Metoda 1: Zaimportuj plik CSV z okre\u015blonego wiersza<\/strong><\/span><\/p>\n W tym konkretnym przyk\u0142adzie pomini\u0119te zostan\u0105 pierwsze dwie linie pliku CSV i zaimportowane zostan\u0105 wszystkie pozosta\u0142e linie pliku, zaczynaj\u0105c od trzeciej linii.<\/span><\/p>\n Metoda 2: Zaimportuj plik CSV, w kt\u00f3rym wiersze spe\u0142niaj\u0105 warunek<\/strong><\/span><\/p>\n W tym konkretnym przyk\u0142adzie zaimportowane zostan\u0105 tylko wiersze z pliku CSV, kt\u00f3rych warto\u015b\u0107 w kolumnie \u201epunkty\u201d jest wi\u0119ksza ni\u017c 90.<\/span><\/p>\n Poni\u017csze przyk\u0142ady pokazuj\u0105, jak w praktyce wykorzysta\u0107 ka\u017cd\u0105 z tych metod z nast\u0119puj\u0105cym plikiem CSV o nazwie my_data.csv<\/strong> :<\/span> <\/p>\n Poni\u017cszy kod pokazuje, jak zaimportowa\u0107 plik CSV i zignorowa\u0107 pierwsze dwie linie pliku:<\/span><\/p>\n Nale\u017cy pami\u0119ta\u0107, \u017ce pierwsze dwie linijki (z dru\u017cynami A i B) zosta\u0142y zignorowane podczas importowania pliku CSV.<\/span><\/p>\n Domy\u015blnie R pr\u00f3buje u\u017cy\u0107 warto\u015bci nast\u0119pnego dost\u0119pnego wiersza jako nazw kolumn.<\/span><\/p>\n Aby zmieni\u0107 nazw\u0119 kolumn, mo\u017cesz u\u017cy\u0107 funkcji Names()<\/strong> w nast\u0119puj\u0105cy spos\u00f3b:<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce chcemy zaimportowa\u0107 z pliku CSV tylko te wiersze, kt\u00f3rych warto\u015b\u0107 w kolumnie punkt\u00f3w jest wi\u0119ksza ni\u017c 90.<\/span><\/p>\n Mo\u017cemy w tym celu u\u017cy\u0107 funkcji read.csv.sql<\/strong> z pakietu sqldf<\/strong> :<\/span><\/p>\n Nale\u017cy pami\u0119ta\u0107, \u017ce zaimportowane zosta\u0142y tylko dwie linie pliku CSV, kt\u00f3rych warto\u015b\u0107 w kolumnie \u201epunkty\u201d jest wi\u0119ksza ni\u017c 90.<\/span><\/p>\n Uwaga nr 1<\/strong> : W tym przyk\u0142adzie u\u017cyli\u015bmy argumentu eol<\/strong> , aby okre\u015bli\u0107, \u017ce \u201ekoniec linii\u201d w pliku jest oznaczony przez \\n<\/strong> , kt\u00f3ry reprezentuje now\u0105 lini\u0119.<\/span><\/p>\n Uwaga nr 2:<\/strong> W tym przyk\u0142adzie u\u017cyli\u015bmy prostego zapytania SQL, ale mo\u017cesz napisa\u0107 bardziej z\u0142o\u017cone zapytania, aby filtrowa\u0107 wiersze wed\u0142ug jeszcze wi\u0119kszej liczby warunk\u00f3w.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania w j\u0119zyku R:<\/span><\/p>\n Jak odczyta\u0107 plik CSV z adresu URL w R<\/a> Aby odczyta\u0107 okre\u015blone wiersze z pliku CSV w R, mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cych metod: Metoda 1: Zaimportuj plik CSV z okre\u015blonego wiersza df <- read. csv (” my_data.csv „, skip= 2 ) W tym konkretnym przyk\u0142adzie pomini\u0119te zostan\u0105 pierwsze dwie linie pliku CSV i zaimportowane zostan\u0105 wszystkie pozosta\u0142e linie pliku, zaczynaj\u0105c od trzeciej linii. Metoda 2: […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-4110","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n df <- read. csv<\/span> (\" my_data.csv<\/span> \", skip= 2<\/span> )\n<\/strong><\/pre>\n library<\/span> (sqldf)\n\ndf <- read. csv<\/span> . sql<\/span> (\" my_data.csv<\/span> \",\n sql = \" select * from file where `points` > 90<\/span> \", eol = \" \\n<\/span> \")\n<\/strong><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/certain1.png\")
<\/p>\n Przyk\u0142ad 1: Importuj plik CSV z okre\u015blonego wiersza<\/strong><\/span><\/h2>\n
#import data frame and skip first two rows\n<\/span>df <- read. csv<\/span> (' my_data.csv<\/span> ', skip= 2<\/span> )\n\n#view data frame\n<\/span>df\n\n B X90 X28 X28.1\n1 C 86 31 24\n2 D 88 39 24\n3 E 95 34 28<\/span><\/span><\/strong><\/pre>\n #rename columns\n<\/span>names(df) <- c(' team<\/span> ', ' points<\/span> ', ' assists<\/span> ', ' rebounds<\/span> ')\n\n#view updated data frame<\/span>\ndf\n\n team points assists rebounds\n1 C 86 31 24\n2 D 88 39 24\n3 E 95 34 28\n<\/span><\/span><\/strong><\/pre>\n Przyk\u0142ad 2: Zaimportuj plik CSV, w kt\u00f3rym wiersze spe\u0142niaj\u0105 warunek<\/strong><\/span><\/h2>\n
library<\/span> (sqldf)\n\n#only import rows where points > 90\n<\/span>df <- read. csv<\/span> . sql<\/span> (\" my_data.csv<\/span> \",\n sql = \" select * from file where `points` > 90<\/span> \", eol = \" \\n<\/span> \")\n\n#view data frame\n<\/span>df\n\n team points assists rebounds\n1 \u201cA\u201d 99 33 30\n2 \u201cE\u201d 95 34 28\n<\/strong><\/span><\/pre>\n Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak po\u0142\u0105czy\u0107 wiele plik\u00f3w CSV w R<\/a>
Jak wyeksportowa\u0107 ramk\u0119 danych do pliku CSV w R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"