<\/p>\n
Sie k\u00f6nnen die Funktion fread()<\/strong> des data.table-<\/strong> Pakets in R verwenden, um Dateien schnell und einfach zu importieren.<\/span><\/span><\/p>\n Diese Funktion verwendet die folgende grundlegende Syntax:<\/span><\/p>\n Bei gro\u00dfen Dateien erwies sich diese Funktion als deutlich schneller als Funktionen wie read.csv<\/strong> von Base R.<\/span><\/p>\n Und in den meisten F\u00e4llen kann diese Funktion auch automatisch die Trennzeichen und Spaltentypen f\u00fcr den Datensatz erkennen, den Sie importieren.<\/span><\/p>\n Das folgende Beispiel zeigt, wie Sie diese Funktion in der Praxis nutzen k\u00f6nnen.<\/span><\/p>\n Nehmen wir an, ich habe eine CSV-Datei mit dem Namen data.csv<\/strong> am folgenden Speicherort gespeichert:<\/span><\/p>\n C:\\Benutzer\\Bob\\Desktop\\data.csv<\/strong><\/span><\/p>\n Und gehen Sie davon aus, dass die CSV-Datei die folgenden Daten enth\u00e4lt:<\/span><\/p>\n Ich kann die fread()-<\/strong> Funktion des data.table-<\/strong> Pakets verwenden, um diese Datei in meine aktuelle R-Umgebung zu importieren:<\/span><\/span><\/p>\n Mit der Funktion fread()<\/strong> k\u00f6nnen wir die CSV-Datei erfolgreich importieren.<\/span><\/p>\n Hinweis<\/strong> : Wir haben im Dateipfad doppelte Backslashes (\\\\) verwendet, um einen h\u00e4ufigen Importfehler<\/a> zu vermeiden.<\/span><\/p>\n Beachten Sie, dass wir das Trennzeichen auch nicht angeben mussten, da die Funktion fread()<\/strong> automatisch erkannte, dass es sich um ein Komma handelte.<\/span><\/p>\n Wenn wir die Funktion str()<\/a> verwenden, um die Struktur des Datenrahmens anzuzeigen, k\u00f6nnen wir sehen, dass die Funktion fread()<\/strong> auch automatisch den Objekttyp f\u00fcr jede Spalte identifiziert hat:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/p>\n In diesem Beispiel haben wir der Einfachheit halber einen kleinen Datenrahmen verwendet (5 Zeilen x 3 Spalten), aber in der Praxis ist die Funktion fread()<\/strong> in der Lage, Datenbl\u00f6cke mit Zehntausenden von Zeilen schnell und effizient zu importieren, was sie zur bevorzugten Importmethode macht f\u00fcr gro\u00dfe Datens\u00e4tze.<\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren, wie Sie bestimmte Dateitypen in R importieren:<\/span><\/p>\n So importieren Sie Excel-Dateien in R<\/a> Sie k\u00f6nnen die Funktion fread() des data.table- Pakets in R verwenden, um Dateien schnell und einfach zu importieren. Diese Funktion verwendet die folgende grundlegende Syntax: library (data.table) df <- fread(“ C:\\\\Users\\\\Path\\\\To\\\\My\\\\data.csv „) Bei gro\u00dfen Dateien erwies sich diese Funktion als deutlich schneller als Funktionen wie read.csv von Base R. Und in den meisten F\u00e4llen kann […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n library<\/span> (data.table)\n\ndf <- fread(\" C:\\\\Users\\\\Path\\\\To\\\\My\\\\data.csv<\/span> \")<\/strong><\/pre>\n Beispiel: So verwenden Sie \u201efeed()\u201c zum Importieren von Dateien in R<\/strong><\/span><\/h3>\n
team, points, assists\n'A', 78, 12\n'B', 85, 20\n'C', 93, 23\n'D', 90, 8\n'E', 91, 14\n<\/strong><\/pre>\n
library<\/span> (data.table)<\/span>\n\n#import data<\/span>\ndf <- fread(\"C:\\Users\\Bob\\Desktop\\data.csv\")\n<\/span>\n#viewdata\n<\/span>df\n\n team points assists\n1 A 78 12\n2 B 85 20\n3 C 93 23\n4 D 90 8\n5 E 91 14<\/strong><\/pre>\n #view structure of data\n<\/span>str(df)\n\nClasses 'data.table' and 'data.frame': 5 obs. of 3 variables:\n $ team: chr \"'A'\" \"'B'\" \"'C'\" \"'D'\" ...\n $points: int 78 85 93 90 91\n $assists: int 12 20 23 8 14\n<\/strong><\/pre>\n\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So importieren Sie TSV-Dateien in R<\/a>
So importieren Sie Zip-Dateien in R<\/a>
So importieren Sie SAS-Dateien in R<\/a>
So importieren Sie .dta-Dateien in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"