installera R och Rstudio med Anaconda. Anaconda hanterar beroenden mellan biblioteken. I denna mening kommer Anaconda att hantera krångligheterna i rJava installation.

Först och främst måste du uppdatera conda och sedan installera bibliotek. Du kan kopiera och klistra in de nästa två raderna kod i terminalen.

conda - conda update
conda install -c r r-rjava

Öppna sedan rjava i Rstudio

library(rJava)

Steg 3) Äntligen är det dags att installera xlsx. Återigen kan du använda Conda att göra det:

conda install -c r r-xlsx

Precis som Windows-användare kan du spara data med funktionen write.xlsx()

library(xlsx)

Produktion:

## Loading required package: xlsxjars

write.xlsx(df, "table_car.xlsx")

Exportera data från R till annan programvara

Att exportera data till olika program är lika enkelt som att importera dem. Biblioteket "tillflyktsort" ger ett bekvämt sätt att exportera data till

• SPSS
• sas
• var

Importera först och främst biblioteket. Om du inte har "tillflyktsort" kan du gå här. att installera det.

library(haven)

SPSS-fil

Nedan är koden för att exportera data till SPSS-programvara:

write_sav(df, "table_car.sav")

Exportera data från R till SAS-fil

Lika enkelt som spss kan du exportera till sas

write_sas(df, "table_car.sas7bdat")

Hur man exporterar data från R till STATA-fil

Slutligen tillåter haven bibliotek att skriva .dta-fil.

write_dta(df, "table_car.dta")

R

Om du vill spara en dataram eller något annat R-objekt kan du använda funktionen save().

save(df, file ='table_car.RData')

Du kan kontrollera filerna som skapats ovan i den nuvarande arbetskatalogen

Interagera med molntjänsterna

Sist men inte minst, R är utrustad med fantastiska bibliotek för att interagera med molntjänsterna. Den sista delen av denna handledning handlar om export/import av filer från:

• Google Drive
• Dropbox

Anmärkningar: Den här delen av handledningen förutsätter att du har ett konto hos Google och Dropbox. Om inte kan du snabbt skapa en för – Google Drive: https://accounts.google.com/SignUp?hl=en - Dropbox: https://www.dropbox.com/h

Google Drive

Du måste installera biblioteket googledrive för att komma åt funktionen som tillåter att interagera med Google Drive.

Biblioteket är ännu inte tillgängligt på Anaconda. Du kan installera den med koden nedan i konsolen.

install.packages("googledrive")

och du öppnar biblioteket.

library(googledrive)

För icke-conda-användare är det enkelt att installera ett bibliotek, du kan använda funktionen install.packages('NAME OF PACKAGE) med namnet på paketet inom parentes. Glöm inte ' '. Observera att R ska installera paketet i `libPaths() automatiskt. Det är värt att se det i aktion.

Ladda upp till Google Drive

För att ladda upp en fil till Google Drive måste du använda funktionen drive_upload().

Varje gång du startar om Rstudio kommer du att bli ombedd att tillåta åtkomst tidyverse till Google Drive.

Den grundläggande syntaxen för drive_upload() är

drive_upload(file, path = NULL, name = NULL)
arguments:
- file: Full name of the file to upload (i.e., including the extension)
- path: Location of the file- name: You can rename it as you wish. By default, it is the local name.

När du har startat koden måste du bekräfta flera frågor

drive_upload%<("table_car.csv", name ="table_car")

Produktion:

## Local file: 
## * table_car.csv 
## uploaded into Drive file: 
## * table_car: 1hwb57eT-9qSgDHt9CrVt5Ht7RHogQaMk 
## with MIME type: 
## * text/csv

Du skriver 1 i konsolen för att bekräfta åtkomsten

Sedan omdirigeras du till Google API för att tillåta åtkomst. Klicka på Tillåt.

När autentiseringen är klar kan du avsluta din webbläsare.

I Rstudios konsol kan du se sammanfattningen av steget som gjorts. Google laddade upp filen lokalt på Drive. Google tilldelade ett ID till varje fil i enheten.

Du kan se den här filen i Google Spreadsheet.

drive_browse("table_car")

Produktion:

Du kommer att omdirigeras till Google Spreadsheet

Importera från Google Drive

Ladda upp en fil från Google Drive med ID är bekvämt. Om du känner till filnamnet kan du få dess ID enligt följande:

Anmärkningar: Beroende på din internetanslutning och storleken på din Drive tar det tid.

x <-drive_get("table_car")
as_id(x)

Du lagrade ID:t i variabeln x. Funktionen drive_download() tillåter nedladdning av en fil från Google Drive.

