آموزش خواندن فایل csv در زبان R

0 دیدگاه

در زبان R می‌توانیم داده‌ها را از فایل‌هایی که خارج از محیط R ذخیره شده‌اند بخوانیم. همچنین امکان نوشتن داده‌ها در فایل‌هایی وجود دارد که توسط سیستم‌عامل ذخیره و مدیریت می‌شوند. R قابلیت خواندن و نوشتن در قالب‌های مختلف فایل مانند ‎CSV، ‎Excel، ‎XML و غیره را دارد.

در این فصل می‌آموزیم چگونه داده‌ها را از یک فایل ‎CSV بخوانیم و سپس داده‌ها را در همان قالب ذخیره کنیم. فایل باید در دایرکتوری کاری جاری (Current Working Directory) موجود باشد تا R بتواند آن را بخواند. البته می‌توانیم دایرکتوری دلخواه خود را نیز تنظیم کرده و فایل‌ها را از آن مسیر بخوانیم.

دریافت و تنظیم دایرکتوری کاری

برای بررسی اینکه محیط R به کدام دایرکتوری اشاره می‌کند از تابع getwd() استفاده می‌کنیم. همچنین می‌توانیم با تابع setwd() دایرکتوری کاری جدیدی را تعیین کنیم.

# دریافت و چاپ دایرکتوری کاری جاری

print(getwd())

# تنظیم دایرکتوری کاری جاری

setwd("/web/com")

# دریافت و چاپ دایرکتوری کاری جاری

print(getwd())

وقتی کد بالا را اجرا می‌کنیم، نتیجه زیر را تولید می‌کند:

1 2	[1] "/web/com/1441086124_2016" [1] "/web/com"

این نتیجه به سیستم‌عامل و محل فعلی که در آن کار می‌کنید بستگی دارد.

ورودی به صورت فایل CSV در زبان R

فایل ‎CSV نوعی فایل متنی است که در آن مقادیر ستون‌ها با علامت ویرگول (,) از هم جدا می‌شوند. داده نمونه زیر در فایلی با نام input.csv قرار دارد.

می‌توانید این فایل را با استفاده از Notepad در ویندوز ایجاد کنید: داده‌ها را کپی و جای‌گذاری کنید و سپس با گزینه Save As → All files (.) آن را با نام ‎input.csv ذخیره کنید.

id,name,salary,start_date,dept

1,Rick,623.3,2012-01-01,IT

2,Dan,515.2,2013-09-23,Operations

3,Michelle,611,2014-11-15,IT

4,Ryan,729,2014-05-11,HR

5,Gary,843.25,2015-03-27,Finance

6,Nina,578,2013-05-21,IT

7,Simon,632.8,2013-07-30,Operations

8,Guru,722.5,2014-06-17,Finance

در اینجا یک نمونه ساده از استفاده از تابع read.csv() آورده شده است که یک فایل ‎CSV موجود در دایرکتوری کاری جاری را می‌خواند.

1 2	data <- read.csv("input.csv") print(data)

وقتی کد بالا را اجرا می‌کنیم، نتیجه زیر را تولید می‌کند:

id, name, salary, start_date, dept

1 1 Rick 623.30 2012-01-01 IT

2 2 Dan 515.20 2013-09-23 Operations

3 3 Michelle 611.00 2014-11-15 IT

4 4 Ryan 729.00 2014-05-11 HR

5 NA Gary 843.25 2015-03-27 Finance

6 6 Nina 578.00 2013-05-21 IT

7 7 Simon 632.80 2013-07-30 Operations

8 8 Guru 722.50 2014-06-17 Finance

تحلیل فایل CSV در زبان R

به‌طور پیش‌فرض، تابع read.csv() خروجی را به صورت یک Data Frame برمی‌گرداند. برای بررسی این موضوع و همچنین مشاهده تعداد ستون‌ها و ردیف‌ها می‌توان از کد زیر استفاده کرد:

data <- read.csv("input.csv")

print(is.data.frame(data))

print(ncol(data))

print(nrow(data))

وقتی کد بالا را اجرا می‌کنیم، نتیجه زیر را تولید می‌کند:

[1] TRUE

[1] 5

[1] 8

پس از خواندن داده در قالب Data Frame، می‌توانیم تمام توابع مرتبط با آن را که در بخش‌های بعدی توضیح داده می‌شود، به کار بگیریم.

به دست آوردن بیشترین حقوق

# ایجاد یک Data Frame

data <- read.csv("input.csv")

# استخراج بیشترین مقدار حقوق

sal <- max(data$salary)

print(sal)

وقتی کد بالا را اجرا می‌کنیم، نتیجه زیر را تولید می‌کند:

1	[1] 843.25

دریافت اطلاعات فرد با بیشترین حقوق

می‌توانیم ردیف‌هایی را که شرط خاصی دارند، مشابه عبارت WHERE در SQL انتخاب کنیم.

# ایجاد یک Data Frame

data <- read.csv("input.csv")

# استخراج بیشترین مقدار حقوق

sal <- max(data$salary)

# انتخاب اطلاعات فردی که بیشترین حقوق را دارد

retval <- subset(data, salary == max(salary))

print(retval)

وقتی کد بالا را اجرا می‌کنیم، نتیجه زیر را تولید می‌کند:

1 2	id name salary start_date dept 5 NA Gary 843.25 2015-03-27 Finance

دریافت همه افراد بخش IT

در این مثال همه افرادی که در بخش IT کار می‌کنند از Data Frame انتخاب می‌شوند:

# ایجاد یک Data Frame

data <- read.csv("input.csv")

retval <- subset(data, dept == "IT")

print(retval)

وقتی کد بالا را اجرا می‌کنیم، نتیجه زیر را تولید می‌کند:

id name salary start_date dept

1 1 Rick 623.3 2012-01-01 IT

3 3 Michelle 611.0 2014-11-15 IT

6 6 Nina 578.0 2013-05-21 IT

دریافت افراد بخش IT با حقوق بالاتر از 600

# ایجاد یک Data Frame

data <- read.csv("input.csv")

info <- subset(data, salary > 600 & dept == "IT")

print(info)

وقتی کد بالا را اجرا می‌کنیم، نتیجه زیر را تولید می‌کند:

id name salary start_date dept

1 1 Rick 623.3 2012-01-01 IT

3 3 Michelle 611.0 2014-11-15 IT

دریافت افرادی که از سال 2014 به بعد استخدام شده‌اند

# ایجاد یک Data Frame

data <- read.csv("input.csv")

retval <- subset(data, as.Date(start_date) > as.Date("2014-01-01"))

print(retval)

وقتی کد بالا را اجرا می‌کنیم، نتیجه زیر را تولید می‌کند:

id name salary start_date dept

3 3 Michelle 611.00 2014-11-15 IT

4 4 Ryan 729.00 2014-05-11 HR

5 NA Gary 843.25 2015-03-27 Finance

8 8 Guru 722.50 2014-06-17 Finance

نوشتن داده‌ها در فایل CSV

زبان R می‌تواند از روی یک Data Frame فایل CSV تولید کند. برای این کار از تابع write.csv() استفاده می‌کنیم. فایل خروجی در دایرکتوری کاری ایجاد می‌شود.