Adatainkat sokféleképpen importálhatjuk, ezek közül mutatunk néhányat példát:
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 |
# ha csv (comma separeted values) formátumba vannak az adatok # a header=TRUE csak akkor szükséges, ha fejléc is van df<-read.csv("sample.csv", header=TRUE) # ha egy sima txt-ben vannak az adatok és tabulator a szeparatorunk ("\t") df<−read.table("sample.txt",header=TRUE,sep="\t") # ha xlsx-ben tároljuk az adatokat, akkor egy lehetséges megoldás, hogy # először behívjuk az XLConnect csomagot # betöltjük az xlsx fájlt, majd végül az adott munkalapot library(XLConnect) wb<-loadWorkbook("sample.xlsx", create = FALSE) df<-readWorksheet(wb, sheet = "Sheet1") # ha json (JavaScript Object Notation) formátumba vannak rendezve az adatok: library(rjson) df<-fromJSON(file="sample.json") # ha mysql adatbázisban vannak az adataink # akkor a RMySQL lehet a segítségünkre library(RMySQL) mydb<-dbConnect(MySQL(),user="root",password="pass",dbname="sampleDB",host="localhost") df<-dbReadTable(mydb, "adattabla_neve") |
Felhasznált adatok:
Természetesen ezek mellett még számos más lehetőség is van 🙂
Via bior.hu