Den grundläggande syntaxen är:

drive_download(file, path = NULL, overwrite = FALSE)
arguments:
- file:  Name or id of the file to download
-path: Location to download the file. By default, it is downloaded to the working directory and the name as in Google Drive
-overwrite = FALSE: If the file already exists, don't overwrite it. If set to TRUE, the old file is erased and replaced by the new one.

Äntligen kan du ladda ner filen:

download_google & lt; - drive_download(as_id(x), overwrite = TRUE)

Kodförklaring

• drive_download(): Funktion att ladda ner en fil från Google Drive
• as_id(x): Använd ID för att bläddra i filen Google Drive
• overwrite = TRUE: Om filen finns, skriv över den, annars stoppas körningen För att se namnet på filen lokalt kan du använda:

Produktion:

Filen lagras i din arbetskatalog. Kom ihåg att du måste lägga till filtillägget för att öppna den i R. Du kan skapa hela namnet med funktionen paste() (dvs. table_car.csv)

google_file <-download_google$local_path
google_file
path <-paste(google_file, ".csv", sep = "")
google_table_car <-read.csv(path)
google_table_car

Produktion:

##   X gear mean_mpg mean_disp
## 1 1    3 16.10667  326.3000
## 2 2    4 24.53333  123.0167
## 3 3    5 21.38000  202.4800

Slutligen kan du ta bort filen från din Google Drive.

## remove file
drive_find("table_car") %>%drive_rm()

Produktion:

Det är en långsam process. Tar tid att radera

Exportera till Dropbox

R interagerar med Dropbox via rdrop2-biblioteket. Biblioteket finns inte heller tillgängligt på Anaconda. Du kan installera den via konsolen

install.packages('rdrop2')

library(rdrop2)

Du måste ge tillfällig åtkomst till Dropbox med din legitimation. Efter att identifieringen är gjord kan R skapa, ta bort uppladdning och ladda ner till din Dropbox.

Först och främst måste du ge åtkomst till ditt konto. Inloggningsuppgifterna cachelagras under hela sessionen.

drop_auth()

Du kommer att omdirigeras till Dropbox för att bekräfta autentiseringen.

Du kommer att få en bekräftelsesida. Du kan stänga den och återgå till R

Du kan skapa en mapp med funktionen drop_create().

• drop_create('my_first_drop'): Skapa en mapp i den första grenen av Dropbox
• drop_create('First_branch/my_first_drop'): Skapa en mapp i den befintliga First_branch-mappen.

drop_create('my_first_drop')

Produktion:

I DropBox

För att ladda upp .csv-filen till din Dropbox, använd funktionen drop_upload().

Grundläggande syntax:

drop_upload(file, path = NULL, mode = "overwrite")
arguments:
- file: local path
- path: Path on Dropbox 
- mode = "overwrite":  By default, overwrite an existing file. If set to `add`, the upload is not completed.

drop_upload('table_car.csv', path = "my_first_drop")

Produktion:

På DropBox

Du kan läsa csv-filen från Dropbox med funktionen drop_read_csv()

dropbox_table_car <-drop_read_csv("my_first_drop/table_car.csv")
dropbox_table_car

Produktion:

##   X gear mean_mpg mean_disp
## 1 1    3 16.10667  326.3000
## 2 2    4 24.53333  123.0167
## 3 3    5 21.38000  202.4800

När du är klar med filen och vill radera den. Du måste skriva sökvägen till filen i funktionen drop_delete()

drop_delete('my_first_drop/table_car.csv')

Produktion:

Det är också möjligt att ta bort en mapp

drop_delete('my_first_drop')

Produktion:

Sammanfattning

Vi kan sammanfatta alla funktioner i tabellen nedan

Bibliotek	Mål	Funktion
bas	Exportera csv	write.csv()
xlsx	Exportera excel	write.xlsx()
hamn	Exportera spss	write_sav()
hamn	Exportera sas	write_sas()
hamn	Exportera statistik	write_dta()
bas	Exportera R	spara()
google drive	Ladda Google Drive	drive_upload()
google drive	öppna i Google Drive	drive_browse()
google drive	Hämta fil-ID	drive_get(as_id())
google drive	Ladda ner från Google Drive	download_google()
google drive	Ta bort filen från Google Drive	drive_rm()
rdrop2	autentisering	drop_auth()
rdrop2	Skapa en mapp	drop_create()
rdrop2	Ladda upp till Dropbox	drop_upload()
rdrop2	Läs csv från Dropbox	drop_read_csv
rdrop2	Ta bort fil från Dropbox	drop_delete()